A Google Pixel telefonok régóta élen járnak a hangvezérlés és a beszédfelismerés terén, a legújabb fejlesztések azonban már túlmutatnak a hagyományos hangdiktáláson. A 2026. augusztus 12-én bemutatott Google Pixel 11 modellek egy olyan innovációval érkeztek, amely alapjaiban változtathatja meg a kommunikációt, különösen a siket és nagyothalló közösség számára. A Google DeepMind által fejlesztett SL2T (Sign-Language-to-Text) modell valós idejű amerikai jelnyelv (ASL) felismerést tesz lehetővé, ami közvetlenül a Gboard billentyűzetbe és a Live Transcribe alkalmazásba épül. Ez a funkció nem csupán egy kényelmi megoldás, hanem egy olyan lépés a digitális egyenlőség felé, amelyre sokan vártak.
Az SL2T technológia a gyakorlatban
A jelnyelvi fordítás eddig a technológiai fejlesztések mostohagyermeke volt, részben a nyelvi rendszerek komplexitása, részben az adatgyűjtés nehézségei miatt. A Google SL2T modellje azonban áttörést hoz ezen a téren. A rendszer a telefon kameráját használja a jelelő mozdulatok rögzítésére, de ami igazán figyelemre méltó, az az adatvédelmi megközelítés. A kamera által rögzített videó sosem hagyja el az eszközt; ehelyett a MediaPipe Holistic nevű, helyben futó algoritmus a test kulcsfontosságú pontjait (kezek, karok, fej, arc koordinátái) alakítja számadatokká. Csak ezek a számok jutnak el a Google szervereire, ahol a jelnyelvet szöveggé fordítják, majd a videót azonnal törlik. Ez a megközelítés garantálja, hogy a felhasználók magánélete védve maradjon, miközben élvezhetik a technológia nyújtotta előnyöket.
Az SL2T képességei messze túlmutatnak a korábbi rendszerek glosszákon alapuló fordításán, amelyek sok esetben elvesztették a jelnyelvek által hordozott gazdag tartalmat, például az arckifejezéseket és a térhasználatot. A Google rendszere közvetlenül a testrész-koordinátákból konvertál szöveget, több mint 100 000 órányi jelnyelvi felvétel alapján, amely mintegy 50 különböző jelnyelvet fedett le – ennek egynegyede amerikai jelnyelv volt. A FLEURS-ASL referencia teszten elért 70 BLEURT pontszám – ami a fordítás minőségének egyik mérőszáma – jelzi a modell figyelemre méltó pontosságát.
A hozzáférhetőség új korszaka
A jelnyelvi fordítás integrálása a Gboard-ba és a Live Transcribe-ba hatalmas előrelépést jelent a siket és nagyothalló felhasználók számára. Világszerte körülbelül 70 millió ember használja az egyik jelnyelvet elsődleges kommunikációs eszközeként. Számukra a gépelés helyett történő jelelés egy régóta hiányzó, alapvető funkciót pótol. Képzeljük el a diktálás egyszerűségét, amelyet a hallók már évek óta természetesnek vesznek – most ez a kényelem elérhetővé válik a jelnyelvet használók számára is. Üzenetek írása, webes keresések indítása, dokumentumok szerkesztése vagy akár a Gemini parancsok használata mind lehetővé válik jelelés útján, külön díj fizetése nélkül.
Fontos megjegyezni, hogy az SL2T indulásakor kizárólag az amerikai jelnyelvet (ASL) fordítja angolra. Bár a Google ígéretet tett további nyelvek és eszközök támogatására, konkrét ütemtervet még nem közölt. Ez azt jelenti, hogy az európai vagy más régiók jelnyelvhasználói még várnak a számukra releváns megoldásra.
Főbb jellemzők:
- Valós idejű jelnyelv felismerés: Az SL2T modell a jelnyelvet közvetlenül szöveggé alakítja.
- Adatvédelem: A kamera képe sosem hagyja el a telefont, csak a testrészek koordinátái kerülnek feldolgozásra.
- Integráció: A Gboard billentyűzetbe és a Live Transcribe alkalmazásba épül.
- Offline működés: Hasonlóan a hangalapú átíráshoz, a jelnyelvi fordítás is működik internetkapcsolat nélkül, növelve a sebességet és az adatbiztonságot.
- Pontosság: Több mint 100 000 órányi tanítóanyag és a FLEURS-ASL teszten elért magas pontszám jellemzi.
- Korlátozott nyelvtámogatás: Induláskor kizárólag amerikai jelnyelvet (ASL) fordít angolra.
Helyi MI és a jövőbeli kihívások
A Google a Pixel telefonokon már korábban is hangsúlyt fektetett a valós idejű, offline működő beszédfelismerésre. Ez a technológia, amely helyi mesterséges intelligencia modelleket használ, mint például az RNN Transducer, teszi lehetővé a gyors, pontos és adatvédelmi szempontból biztonságos átírást. Az audió adatoknak nem kell elhagyniuk az eszközt, ami különösen fontos érzékeny beszélgetések vagy dokumentumok esetén. Ez a megközelítés tükröződik az SL2T jelnyelvi fordításában is, ahol a feldolgozás nagy része a telefonon belül történik.
Természetesen a technológia még nem hibátlan. A Google saját példái is mutatják, hogy a gyors ujjbetűzés hibákat okozhat (pl. „prey” helyett „grey”), vagy az igeidő eltolódhat kontextus hiányában. A fejlesztőcsapat dolgozik a gyakorlati problémákon, mint például a valós idejű fordítás késleltetése, a kitalált kimenet, ha senki sem jelel, a balkezes jelelők támogatása, vagy az egykezes jelelés, ami akkor szükséges, ha a másik kéz a telefont tartja. Ezek a kihívások azonban nem csökkentik a technológia jelentőségét, csupán a folyamatos fejlesztés szükségességére hívják fel a figyelmet.
Az SL2T funkció jelenleg kizárólag a Pixel 11 modelleken érhető el. Bár a Google ígéretet tett a támogatott nyelvek és eszközök bővítésére, az érdeklődőknek egyelőre a legújabb Pixel telefon beszerzése az egyetlen módja annak, hogy kipróbálhassák ezt az úttörő kommunikációs eszközt. Remélhetőleg a jövőben szélesebb körben is elérhetővé válik ez a forradalmi megoldás, hiszen a hozzáférhető kommunikáció alapkő egy befogadóbb digitális világ felépítésében.