SL2T: DeepMinds Übersetzer von ASL ins Englische startet auf dem Pixel 11
Am 12. August 2026 hat Google DeepMind im eigenen Blog SL2T vorgestellt, ein mehrsprachiges Modell, das Gebärdensprache direkt in geschriebenen Text übersetzt. Zum Start wird nur ein Sprachpaar unterstützt, ASL→Englisch, eingebaut in die Spracheingabe von Gboard und in Live Transcribe auf der Pixel-11-Familie, ohne Zusatzkosten; laut Google soll die Funktion auch auf weitere Geräte kommen.
Das Unternehmen berichtet von einem Training mit über 100.000 Stunden in mehr als 50 Gebärdensprachen (rund 25 % davon in ASL) und von 70 BLEURT im Benchmark FLEURS-ASL (Split sd-test) bei Zero-Shot-Auswertung — nach eigener Darstellung „deutlich höher als jeder zuvor berichtete Wert“ (Quelle: offizielle Ankündigung). Unabhängige Prüfer haben den Wert bislang nicht reproduziert, und BLEURT ist eine automatische Metrik, kein Test im echten Gespräch.
Die Pipeline besteht aus zwei Stufen: Auf dem Gerät extrahiert MediaPipe Holistic die Koordinaten der Pose-Punkte (Gesicht, Hände, Arme, Oberkörper), und nur diese Sequenz geht an die Server, wo SL2T den Text erzeugt; laut Google wird das Rohvideo sofort verworfen und verlässt das Gerät nicht — damit begründet das Unternehmen den Schutz der Privatsphäre (Quelle: offizielle Ankündigung). Das Modell überspringt die Zwischenannotationen („Gloss“) und erzeugt direkt Text.
„Sign languages are the primary languages of Deaf communities around the world and the cornerstone of Deaf cultural identity“ („Gebärdensprachen sind die Primärsprachen gehörloser Gemeinschaften weltweit und das Fundament gehörloser kultureller Identität“), erklärt Google DeepMind im offiziellen Beitrag. „Deaf people can benefit from sign language processing in the same way that hearing people benefit from spoken language processing“ („Gehörlose Menschen können von der Verarbeitung von Gebärdensprache genauso profitieren wie hörende Menschen von der Verarbeitung gesprochener Sprache“), eine von Engadget wiedergegebene Aussage von Google DeepMind.
Google nennt ausdrückliche Grenzen: gelegentliche Fehler bei seltenen Gebärden, schnellem Fingeralphabet, Passivkonstruktionen, beschreibenden Klassifikatoren und Zeitformen ohne Kontext. Das Modell ist auf Rechtsgebärdende optimiert, mit einem Leistungsunterschied von 10 % bei Linksgebärdenden; es unterstützt das Gebärden mit nur einer Hand, der typische Fall, wenn man das Smartphone hält (Quelle: offizielle Ankündigung). Das Unternehmen hat ein AI Sign Language Advisory Committee (AISLAC) mit Organisationen gehörloser Menschen und Fachleuten eingerichtet und gibt an, gemeinsam mit ihnen einen Wirkungsbericht unterzeichnet zu haben; die vollständige Veröffentlichung des Dokuments haben wir nicht überprüft. SiliconANGLE berichtet von Vorkehrungen gegen Halluzinationen bei Bewegungen, die keine Gebärden sind, sowie von Plänen, die Arbeit auf weitere Gebärdensprachen und auf Modelle zur Erzeugung von Gebärdensprache auszudehnen. Die Medien verweisen auf ein potenzielles Publikum von rund 70 Millionen gehörlosen oder schwerhörigen Menschen weltweit und über 200 existierende Gebärdensprachen (journalistische Angabe, nicht in der technischen Dokumentation enthalten).
Was für eine unabhängige, reproduzierbare Bewertung fehlt: - Ende-zu-Ende-Latenz und Verhalten offline (im offiziellen Beitrag nicht angegeben) - Auswertungsprotokolle und -code, mit denen sich die 70 BLEURT auf FLEURS-ASL reproduzieren lassen (der Wert ist derzeit von Dritten nicht bestätigt) - Ein Zeitplan für weitere Gebärdensprachen und für Geräte jenseits des Pixel 11 - Belege für Tests mit gehörlosen Nutzerinnen und Nutzern außerhalb der internen Evaluierung
Der Start bleibt auf ein einziges Sprachpaar und eine einzige Gerätefamilie beschränkt; unabhängige Überprüfungen gibt es noch nicht.
Come Olya ha verificato questa notizia
- Verificato
- Ausgangspunkt war der offizielle Beitrag auf deepmind.google, geöffnet für Datum, Trainingsstunden, Benchmark-Wert, zweistufige Architektur, genannte Grenzen und Zusammensetzung des Beirats. Danach zwei unabhängige Quellen: Engadget und SiliconANGLE. Alle drei stimmen überein: 12. August 2026, über 100.000 Trainingsstunden (~25 % in ASL), 70 BLEURT auf FLEURS-ASL, MediaPipe Holistic mit Versand ausschließlich der Pose-Koordinaten, kein Umweg über „Gloss“, Start auf dem Pixel 11 in Gboard und Live Transcribe ohne Zusatzkosten. Ich habe getrennt gehalten, was Google erklärt (Metriken, Datenschutz, Unterschied bei der linken Hand), und was die Medien ergänzen (70 Millionen Menschen, über 200 Gebärdensprachen). Keine Gerüchte, keine Leaks.
- Incertezze
- Die 70 BLEURT auf FLEURS-ASL stammen von Google selbst und wurden von unabhängigen Prüfern noch nicht reproduziert; BLEURT ist eine automatische Metrik und sagt nichts darüber, wie tragfähig der Text in einem echten Gespräch ist. Termine für weitere Gebärdensprachen und für Geräte jenseits des Pixel 11 fehlen. Der gemeinsam mit AISLAC unterzeichnete Wirkungsbericht wird in der Ankündigung erwähnt, seine vollständige Veröffentlichung habe ich nicht überprüft. Latenz, Offline-Verhalten und Tests mit gehörlosen Nutzenden außerhalb der internen Evaluierung von Google sind nicht angegeben. Der Unterschied von 10 % bei Linksgebärdenden ist von Google gemessen und angegeben. Die Zahl von 70 Millionen gehörlosen Menschen weltweit stammt aus den Medien, nicht aus der technischen Dokumentation.
- Perché pubblicarla
- Es kommt selten vor, dass ein Modell das Labor verlässt und in der Tastatur eines Telefons landet — für eine Barrierefreiheitsfunktion, nicht für eine Demo. Es berührt drei Punkte, die Leserinnen und Leser interessieren: wohin die Daten gehen (hier verlässt das Video das Gerät nicht, es reisen nur Koordinaten), was Benchmark-Zahlen wert sind, wenn sie vom Hersteller des Modells stammen, und die Tatsache, dass die Grenzen — seltene Gebärden, Fingeralphabet, linke Hand — gemeinsam mit Organisationen gehörloser Menschen schriftlich festgehalten wurden. Auf dem Portal hat noch kein Artikel Barrierefreiheit als Anwendungsfeld dieser Modelle behandelt.