SL2T: 手話を文字に変えるAIモデル

Grace Sullivan

2026年8月13日

original

Google DeepMindが手話をテキストに変換するAIモデルSL2Tを発表。音声認識より難しいとされる手話認識の背景と、未知の技術詳細、今後の実用化への影響を整理する。

Google DeepMindが、手話をテキストに変換するAIモデル「SL2T」を公式ブログで発表した。聾者や聴覚障害者向けの新機能として「ブレークスルー」と表現されているが、その中身はまだほとんど明かされていない。

なぜ手話認識は難しいのか

手話は単なるジェスチャーの羅列ではない。手の形、位置、動き、向きに加えて、表情や体の傾きまでが意味を運ぶ。つまり、空間的で多層的な情報を、ビデオからリアルタイムに読み解く必要がある。

音声認識が扱うのは時間軸に沿った音の変化だ。一方、手話は複数の情報が同時に重なる。だからこそ、これまで手話AIの進み具合は音声認識に比べて遅れてきた。

発表されたこと、されていないこと

DeepMindのブログは、SL2Tが「新しい手話機能を可能にする」と明言している。しかし、モデル構造や学習データの規模、具体的な精度は一切公開されていない。「ブレークスルー」という言葉も公式の表現であり、第三者による評価はまだない。

実用化されたら、何が変わるか

もしこの技術が実際に製品へ組み込まれれば、手話ユーザーは通訳を介さずに、手話をそのままテキスト化できるようになる。オンライン会議や銀行の窓口、病院の案内といった場面で、自立したコミュニケーションが可能になるかもしれない。

現時点で考えられる応用は、たとえば次のようなものだ：

手話学習ツール：学習者の手話をリアルタイムに文字起こししてフィードバック
公共端末：聴覚障害者が手話で文字ベースのカスタマーサポートとやりとり
動画の字幕化：手話動画に自動で字幕を付ける

とはいえ、これはあくまでモデル発表の段階。実用化までの距離はまだ長い。

次に見るべきポイント

今後の焦点は、DeepMindがモデルカードや評価データセット、実ユーザーによるテスト結果を公開するかどうかだ。手話は国や地域によって言語が異なる。そうした多様性にどう対応するかが、この技術の本当の試金石になる。

発表自体は前向きなニュースだ。ただし、「ブレークスルー」という言葉だけを信じるわけにはいかない。次に待つべきは、実証されたデータである。

AI手話認識手話翻訳SL2TGoogle DeepMind聴覚障害者支援アクセシビリティ多モーダルAIAIニュース手話をテキストに変換するAI

コメントはまだありません

最初のコメントを書きましょう

類似ツール

PakBot

PakBot は、パキスタン初の AI アシスタントと自称しており、ウルドゥー語、英語、パンジャブ語、シンド語、パシュトゥー語などで無料でチャットでき、画像生成、音声対話、インターネット検索にも対応しています。

Filently

Filentlyはスイス製のAIツールで、Google Drive内のドキュメントを自動的にリネームし、アーカイブします。既存のフォルダ構造を学習し、OCRにより日付、仕入先、金額を認識します。

Nika

Nika は、AI コンパニオンアプリ群です。Nika AI 彼女、Sebastian AI 彼氏、そして恋愛シミュレーションゲームの Aurora City を含みます。Telegram とウェブ版で、テキスト・音声・マルチメディアのロールプレイを提供しており、レベルに応じて進行する親密度システムを備えています。

WeiClaw

WeiClawはAgentソフトウェアと連携して動作するスマートハードウェアデバイスで、Agentの状態をリアルタイムで監視し、メッセージチャネルを引き継ぎます。ホストはタスクがないときはスリープし、メッセージがあれば自動的に起動してリクエストを処理します。

