O Google DeepMind anunciou o SL2T, modelo de inteligência artificial que traduz a Língua de Sinais Americana (ASL) diretamente para texto. A tecnologia chegou ao Gboard e ao Live Transcribe na linha Pixel 11.
Com o recurso, usuários podem sinalizar para a câmera em campos de pesquisa, mensagens, documentos ou comandos para o Gemini. No Live Transcribe, pessoas surdas também podem responder em uma conversa presencial sem precisar digitar enquanto esperam.
A ASL tem gramática própria e transmite informações pelas mãos, braços, tronco, cabeça e rosto. Por isso, o sistema não tenta transformar os sinais em palavras intermediárias. Ele usa visão computacional no próprio celular para acompanhar 130 pontos do rosto, do corpo e das mãos. As imagens são apagadas no dispositivo, e somente as coordenadas seguem para os servidores do Google.
O modelo foi treinado com mais de 100 mil horas de dados de mais de 50 línguas de sinais. Cerca de um quarto desse material é de ASL. O sistema também foi preparado para sinais feitos com uma mão, situação útil quando a outra segura o celular, e para pessoas canhotas.
Desenvolvimento com participação surda
A ideia partiu de Sam Sepah, funcionário surdo do Google, que liderou o desenvolvimento. A empresa criou um Comitê Consultivo de Língua de Sinais para IA, com organizações de pessoas surdas e especialistas, além de realizar avaliações com usuários surdos.
A equipe afirma que o SL2T é uma ferramenta de entrada assistiva para comunicações de baixo risco. O Google diz que o recurso não substitui intérpretes humanos nem cumpre exigências legais de acessibilidade. O relatório recomenda não usar o software em consultas médicas, processos judiciais, salas de aula, entrevistas de emprego ou audiências governamentais.
Entre as limitações estão dificuldades com sinais regionais, gírias, gramática complexa, soletração rápida e sentidos transmitidos principalmente pelo rosto. O sistema também pode gerar palavras não sinalizadas, chamadas de ghost text, quando há pausas ou outra pessoa aparece no enquadramento. Pouca luz, parte do corpo fora da câmera e baixo contraste podem reduzir a precisão.
A escritora e diretora surda Chrissy Marshall destacou a diversidade dentro da ASL: “A ASL não é monolítica”. Ela citou variações regionais, Black ASL, diferenças geracionais, gírias, estilos de sinalização e questões de mobilidade.
A tecnologia foi projetada para acompanhar mais do que as mãos porque expressões faciais, posição da cabeça, olhar e movimentos corporais também carregam significado. A decisão se distancia de soluções baseadas apenas em luvas, que não capturam esses elementos.
Acesso e custo
O SL2T está ligado à linha Pixel 11. Para Marshall, isso levanta dúvidas sobre o alcance do recurso, já que o acesso depende da compra de um celular específico. “A inovação só pode ir até certo ponto se as pessoas que mais poderiam se beneficiar dela não puderem pagar ou ter acesso”, afirmou.
O Google apresenta o modelo como uma ferramenta adicional, não como substituto para profissionais ou para as obrigações de acessibilidade. Também permanecem em aberto questões sobre sotaques regionais, variedades da ASL e a necessidade de o usuário adaptar sua forma de sinalizar para ser compreendido pelo sistema.
