DeepMind představil model SL2T (sign-language-to-text), který převádí znakový jazyk do textu v reálném čase. Firma model označuje za průlomový a spouští na jeho základě nové funkce pro neslyšící a nedoslýchavé uživatele. Model debutuje na Pixel 11 s podporou amerického znakového jazyka (ASL) do angličtiny a je integrován do aplikací Gboard a Live Transcribe.
SL2T je výsledek interního výzkumu DeepMind zaměřeného na přístupnost. Model analyzuje video v reálném čase a produkuje textový přepis znakového jazyka, čímž odstraňuje bariéru, která dosud vyžadovala lidského tlumočníka nebo synchronní komunikaci.
Nasazení proběhlo prostřednictvím produktů Google: SL2T pohání sign-to-text diktování v Gboard a Live Transcribe na Pixel 11, přičemž jako první je podporován americký znakový jazyk (ASL) s překladem do angličtiny. Google plánuje rozšíření na další jazyky a zařízení. DeepMind projekt prezentoval jako první model tohoto typu nasazený v komerčním spotřebitelském produktu.
Trh se znakovou AI je malý, ale regulačně citlivý. Přístupnostní funkce ve spotřebitelském hardwaru a softwaru jsou v EU a USA stále více zákonnou povinností, nikoli bonusem.
Proč by vás to mělo zajímat
Firmy vyvíjející aplikace pro veřejný sektor nebo s povinností přístupnosti dostanou brzy k dispozici API vrstvu funkce, za kterou dnes platí drahé lidské tlumočníky.
