O Google DeepMind lançou uma nova forma de tradução por IA de língua de sinais que permite que pessoas surdas e com deficiência auditiva sinalizem diretamente para o telefone em vez de digitar, no que a empresa está chamando de um verdadeiro avanço para a tecnologia de acessibilidade. O modelo, apresentado em 12 de agosto de 2026, é chamado SL2T — sigla para sign-language-to-text (língua de sinais para texto) — e marca a primeira vez que esse tipo de tecnologia sai dos laboratórios de pesquisa e entra em apps de consumo do dia a dia como o Gboard e o Transcrição Instantânea (Live Transcribe).
Summary
Principais destaques
- O Google DeepMind lançou o SL2T, um modelo multilíngue de língua de sinais que converte sinais diretamente em texto escrito.
- Atualmente, ele oferece suporte à Língua de Sinais Americana (ASL) para inglês dentro do Gboard e do Transcrição Instantânea no Pixel 11, sem custo adicional.
- O modelo foi treinado com mais de 100.000 horas de dados em mais de 50 línguas de sinais e atinge 70 BLEURT no benchmark FLEURS-ASL, bem acima dos modelos anteriores.
- O SL2T rastreia pontos de pose em vez de vídeo bruto para proteger a privacidade do usuário, descartando imediatamente as imagens da câmera.
- Membros da comunidade surda moldaram o projeto desde o início, e o Google criou o Comitê Consultivo de IA para Língua de Sinais (AISLAC) para orientar sua implementação.
Google DeepMind lança SL2T, um modelo de IA de tradução multilíngue de língua de sinais
O SL2T é a resposta do DeepMind para uma lacuna que existe na IA há anos: enquanto ferramentas de língua falada como ditado e tradução automática se tornaram comuns nas últimas duas décadas, as mais de 200 línguas de sinais do mundo — usadas por cerca de 70 milhões de pessoas surdas e com deficiência auditiva — foram em grande parte deixadas de fora. O DeepMind descreve o SL2T como um sistema “massivamente multilíngue” criado para fechar essa lacuna com um salto significativo tanto na qualidade da tradução quanto na cobertura de idiomas.
O resultado prático é um novo tipo de ditado. Assim como usuários ouvintes podem falar em vez de digitar, o SL2T permite que usuários surdos sinalizem para o telefone em qualquer lugar em que normalmente digitariam — pesquisando na web, redigindo mensagens ou documentos, ou pedindo ao Gemini para concluir uma tarefa. No Transcrição Instantânea, os usuários podem sinalizar a sua parte de uma conversa em vez de digitar de um lado para o outro com uma pessoa ouvinte. Segundo os próprios testadores do Google, sinalizar em ASL pareceu mais rápido e mais natural do que digitar o equivalente em inglês.
Suporte a ASL no Gboard e no Transcrição Instantânea no Pixel 11
Por enquanto, a tecnologia oferece suporte a um par de idiomas: Língua de Sinais Americana traduzida para inglês. Ela está disponível primeiro dentro do Gboard e do Transcrição Instantânea no Pixel 11, com o Google prometendo que mais dispositivos e línguas de sinais adicionais estão a caminho. Notavelmente, o recurso é oferecido sem custo adicional aos usuários, posicionando-o como uma função padrão de acessibilidade em vez de um complemento premium.
Como o modelo multilíngue de língua de sinais foi construído
O SL2T foi treinado em um conjunto de dados com mais de 100.000 horas abrangendo mais de 50 línguas de sinais, com cerca de um quarto desses dados especificamente em ASL. Treinar o modelo em muitas línguas e níveis de proficiência ao mesmo tempo, em vez de construir sistemas separados para cada língua, ajudou-o a aprender estruturas compartilhadas que melhoraram o desempenho geral — superando modelos de língua única nos próprios testes do DeepMind.
Essa escala aparece nos números. No benchmark FLEURS-ASL, que mede a qualidade da tradução de ASL para inglês, o SL2T obteve uma pontuação zero-shot de 70 BLEURT — um valor que o DeepMind afirma ser significativamente maior do que qualquer coisa relatada anteriormente para esse tipo de tarefa. Essa diferença importa: ela indica que o SL2T não é apenas uma melhoria incremental, mas uma mudança de patamar em quão bem a IA consegue entender a língua de sinais como uma língua completa, e não como uma série de gestos de mão mapeados para palavras.
Parte da dificuldade é que línguas de sinais não são simplesmente línguas faladas realizadas com as mãos. Elas têm sua própria gramática, vocabulário e estrutura, e transmitem significado por meio do movimento simultâneo das mãos, braços, tronco, cabeça e rosto. Rastrear tudo isso em tempo real é um problema exigente de visão computacional, e é uma das razões pelas quais tentativas anteriores — como luvas de língua de sinais — tiveram dificuldades, já que tratavam a sinalização como uma tarefa restrita de rastreamento de mãos em vez de tradução de linguagem genuína.
Pontos de pose protegem a privacidade de quem sinaliza
Em vez de enviar vídeo bruto para um servidor, o SL2T processa a sinalização como um fluxo de coordenadas de pontos de pose. Um modelo no dispositivo chamado MediaPipe Holistic rastreia pontos no corpo de quem está sinalizando, e apenas essas coordenadas geométricas — não as imagens da câmera em si — são enviadas para tradução. O vídeo original é descartado imediatamente, que é a forma do DeepMind de incorporar proteção de privacidade diretamente na arquitetura do sistema em vez de tratá-la como algo secundário.
