2026年08月13日 11時32分 AI

Googleが手話をテキストに変換するAIモデルをPixel 11に搭載

Google DeepMindの手話チームが、手話の映像を文字に変換する「多言語手話・テキスト変換(sign-language-to-text：SL2T)翻訳モデル」を発表しました。2026年8月20日発売のPixel 11で、手話で文字を入力できるようになる予定です。

Putting sign language AI into users’ hands — Google DeepMind
https://deepmind.google/blog/putting-sign-language-ai-into-users-hands/

SL2Tは50以上の手話にまたがる10万時間以上のデータで学習されたモデルで、手話を扱う人の体の動きを読み、座標に変換して翻訳することができます。

SL2T is state-of-the-art on academic benchmarks, plus it's optimized for real-world use like one-handed signing while holding a phone.

To protect privacy, it tracks body poses on-device, while our servers translate them into text. pic.twitter.com/6AkxT6mO3D
— Google DeepMind (@GoogleDeepMind) August 12, 2026

Google DeepMindは、手話の翻訳には「それぞれの手話に固有の文法と語彙がある」「AIモデルが身体の動きを見て理解することを学習しなければならない」という課題があり、これらを高いフレームレートで正確に追跡することは難しく、これまでは開発が困難だったと説明しています。SL2Tは、ストリーミング時の遅延を最小限に抑え、手話をしていない入力に対するハルシネーションを防ぎ、片手で手話をする場合の性能を向上させることなど実用上の課題にも注力したとのこと。

SL2TはまずPixel 11で、文字入力アプリ「Gboard」と、文字起こしアプリ「Live Transcribe」で体験できます。最初はアメリカ手話から英語への変換のみに対応予定で、対応デバイスは随時追加される計画です。また、手話入力機能は追加料金なしで利用できるとのことです。

SL2T is our breakthrough sign language-to-text model powering new features for Deaf and hard of hearing users on @Android.

Starting with American Sign Language-to-English on Pixel 11, people can sign directly into Gboard and Live Transcribe instead of typing. pic.twitter.com/p9Vx7tJtLT
— Google DeepMind (@GoogleDeepMind) August 12, 2026

Google DeepMindは「AIによる音声言語の処理能力はここ数十年で急速に進歩し、自動翻訳や会話型インターフェースなど、ユーザーにとって自然に感じられる機能が実現しています。しかし、この技術は、世界に200以上存在する手話や、それらを使用する推定7000万人の聴覚障害者・難聴者にはまだ届いていません。SL2Tを使えば、聴覚障害者は文字を入力するあらゆる場面で手話を使って入力できます。手話でウェブを検索したり、メッセージや文書を作成したり、Geminiに質問を解決させたり、タスクを実行させたりできます。試験参加者によると、手話をするほうが文字を入力するより速く、自然で、快適とのことです」と述べました。