Google DeepMind 推出面向 Pixel 11 的 SL2T 手语模型,训练数据超过 10 万小时,支持 50 多种语言

Google DeepMind 最近推出了 SL2T,这是一款手语到文本模型,并将其集成到 Pixel 11 的 Gboard 和直播转写中。该模型最初支持将美国手语(ASL)翻译成英语,用户可以通过对着设备摄像头打手语来搜索、编写消息、输入文档以及向 Gemini 提问。

SL2T 使用涵盖 50 多种手语的超过 10 万小时数据进行训练,其中约 25% 为美国手语。该系统提取手部、面部和身体姿态坐标进行处理,仅将坐标上传至服务器,而不是原始视频画面,从而保护用户隐私。

免责声明:本页面信息可能来自第三方,仅供参考,不代表 Gate 的观点或意见,亦不构成任何财务、投资或法律建议。数字资产交易风险较高,请勿仅依赖本页面信息作出决策。具体内容详见声明。
评论
0/400
暂无评论