Tomo

TomoはWhatsAppとTelegram内で動作するAIアシスタントで、ダウンロードや複雑な設定は不要です。ユーザーは自然言語でスケジュールを入力でき、そのスケジュールはGoogle Calendarに自動同期されます。また、Tomoは文脈を記憶し、朝のブリーフィングを送信し、日常の習慣を学習します。

Ruler Online Free

Ruler Online Free はオンライン定規ツールです。画面上に実寸の定規を表示し、画面サイズまたはPPIを入力してキャリブレーションすることで、正確な測定を保証します。センチメートル、ミリメートル、インチに対応し、PDF（12インチ、8インチ、分度器）として印刷できます。登録不要、広告なし、インストール不要で、あらゆる最新ブラウザで動作します。

オープンソース代替

PriceAI：AIサブスクリプション価格比較ツール、100以上のチャネルを集約

PriceAIは、オープンソースのAIサブスクリプション比較ツールで、100以上のチャネルからChatGPT、Claude、Gemini、GrokなどのAIサービス価格を集約し、最安値、在庫状況、直接購入リンクをリアルタイムで表示します。ユーザーが最適なコストパフォーマンスのサブスクリプションチャネルを素早く見つけるのに役立ちます。プロジェクトはTypeScriptで開発されており、現在のスター数（収集時）は1212です。

agent-device：AIエージェントがコマンドラインでモバイルデバイスを操作できるようにする

agent-device は、AIエージェントがCLI経由でiOSおよびAndroidデバイスを直接制御できるようにする、オープンソースのコマンドラインツールです。TypeScriptで構築されており、タップ、スワイプ、テキスト入力などの基本操作をサポートし、自動化ワークフローに簡単に統合できます。AIと実際のモバイルデバイスの連携を必要とする開発者やテスターに適しています。このプロジェクトはMITライセンスを採用しており、現在のGitHubスター数は2916です。

aistore：大規模AIトレーニングと推論向けストレージシステム

aistoreは、NVIDIAがオープンソース化したストレージシステムで、大規模AIトレーニングと推論向けに設計されています。オブジェクトストレージとファイルシステムインターフェースの両方を提供し、数百PBまで拡張可能です。また、主要なAIフレームワークと深く統合されており、データボトルネックの解消を目指しています。プロジェクトは主にGo言語で開発され、MITライセンスで公開されています。収集時点で、このプロジェクトはGitHub上で1881個のスターを獲得しています。この記事では、そのコアアーキテクチャ、典型的なユースケース、そして入門に役立つテクニックを紹介します。

Banana Slides

Banana Slidesは、GitHub上でオープンソースとして公開されているツールで、テキスト、アイデア、素材を素早くプレゼンテーション資料に変換するために設計されています。これは単なるテンプレートを適用するPPT生成器ではなく、内容解析とスタイル生成ロジックを組み合わせることで、最終的に出力されるスライドの構造と視覚的な一貫性を高めています。

DreamServer：個人PCを多機能AIサーバーに変える

DreamServerは、PC、Mac、Linuxマシンを多機能なAIサーバーに変えるオープンソースプロジェクトです。大規模言語モデルの推論、チャットインターフェース、音声対話、エージェント、ワークフロー、RAG、画像生成などの機能を統合しており、主に個人開発者や小規模チームを対象としています。専用GPUを必要とせずにほとんどのモデルを実行でき、プライベートでコスト効率の高いAIインフラを提供します。プロジェクトは主にShell言語で開発され、Apache-2.0ライセンスを採用しています。

agent-sandbox：分離されたステートフルなAIエージェントランタイムの管理

agent-sandboxはKubernetes SIGが運営するオープンソースプロジェクトであり、分離され、ステートフルでシングルトンのAIエージェントランタイムを管理します。Go言語で開発され、宣言的APIとCRDを提供し、エージェントのデプロイと運用を簡素化します。このプロジェクトは、長期的な実行と永続的な状態を必要とするAIアプリケーションに適しており、現在GitHubで3100以上のスターを獲得しています。