全球约 7000 万听障人士日常依赖的 200 多种手语，最近第一次走进了消费级手机输入法。谷歌 DeepMind 8 月 12 日推出的大规模多语言手语转文本模型，已经率先登陆 Pixel 11 的 Gboard 和 Live Transcribe，起手只支持美国手语。

这次的关键不只是识别手势，而是把整段手语当作一门独立的自然语言来翻译。DeepMind 强调手语有自己的语法和词序，不能像过去那样把手势逐个对应成单词再拼成句子，否则出来的中文会支离破碎。所以这套模型走的是机器翻译的路子，读懂整段动作再一次性输出文本。

模型在 50 多种手语、约 10 万小时数据上训练，要同时识别手部、面部、肩膀等身体多部位的协同动作，对计算机视觉的要求很高。内测用户反馈，在对话场景里打美国手语比敲英语键盘更快、更顺手，疲劳感也明显更小。

隐私上的处理是它能落地的另一块拼图。手语输入的视频只在手机端转成姿势特征点，原始画面不会上传服务器，这意味着在会议室、医院、课堂这种敏感环境里，沟通也敢直接开着。

当然，台阶还在。第一批只覆盖美国手语，更多语种和设备要等后续更新，手语世界的语言多样性还远没有被一台手机装下。

你最先想用它在哪种场合打字，是日常聊天、工作汇报，还是看病、办事这种需要留记录的正式场景？