Google DeepMind lleva la traducción de lenguaje de señas en tiempo real al Pixel 11

Google DeepMind anunció SL2T (sign-language-to-text), un modelo entrenado con más de 100,000 horas de datos de lengua de señas que abarcan más de 50 lenguas distintas, alrededor de una cuarta parte en lengua de señas americana (ASL). A diferencia de sistemas anteriores que dependían de anotaciones intermedias tipo "gloss" —lo que limitaba vocabulario y matices—, SL2T traduce directamente secuencias de postura corporal a texto.

Por privacidad, el reconocimiento de la pose corporal corre en el propio dispositivo mediante MediaPipe Holistic, y solo las coordenadas —nunca el video— se envían a los servidores para la traducción final. Desde el 12 de agosto, el modelo habilita dictado de ASL a inglés en Gboard y en Live Transcribe en los teléfonos Pixel 11, permitiendo a una persona sorda dictar una búsqueda, redactar un mensaje o consultar a Gemini con señas frente a la cámara, y mantener una conversación con Live Transcribe respondiendo también en señas.

Google desarrolló el sistema con guía de empleados sordos de la compañía y de un comité asesor formado junto a organizaciones como la National Association of the Deaf, la World Federation of the Deaf y el National Technical Institute for the Deaf. La compañía adelantó que este es apenas el primer paso y que planea extender la tecnología a más lenguas de señas y aplicaciones.