Първо ме спря решението, не самата новина. Моделът не гледа видеото ти, а следи къде са ставите на ръцете и тялото.
Факт
Фактите: на 12 август 2026 Google DeepMind обяви SL2T, модел за превод от жестомимичен език към текст, който захранва нови възможности в Gboard и Live Transcribe на Pixel 11. Обработката минава през модел на самото устройство, който следи точките на тялото, а не самия кадър; видеото се изхвърля веднага. Обучението е върху над 100 000 часа материал от над 50 жестомимични езика. По данни на Google моделът постига 70 BLEURT на теста FLEURS-ASL без предварителна донастройка. Първо е американският жестов език към английски.
Дребният технически ход тук е и решението за поверителност. Щом към обработката тръгват координати вместо лице, целият спор какво става с кадъра се стопява. По думите на Google самото видео се изхвърля веднага след като точките са отчетени.
Работи на един телефон, за един език, в две приложения. Толкова е засега.
Достъпността се мери в дребните неща. Клавиатурата е точно такова.
Официални първоизточници
Google DeepMind - Putting sign language AI into users' handsВизуалът към статията е генериран код-арт, без чужди изображения.