Evitando glosses para maior precisão na tradução direta
O SL2T também se afasta de uma abordagem comum em pesquisas anteriores de língua de sinais: ele traduz sequências de coordenadas diretamente em texto, ignorando anotações intermediárias passo a passo conhecidas como “glosses”. Glosses tendem a perder as partes mais ricas e não lineares das línguas de sinais, incluindo expressões faciais e construções espaciais que carregam significado real. Ao pular essa etapa, o SL2T evita limites artificiais de vocabulário e permite que a qualidade da tradução escale diretamente com mais dados.
O Google afirma que também trabalhou em questões práticas e do mundo real além das pontuações de benchmark — reduzindo o atraso na transmissão, evitando traduções falsas quando alguém não está realmente sinalizando e melhorando especificamente a precisão para cerca de 10% das pessoas que sinalizam com a mão esquerda, bem como para quem sinaliza com uma mão enquanto segura o telefone com a outra.
A comunidade surda moldou o desenvolvimento do SL2T
O DeepMind apresenta isso como um projeto construído com a comunidade surda em vez de simplesmente para ela. A ideia surgiu com Sam Sepah, um Googler surdo, e parceiros surdos estiveram envolvidos em todo o processo de coleta de dados, testes de uso e avaliação do impacto da tecnologia no mundo real.
Para manter esse envolvimento estruturado além do lançamento inicial, o Google formou o Comitê Consultivo de IA para Língua de Sinais (AISLAC), reunindo organizações surdas globais e especialistas no assunto para ajudar a orientar como a tecnologia será implantada daqui para frente. A empresa também coassinou um relatório de impacto conjunto com parceiros da comunidade para este primeiro lançamento, detalhando tanto o que o SL2T pode fazer quanto onde estão seus limites atuais — uma abordagem que o Google afirma pretender repetir em futuras versões voltadas para línguas de sinais.
O que vem a seguir para a tradução por IA de língua de sinais
O DeepMind está posicionando o suporte a ASL como um ponto de partida, não uma linha de chegada. A equipe afirma que está trabalhando para estender o SL2T a outras línguas de sinais, explorar a geração de língua de sinais — essencialmente o processo inverso de transformar texto em saída sinalizada — e adicionar capacidades de IA mais avançadas sobre o modelo existente.
A ambição mais ampla se conecta ao objetivo de longa data do Google de tornar a informação universalmente acessível. Alcançar isso para comunidades surdas significa aproximar as línguas de sinais da paridade com línguas faladas e escritas em produtos digitais, e não apenas lançar um recurso em um único dispositivo. Se os primeiros resultados em ASL do SL2T se manterão à medida que ele se expande para dezenas de outras línguas de sinais, cada uma com sua própria gramática e variação regional, provavelmente determinará a rapidez com que essa visão mais ampla se tornará real para usuários além do Pixel 11.
Perguntas frequentes
O que é o SL2T e o que ele faz?
O SL2T é o modelo multilíngue de língua-de-sinais-para-texto do Google DeepMind. Ele traduz a sinalização diretamente em texto escrito, permitindo que usuários surdos sinalizem para o telefone para digitar mensagens, pesquisar ou se comunicar em vez de usar um teclado.
Quais línguas de sinais o SL2T suporta atualmente?
No momento, o SL2T oferece suporte apenas à Língua de Sinais Americana traduzida para inglês, e está disponível por meio do Gboard e do Transcrição Instantânea no Pixel 11. Outras línguas de sinais estão planejadas para versões futuras.
Como o SL2T protege a privacidade do usuário durante a tradução de língua de sinais?
O SL2T executa um sistema de rastreamento no dispositivo que lê pontos no corpo de quem sinaliza em vez de enviar vídeo bruto para qualquer lugar. Apenas essas coordenadas são usadas para a tradução, e as imagens da câmera em si são descartadas imediatamente.
Como a comunidade surda está envolvida no projeto SL2T?
Pessoas surdas estiveram envolvidas desde o estágio mais inicial de concepção até a coleta de dados, testes e governança. O Google também criou o Comitê Consultivo de IA para Língua de Sinais, composto por organizações surdas e especialistas, para ajudar a orientar como a tecnologia continuará a se desenvolver.
{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”O que é o SL2T e o que ele faz?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”O SL2T é o modelo multilíngue de língua-de-sinais-para-texto do Google DeepMind. Ele traduz a sinalização diretamente em texto escrito, permitindo que usuários surdos sinalizem para o telefone para digitar mensagens, pesquisar ou se comunicar em vez de usar um teclado.”}},{“@type”:”Question”,”name”:”Quais línguas de sinais o SL2T suporta atualmente?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”No momento, o SL2T oferece suporte apenas à Língua de Sinais Americana traduzida para inglês, e está disponível por meio do Gboard e do Transcrição Instantânea no Pixel 11. Outras línguas de sinais estão planejadas para versões futuras.”}},{“@type”:”Question”,”name”:”Como o SL2T protege a privacidade do usuário durante a tradução de língua de sinais?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”O SL2T executa um sistema de rastreamento no dispositivo que lê pontos no corpo de quem sinaliza em vez de enviar vídeo bruto para qualquer lugar. Apenas essas coordenadas são usadas para a tradução, e as imagens da câmera em si são descartadas imediatamente.”}},{“@type”:”Question”,”name”:”Como a comunidade surda está envolvida no projeto SL2T?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Pessoas surdas estiveram envolvidas desde o estágio mais inicial de concepção até a coleta de dados, testes e governança. O Google também criou o Comitê Consultivo de IA para Língua de Sinais, composto por organizações surdas e especialistas, para ajudar a orientar como a tecnologia continuará a se desenvolver.”}}]}
Artigo produzido com a assistência de inteligência artificial e revisado pela equipe editorial.
