Appleは2026年9月10日(現地時間)、談話（discourse）の文脈を考慮したテキストから手話グロスへの翻訳システム「DiscoSign」を導入したと発表した。従来の手話処理システムが文レベルで動作し、手話理解に不可欠な談話現象を無視していたという課題に対し、言語学研究に基づいた計算論的アプローチを提案する。本システムは、大規模言語モデル（LLM）ベースの翻訳フレームワークを採用している。
DiscoSignは、モジュール型の大規模言語モデル（LLM）ベースの翻訳フレームワーク内で、三つの主要な談話現象に対処する。
具体的には、第一に、談話全体でエンティティが一貫した空間的位置を維持する空間的共参照解決 (spatial coreference resolution)。第二に、特定の談話機能を持つ疑似分裂文構造である質問応答節 (Question-Answer Clauses (QACs))。そして第三に、英語の概念とアメリカ手話（ASL）のサインとの間で安定したマッピングを保証する概念-グロス一貫性 (concept-gloss consistency)に取り組んでいる。
Appleの研究者らは、従来の翻訳評価指標が談話レベルの品質を十分に捉えられないため、フレームワークが対処する談話コヒーレンスの各次元を評価するよう設計された一連の新しい評価指標も導入した。文レベルおよび談話レベルのデータセットを用いた実験では、この談話認識処理アプローチが、文のみの翻訳と比較して、空間的一貫性とエンティティ追跡を大幅に改善すると同時に、単一文のグロス翻訳品質を維持することを示した。
今回の成果は、談話レベルのテキストから手話グロス翻訳のための最初の体系的なフレームワークと、それに伴う評価方法論を確立するものである。
参考: Apple ML Research — 2026年9月11日 09:00 (JST)
原文ハイライト"We introduce DiscoSign, a computational approach for discourse-aware text to sign language gloss translation"