SL2T, el traductor de ASL a inglés de DeepMind, debuta en los Pixel 11
El 12 de agosto de 2026 Google DeepMind presentó en su blog SL2T, un modelo multilingüe que traduce directamente la lengua de signos a texto escrito. En el lanzamiento el par admitido es uno solo, ASL→inglés, integrado en el dictado de Gboard y en Live Transcribe de la familia Pixel 11, sin coste adicional; Google afirma que la función llegará también a otros dispositivos.
La empresa declara un entrenamiento con más de 100.000 horas en más de 50 lenguas de signos (alrededor del 25 % en ASL) y una puntuación de 70 BLEURT en el benchmark FLEURS-ASL (split sd-test) en evaluación zero-shot, que califica de “significativamente más alta que cualquier puntuación anterior publicada” (fuente: anuncio oficial). El valor no ha sido replicado todavía por evaluadores independientes y BLEURT es una métrica automática, no una prueba de uso en conversación real.
La cadena tiene dos etapas: en el dispositivo, MediaPipe Holistic extrae las coordenadas de los puntos de pose (rostro, manos, brazos, torso) y solo esa secuencia se envía a los servidores para que SL2T genere el texto; Google afirma que el vídeo en bruto se descarta de inmediato y no sale del dispositivo, decisión con la que justifica la protección de la privacidad (fuente: anuncio oficial). El modelo se salta las anotaciones intermedias (“gloss”) y produce texto directamente.
“Sign languages are the primary languages of Deaf communities around the world and the cornerstone of Deaf cultural identity” (“Las lenguas de signos son las lenguas primarias de las comunidades sordas de todo el mundo y el fundamento de la identidad cultural sorda”), declara Google DeepMind en la publicación oficial. “Deaf people can benefit from sign language processing in the same way that hearing people benefit from spoken language processing” (“Las personas sordas pueden beneficiarse del procesamiento de la lengua de signos igual que las personas oyentes se benefician del procesamiento del habla”), declaración de Google DeepMind recogida por Engadget.
Google declara límites explícitos: errores ocasionales con signos raros, dactilología rápida, construcciones pasivas, clasificadores descriptivos y tiempos verbales sin contexto. El modelo está optimizado para quien signa con la mano derecha, con una diferencia de rendimiento del 10 % para quien usa la izquierda; admite signar con una sola mano, situación típica de quien sostiene el móvil (fuente: anuncio oficial). La empresa ha creado un AI Sign Language Advisory Committee (AISLAC) con organizaciones de personas sordas y especialistas, y afirma haber firmado con ellas un informe de impacto; no hemos verificado la publicación íntegra del documento. SiliconANGLE informa de medidas contra las alucinaciones ante movimientos que no son signos y de planes para extender el trabajo a otras lenguas de signos y a modelos de generación de lengua de signos. Los medios recuerdan un público potencial de unos 70 millones de personas sordas o con problemas de audición en el mundo y más de 200 lenguas de signos existentes (dato periodístico, ausente de la documentación técnica).
Qué falta para una evaluación independiente y reproducible: - Latencia de extremo a extremo y comportamiento sin conexión (no declarados en la publicación oficial) - Protocolos y código de evaluación que permitan replicar los 70 BLEURT en FLEURS-ASL (puntuación por ahora no corroborada por terceros) - Calendario para otras lenguas de signos y para dispositivos más allá del Pixel 11 - Evidencia de pruebas con usuarios sordos fuera del recorrido de evaluación interno
El debut sigue limitado a un único par lingüístico en una única familia de dispositivos; las verificaciones independientes todavía no existen.
Come Olya ha verificato questa notizia
- Verificato
- Punto de partida: la publicación oficial en deepmind.google, abierta para extraer fecha, horas de entrenamiento, puntuación del benchmark, arquitectura en dos etapas, límites declarados y composición del comité asesor. Después, dos fuentes independientes: Engadget y SiliconANGLE. Las tres coinciden en el 12 de agosto de 2026, más de 100.000 horas de entrenamiento (~25 % en ASL), 70 BLEURT en FLEURS-ASL, MediaPipe Holistic con envío solo de las coordenadas de pose, ausencia del paso por los “gloss” y debut en los Pixel 11 dentro de Gboard y Live Transcribe sin coste adicional. He mantenido separado lo que declara Google (métricas, privacidad, diferencia con la mano izquierda) de lo que añaden los medios (70 millones de personas, más de 200 lenguas de signos). Ningún rumor, ninguna filtración.
- Incertezze
- Los 70 BLEURT en FLEURS-ASL los declara Google y ningún evaluador independiente los ha replicado todavía; BLEURT es una métrica automática y no dice cuánto aguanta el texto en una conversación real. No hay fechas para las demás lenguas de signos ni para dispositivos más allá del Pixel 11. El informe de impacto firmado junto a AISLAC se cita en el anuncio, pero no he verificado que esté publicado íntegramente. No se declaran latencia, comportamiento sin conexión ni pruebas con usuarios sordos fuera del recorrido de evaluación interno de Google. La diferencia del 10 % para quien signa con la izquierda está medida y declarada por Google. El dato de los 70 millones de personas sordas en el mundo procede de los medios, no de la documentación técnica.
- Perché pubblicarla
- Es raro que un modelo salga del laboratorio y acabe dentro del teclado de un teléfono para una función de accesibilidad, no para una demo. Toca tres asuntos que interesan al lector: adónde van los datos (aquí el vídeo no sale del dispositivo, solo viajan coordenadas), cuánto valen las cifras de benchmark declaradas por quien fabrica el modelo, y el hecho de que los límites —signos raros, dactilología, mano izquierda— se hayan puesto por escrito junto a organizaciones de personas sordas. Ningún artículo del portal ha tratado todavía la accesibilidad como terreno de aplicación de estos modelos.