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。
相关快讯
谷歌的 Sergey Brin 敦促 DeepMind 员工专注于 Gemini,以应对 AI 竞争
谷歌在苹果重构 Siri 之前推出搭载 Gemini 的 Pixel 11
尽管 Google 与 Ryanair 签署了为期 5 年的 AI 合作协议,GOOGL 股价仍下跌 3%。