Google DeepMind ha annunciato il 12 agosto 2026 il lancio di SL2T (Sign-Language-to-Text), un modello di intelligenza artificiale che porta per la prima volta la traduzione AI in lingua dei segni dentro i prodotti di consumo di tutti i giorni. Non si tratta di un prototipo da laboratorio: la tecnologia è già attiva su Gboard e Live Transcribe per i possessori di Pixel 11, e promette di cambiare il modo in cui milioni di persone sorde e ipoudenti interagiscono con smartphone e servizi digitali.
Summary
Punti chiave
- Google DeepMind ha lanciato SL2T, un modello multilingue che traduce la lingua dei segni direttamente in testo.
- Al momento supporta la American Sign Language (ASL) verso l’inglese su Gboard e Live Transcribe, disponibile su Pixel 11.
- Il modello è addestrato su oltre 100.000 ore di dati in più di 50 lingue dei segni.
- Per proteggere la privacy, SL2T usa punti di riferimento sul corpo del firmatario (pose landmark) invece del video grezzo.
- Sul benchmark FLEURS-ASL il modello ottiene un punteggio di 70 BLEURT, superiore a qualsiasi risultato precedentemente riportato.
Google DeepMind lancia SL2T, la traduzione AI in lingua dei segni multilingue
SL2T nasce per colmare un vuoto tecnologico che dura da decenni: mentre l’AI applicata alle lingue parlate ha fatto passi da gigante, le oltre 200 lingue dei segni usate nel mondo — parlate da una stima di 70 milioni di persone sorde e ipoudenti — sono rimaste ai margini dell’innovazione. Google DeepMind definisce SL2T un punto di svolta in termini di qualità e generalità, capace di funzionare su una scala mai vista prima nel settore.
Supporto ASL su Gboard e Live Transcribe
La funzione attualmente traduce l’American Sign Language in inglese e alimenta la dettatura tramite segni su Gboard e su Live Transcribe, i due strumenti Android pensati per l’accessibilità. In pratica, un utente sordo può segnare al proprio telefono per cercare sul web, scrivere messaggi o documenti, oppure chiedere a Gemini di eseguire compiti — proprio come un utente udente farebbe con la dettatura vocale. Su Live Transcribe, invece, si può rispondere segnando direttamente nella conversazione, senza dover digitare avanti e indietro. Secondo i tester coinvolti da Google, segnare in ASL risulta più veloce e naturale rispetto a digitare in inglese.
Gratis su Pixel 11
La tecnologia è disponibile senza costi aggiuntivi, a partire dai dispositivi Pixel 11, con l’estensione ad altri device annunciata come prossima tappa. Altre lingue dei segni seguiranno in un secondo momento, secondo quanto comunicato dall’azienda.
Come funziona la tecnologia dietro SL2T
Alla base del modello c’è una combinazione di approccio centrato sull’utente, sensibilità culturale e scala massiva dei dati. Il risultato è un sistema capace di gestire non solo il vocabolario dei segni, ma anche la grammatica autonoma di ciascuna lingua dei segni, distinta da quella delle lingue parlate corrispondenti.
Oltre 100.000 ore di dati per più di 50 lingue dei segni
Il modello è stato addestrato su oltre 100.000 ore di dati raccolti in più di 50 lingue dei segni, con circa un quarto del materiale riferito specificamente all’ASL. Addestrare il sistema congiuntamente su lingue, dialetti e livelli di competenza diversi ha permesso al modello di apprendere strutture condivise, superando in performance i modelli addestrati su una singola lingua.
Privacy al centro: pose landmark invece del video
Uno degli aspetti più rilevanti riguarda la protezione della privacy. SL2T non elabora il flusso video grezzo della fotocamera, ma interpreta la lingua dei segni come una sequenza di punti di posa (pose landmark) sul corpo di chi segna. Un modello eseguito direttamente sul dispositivo, MediaPipe Holistic, individua questi punti geometrici e solo le coordinate — non le immagini — vengono inviate al server per la traduzione. Il video originale viene scartato immediatamente.
