Google bringt SL2T auf das Pixel 11: Gebärdensprache trifft auf reale Fehlerquellen
Kurzfassung
Google DeepMind integriert sein ASL-Übersetzungsmodell SL2T in Gboard und Live Transcribe auf dem Pixel 11; unabhängige Fehlerraten aus dem Alltag fehlen noch.
Eine Zahl würde die Entscheidung über den praktischen Einsatz wesentlich beeinflussen, fehlt aber noch: die Satzfehlerrate von SL2T, wenn gehörlose oder schwerhörige Menschen ein Pixel 11 in schwach beleuchteten Räumen, bei starkem Gegenlicht oder in Bewegung verwenden. Google DeepMind veröffentlicht eigene Benchmarks und Fehlerbeispiele, jedoch keinen unabhängigen Feldtest. In den nächsten drei bis sechs Monaten könnten nach Beleuchtung, Hautfarbe, Kleidungskontrast und Gebärdenvariante aufgeschlüsselte Fehlerraten zeigen, ob der Einsatz den Schritt von der kontrollierten Demonstration zur täglichen Kommunikation schafft.
Google DeepMind veröffentlichte das Gebärdensprache-zu-Text-Modell SL2T am August 12, 2026. Die erste Version übersetzt American Sign Language ins Englische und ist ohne Aufpreis in Gboard und Live Transcribe auf dem Pixel 11 verfügbar. Gehörlose Nutzer können in die Kamera gebärden und dadurch Text in einem Suchfeld, einer Nachricht, einem Dokument oder einer Gemini-Anfrage erzeugen. In Live Transcribe können sie in einem Gespräch mit Gebärden antworten, statt eine Antwort einzutippen. Google kündigt weitere Geräte und Sprachen an, nennt dafür aber keinen Zeitplan.
Das Video bleibt auf dem Gerät, Koordinaten gehen an den Server
Die Verarbeitung beginnt mit MediaPipe Holistic auf dem Smartphone. Das System verfolgt Orientierungspunkte an Gesicht, Körper und Händen und sendet anschließend geometrische Koordinaten zur Übersetzung an den Server; das ursprüngliche Video kann sofort verworfen werden. SL2T erzeugt aus dieser Koordinatenfolge direkt englischen Text und überspringt die bei älteren Übersetzungssystemen üblichen „Gloss“-Zwischenetiketten. Dadurch verlassen keine Rohbilder das Gerät, und ein festes Etikettenvokabular kann Gesichtsausdrücke oder räumliche Grammatik nicht von vornherein ausblenden. Vollständig offline arbeitet die Funktion dennoch nicht, weil der Server die Koordinaten übersetzt.
Der Trainingsbestand umfasst mehr als 100,000 hours aus über 50 Gebärdensprachen; ungefähr ein Viertel entfällt auf American Sign Language. Google meldet für FLEURS-ASL im Zero-Shot-Test 70 BLEURT und bezeichnet das Ergebnis als höher als frühere veröffentlichte Werte. Diese Zahlen stammen vom Anbieter. Ein Benchmark unter festgelegten Bedingungen deckt nicht jede Situation mit verwackelter Kamera, verdeckten Händen, schnellem Gebärden oder mehreren Personen im Bild ab. 70 BLEURT ist deshalb keine allgemeine Genauigkeitsrate für alle Nutzer.
Das Pixel 11 bringt Modellfehler in gewöhnliche Eingabefelder
In Googles Beispielen wird das schnell mit den Fingern buchstabierte Wort „prey“ gelegentlich zu „grey“. Das Modell kann außerdem Passivkonstruktionen oder Klassifikatordarstellungen auslassen und ohne Kontext die Zeitform verlieren. Das Entwicklungsteam arbeitete nach eigenen Angaben an halluziniertem Text ohne gebärdende Person, an fairer Leistung für die 10% linkshändigen Gebärdenden und an einhändigem Gebärden, wenn die andere Hand das Smartphone hält. Diese Schwerpunkte belegen, dass das Team praktische Risiken erkannt hat; die Häufigkeit der einzelnen Fehlerarten veröffentlicht Google nicht.
Das unabhängige Technikmedium SiliconANGLE bestätigte den Start auf dem Pixel 11, den Trainingsumfang von 100,000 hours, die Übertragung von Koordinaten und das Ergebnis von 70 BLEURT. Ein gemeinsamer Folgenbericht von Google und dem AI Sign Language Advisory Committee beschreibt SL2T 1.0 als Hilfsmittel für gewöhnliche Kommunikation und nicht als Ersatz für qualifizierte Dolmetscher in Situationen mit hohen Risiken. Beide Anwendungen zeigen vor dem Senden eine Textvorschau, die der Nutzer korrigieren kann. Dieser Schutz setzt wiederum ausreichende Englischkenntnisse voraus, um eine Fehlübersetzung zu erkennen.
Als Nächstes lassen sich der Anteil der von Pixel-11-Nutzern korrigierten Übersetzungen, die Fehlauslösungsrate bei Bildern ohne Gebärden sowie die Starttermine weiterer Geräte und Gebärdensprachen messen. Erweitert Google lediglich die Verfügbarkeit, ohne Fehlerraten nach Licht, Hautfarbe, Gebärdengeschwindigkeit und Sprachvariante auszuweisen, bleibt unklar, wie viel Zeit SL2T bei der täglichen Texteingabe spart und wie viel Prüfarbeit es an die Nutzer zurückgibt.
Quellen:
Verwandte Artikel
Google ordnet die KI-Führung neu: Hassabis wird Chefwissenschaftler von Alphabet
Demis Hassabis wird Vorsitzender von Google DeepMind und Chefwissenschaftler von Alphabet; Koray Kavukcuoglu übernimmt Modelle, Forschung und Gemini-Produktteams.
Gemini Robotics 2 steuert den ganzen Roboterkörper, doch Tempo und Fingergeschick bleiben begrenzt
Google DeepMind stellt Gemini Robotics 2, ER 2 und On-Device 2 für Ganzkörpersteuerung, längere Aufgabenplanung und lokale Ausführung vor, nennt aber Grenzen bei Tempo und Fingerfertigkeit.