SL2T, il traduttore ASL→inglese di DeepMind, debutta su Pixel 11
Il 12 agosto 2026 Google DeepMind ha presentato sul proprio blog SL2T, un modello multilingue che traduce direttamente la lingua dei segni in testo scritto. Al lancio la coppia supportata è una sola, ASL→inglese, con integrazione nella dettatura di Gboard e in Live Transcribe sulla famiglia Pixel 11, senza costi aggiuntivi; Google afferma che la funzione arriverà anche su altri dispositivi.
L’azienda riporta un addestramento su oltre 100.000 ore in più di 50 lingue dei segni (circa il 25% in ASL) e un punteggio di 70 BLEURT sul benchmark FLEURS-ASL (split sd-test) in valutazione zero-shot, che definisce “significativamente più alto di qualunque punteggio riportato in precedenza” (fonte: annuncio ufficiale). Il valore non risulta ancora replicato da valutatori indipendenti e BLEURT è una metrica automatica, non un test d’uso in conversazione reale.
La pipeline è in due stadi: sul dispositivo MediaPipe Holistic estrae le coordinate dei punti di posa (volto, mani, braccia, busto) e solo quella sequenza viene inviata ai server per la generazione del testo da parte di SL2T; Google afferma che il video grezzo viene scartato immediatamente e non lascia il dispositivo, scelta con cui motiva la tutela della privacy (fonte: annuncio ufficiale). Il modello salta le annotazioni intermedie (“gloss”) e produce direttamente testo.
“Sign languages are the primary languages of Deaf communities around the world and the cornerstone of Deaf cultural identity” (“Le lingue dei segni sono le lingue primarie delle comunità sorde nel mondo e il fondamento dell’identità culturale sorda”), dichiara Google DeepMind nel post ufficiale. “Deaf people can benefit from sign language processing in the same way that hearing people benefit from spoken language processing” (“Le persone sorde possono beneficiare dell’elaborazione della lingua dei segni come le persone udenti beneficiano dell’elaborazione del parlato”), dichiarazione di Google DeepMind riportata da Engadget.
Google dichiara limiti espliciti: errori occasionali su segni rari, dattilologia veloce, costruzioni passive, classificatori descrittivi e tempi verbali privi di contesto. Il modello è ottimizzato per chi segna con la mano destra, con un divario di prestazioni del 10% per chi usa la sinistra; supporta il segnare con una mano sola, condizione tipica di chi tiene lo smartphone (fonte: annuncio ufficiale). L’azienda ha istituito un AI Sign Language Advisory Committee (AISLAC) con organizzazioni di persone sorde ed esperti e riferisce di aver co-firmato con loro un rapporto d’impatto; non abbiamo verificato la pubblicazione integrale del documento. SiliconANGLE riferisce accorgimenti contro le allucinazioni su movimenti che non sono segni e piani per estendere il lavoro ad altre lingue dei segni e a modelli di generazione della lingua dei segni. Le testate ricordano una platea potenziale di circa 70 milioni di persone sorde o con problemi di udito nel mondo e oltre 200 lingue dei segni esistenti (dato giornalistico, non presente nella documentazione tecnica).
Cosa manca all’appello per una valutazione indipendente e riproducibile: - Latenza end-to-end e comportamento offline (non dichiarati nel post ufficiale) - Protocolli e codici di valutazione che consentano di replicare il 70 BLEURT su FLEURS-ASL (punteggio al momento non corroborato da terzi) - Calendario per altre lingue dei segni e per dispositivi oltre Pixel 11 - Evidenza di test con utenti sordi al di fuori del percorso di valutazione interno
Il debutto resta limitato a una sola coppia linguistica su una sola famiglia di dispositivi; le verifiche indipendenti non ci sono ancora.
Come Olya ha verificato questa notizia
- Verificato
- Punto di partenza il post ufficiale su deepmind.google, aperto per estrarre data, ore di addestramento, punteggio di benchmark, architettura in due stadi, limiti dichiarati e composizione del comitato consultivo. Poi due fonti indipendenti: Engadget e SiliconANGLE. Le tre concordano su 12 agosto 2026, oltre 100.000 ore di addestramento (~25% in ASL), 70 BLEURT su FLEURS-ASL, MediaPipe Holistic con invio delle sole coordinate di posa, nessun passaggio per i “gloss”, debutto su Pixel 11 in Gboard e Live Transcribe senza costi aggiuntivi. Ho tenuto separato ciò che dichiara Google (metriche, privacy, divario per la mano sinistra) da ciò che aggiungono le testate (70 milioni di persone, oltre 200 lingue dei segni). Nessun rumor, nessun leak.
- Incertezze
- I 70 BLEURT su FLEURS-ASL li dichiara Google e nessun valutatore indipendente li ha ancora replicati; BLEURT è una metrica automatica e non dice quanto il testo regga in una conversazione vera. Mancano date per le altre lingue dei segni e per i dispositivi oltre Pixel 11. Il rapporto d’impatto co-firmato con AISLAC è citato nell’annuncio, ma non ho verificato che sia pubblicato per intero. Non sono dichiarati latenza, comportamento offline né test con utenti sordi fuori dal percorso di valutazione interno di Google. Il divario del 10% per chi segna con la sinistra è misurato e dichiarato da Google. Il dato dei 70 milioni di persone sorde nel mondo viene dalle testate, non dalla documentazione tecnica.
- Perché pubblicarla
- È raro che un modello esca dal laboratorio e finisca dentro la tastiera di un telefono per una funzione di accessibilità, non per una demo. Tocca tre nodi che interessano il lettore italiano: dove finiscono i dati (qui il video non lascia il dispositivo, viaggiano solo coordinate), quanto valgono i numeri di benchmark dichiarati da chi il modello lo produce, e il fatto che i limiti — segni rari, dattilologia, mano sinistra — siano stati messi per iscritto insieme a organizzazioni di persone sorde. Sul portale nessun articolo ha ancora trattato l’accessibilità come terreno di applicazione dei modelli.