この記事のポイント
- SL2Tは、手話を英語の文章へ訳すGoogle DeepMindのモデルです。
- Pixel 11では米国手話から英語への入力を、Gboardなどで提供します。
- 端末で動画から座標を抽出しますが、他言語への対応は別に確認が必要です。
Google DeepMindの発表をもとに、SL2Tの仕組みと提供先を紹介します。評価の対象となる言語と、他の手話言語への適合を分けて整理します。
何が発表されたのか:手話翻訳AI「SL2T」
発表されたのは、手話を文字(英語)に変換する翻訳モデル「SL2T」です。10万時間を超える手話データ、50以上の手話言語を使って学習されており、複数の言語を同時に学習させることで共通する基礎構造を捉え、1つの言語だけを学んだモデルより高い精度を出せているとのことです(Google DeepMind公式ブログ、2026年8月12日発表)。現時点で実際に使えるのはアメリカ手話(ASL)から英語への翻訳のみで、学習データに占めるASLの割合は4分の1ほど。他の手話言語への対応も今後の展開として期待したいところです。
技術的にどう新しいのか:映像を送らずに翻訳する仕組み
この手話翻訳、実はカメラの映像をそのままサーバーに送っているわけではありません。スマホ側(オンデバイス)で「MediaPipe Holistic」という骨格追跡の技術を使い、手や体の動きを座標データに変換。サーバーに送るのはこの座標データだけで、撮影した映像そのものはすぐに破棄される仕組みです。プライバシーに配慮した工夫と言えそうです。もうひとつのポイントが翻訳の手順です。従来の手話翻訳の研究では「グロス」と呼ばれる中間的な注釈(手話の動きを言葉で書き起こしたようなもの)を経由することが多かったのですが、SL2Tはこの中間工程を挟まず、座標データから直接テキストへ変換します。工程がシンプルになった分、リアルタイム性を出しやすくなっていると考えられます。
どこで使えるのか:GboardとLive Transcribe、まずはPixel 11から
SL2Tは、キーボードアプリ「Gboard」の手話→テキスト辞書機能と、文字起こしアプリ「Live Transcribe」の会話内手話入力に搭載されました。提供はまずPixel 11から始まっており、公式ブログでは「対応デバイスは今後拡大予定」とされています。日本語を含む日本での提供時期は、現時点の公式発表では明記されていません。開発にあたってはろう(Deaf)コミュニティと共同で進める体制がとられており、「AI Sign Language Advisory Committee(AISLAC)」という諮問委員会を設け、世界各国のろう関連団体や専門家の意見を開発の優先順位に反映させているそうです。ユーザーテストでは「ASLで話すほうが、英語をタイピングするより速く自然で楽しいと感じた」という声も紹介されています(前掲・DeepMind公式ブログ)。
まとめ: 当事者の用途と対応言語を確かめる
手話に関わるサービスを検討する方には、対象となる手話言語と出力言語を確認することが重要です。ASLの評価から日本手話への適合は判断できません。当事者が使う場面と評価条件の違いを踏まえ、研究が示す範囲を読むとよいでしょう。
※ 2026年8月時点の情報です。SL2Tの対応言語・提供デバイスは今後拡大していく可能性があります。
