Google DeepMind（グーグル・ディープマインド）は2026年8月12日(現地時間)、手話からテキストへの変換モデル「サインラングエッジ・トゥ・テキスト (sign-language-to-text、SL2T)」を発表した。このモデルは、Gboard（ジーボード）とLive Transcribe（ライブ・トランスクライブ）に手話機能を統合し、Pixel 11（ピクセル11）から提供を開始する。まずアメリカ手話 (American Sign Language、ASL)から英語への変換に対応し、聴覚障がいを持つユーザーが手話で入力できるようになる見込みだ。
SL2Tは、これまで聴覚ユーザー向けに提供されてきた翻訳や音声入力、対話型インターフェースと同様に、手話ユーザーにも技術へのアクセスをもたらすことを目指す。Gboardでは、ユーザーがテキスト入力の代わりに手話で検索、メッセージや文書の作成、Gemini（ジェミニ）へのクエリ実行やタスク指示が可能となる。Live Transcribeでは、会話中の返答を手話で行うことができる。
このモデルは、50以上の手話にわたる100,000時間以上のデータで学習されており、プライバシー保護のため、SL2Tは手話入力を生のカメラフィードではなく、署名者の身体のポーズランドマークの位置として認識する。オンデバイスモデルのMediaPipe（メディアパイプ）がこれらのポイントを追跡し、幾何学的座標のみがサーバーに送信され、元の動画は即座に破棄される。
Google DeepMindは、フルールズ・エーエスエル (FLEURS-ASL)などの主要なベンチマークにおいて、ASLから英語への変換品質を評価している。同社は、ASLを使用する左利きの署名者10%に対する公平性の確保や、片手での署名時のパフォーマンス向上など、実用上の課題にも取り組んだ。Google DeepMindは、聴覚障がいコミュニティとの連携を通じて、責任ある実装を指導するためAI手話諮問委員会 (AI Sign Language Advisory Committee、AISLAC)を設立している。
参考: DeepMind Blog — 2026年8月13日 00:00 (JST)
原文ハイライト"Putting sign language AI into users’ hands"