一句话看懂：谷歌DeepMind发布手语转文本模型SL2T，并首次将其集成到Pixel 11手机中。这是手语AI从实验室走向消费级硬件的关键一步，意味着手语识别开始成为手机系统级能力的一部分。
事件核心：发生了什么
2026年8月13日，谷歌DeepMind宣布推出多语种手语转文本模型SL2T，并集成至Pixel 11系统，与Gboard键盘、Live Transcribe应用打通。用户通过前置摄像头做出手语动作，即可完成消息编辑、网页搜索或与Gemini对话，不再依赖键盘输入。
模型训练覆盖超过50种手语，总计10万小时数据，其中约四分之一来自美国手语数据集；跨语种联合训练使模型能够学习不同手语间的共通动作逻辑，并在FLEURS-ASL评估中创下手语转录模型新纪录。与传统依赖固定词库标签的方案不同，SL2T直接解读人体动作生成文本，同时处理面部表情、身体空间位置和唇部动作等非手部语义信息。
隐私方面，手机端MediaPipe Holistic实时追踪手部、面部和躯干的130个关键点，仅向外传输动作坐标，原始视频会立即删除，不上传云端。目前该功能仅支持美式手语转英文翻译。
为什么重要
手语AI过去多停留在研究验证或特定垂直场景，SL2T是首个进入主流消费电子设备的手语识别模型。它的意义不只是“多了一个输入方式”，而是将手语理解纳入手机操作系统层级的交互能力，为听障用户提供了一条不依赖文字的实时沟通路径。
从技术路线看，SL2T放弃了固定词汇标签，转向直接对手部动作及全身姿态进行端到端建模，这更接近自然语言处理中从序列到序列的生成范式。跨50种手语的联合训练也表明，手语AI正在从单语种小模型走向规模化数据训练。
竞争层面，谷歌之外，科大讯飞、华为、苹果均在AI无障碍交互上持续投入。SL2T的落地，可能会加速这类能力从“辅助功能”升级为手机厂商的差异化卖点。
对用户/开发者/创作者的影响
对普通用户，尤其是听障用户，SL2T意味着手语首次能直接驱动手机操作和AI助手对话，而不是先转成文字再输入。本地化关键点追踪和原始视频即时删除的设计，也缓解了手语数据上传云端带来的隐私顾虑。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对开发者，DeepMind此前的SignGemma已在2025年5月开源，SL2T的算法基础可以追溯至该项目。目前谷歌计划将SL2T扩展到更多手语和Android设备，开发者可以关注其模型开源或API开放的可能性，用于构建更细分的无障碍应用。需要留意的是，当前仅支持美式手语转英文，中文化和中国手语支持尚不明确。
对内容创作者，手语视频的字