Traduzione diretta, senza passare dai gloss
SL2T traduce la sequenza di coordinate direttamente in testo, saltando le annotazioni intermedie note come “gloss”, ampiamente usate nei lavori precedenti sulla traduzione della lingua dei segni. I gloss, spiega Google DeepMind, non riescono a catturare aspetti ricchi e non lineari come i segnali non manuali e le costruzioni spaziali. Tradurre direttamente dai landmark elimina limiti artificiali di vocabolario e permette alla qualità della traduzione di crescere insieme ai dati disponibili.
Le lingue dei segni comunicano significati attraverso movimenti simultanei di mani, braccia, busto, testa e volto: tracciare tutto questo con precisione e ad alta frequenza è un compito di visione artificiale complesso e computazionalmente intenso. Sul benchmark FLEURS-ASL, pensato per valutare la qualità della traduzione da ASL a inglese, SL2T raggiunge un punteggio zero-shot di 70 BLEURT, notevolmente superiore a qualsiasi risultato riportato in precedenza. Google DeepMind ha lavorato anche su aspetti pratici come la riduzione della latenza in streaming, la prevenzione di allucinazioni su input non firmati, l’equità per il 10% dei firmatari mancini e il miglioramento delle prestazioni per chi segna con una sola mano, situazione comune quando si tiene lo smartphone nell’altra mano.
Perché conta questo dettaglio tecnico? Perché dimostra che l’intelligenza artificiale lingua segni applicata finora restava confinata a esperimenti accademici con vocabolari limitati o dispositivi come i guanti sensorizzati, oggi considerati un vicolo cieco perché le lingue dei segni non sono semplicemente “inglese sulle mani”: richiedono percezione visiva fine di movimenti dell’intero corpo insieme a una vera traduzione linguistica.
La comunità sorda al centro del progetto
Google DeepMind sottolinea di aver costruito SL2T insieme alla comunità sorda, non semplicemente per essa. Le prospettive delle persone sorde hanno guidato ogni fase del progetto: dall’ideazione iniziale, attribuita a Sam Sepah, dipendente sordo di Google, fino alla raccolta dati con partner sordi, alla valutazione tramite studi con utenti sordi e alla valutazione dell’impatto della tecnologia con esperti sordi.
Per orientare un’implementazione responsabile nel mondo reale, l’azienda ha istituito il Comitato Consultivo AI per la Lingua dei Segni (AISLAC), che riunisce organizzazioni sorde globali ed esperti del settore. Attraverso questo modello di governance partecipativa, le comunità più direttamente coinvolte dalla tecnologia influenzano le priorità di sviluppo future. Google DeepMind ha inoltre co-firmato un report d’impatto congiunto per il lancio della versione 1.0 di SL2T su Gboard e Live Transcribe, in cui vengono descritte in modo trasparente sia le capacità sia i limiti attuali del sistema — un approccio collaborativo che l’azienda intende mantenere per ogni futuro rilascio legato alle lingue dei segni.
Cosa succederà dopo
SL2T poggia su decenni di ricerca accademica e industriale, ma portare l’ASL sugli smartphone degli utenti è, secondo Google DeepMind, solo l’inizio. I piani futuri prevedono l’espansione a ulteriori lingue dei segni, lo sviluppo della generazione della lingua dei segni (non solo la traduzione in testo) e l’integrazione di funzionalità AI più avanzate.
Restano margini di miglioramento che la stessa azienda riconosce apertamente: negli esempi condivisi sul benchmark FLEURS-ASL emergono ancora errori occasionali su segni rari, dattilologia rapida, costruzioni passive e alcune omissioni nelle rappresentazioni tramite classificatori. È un limite atteso in una tecnologia che debutta ora sui dispositivi consumer, ma che segnala quanto lavoro resti da fare prima che la traduzione AI in lingua dei segni raggiunga davvero la parità con le tecnologie di riconoscimento vocale già mature per le lingue parlate.
Il fatto che questa capacità arrivi gratuitamente su un dispositivo di massa come Pixel 11 segna comunque un cambio di passo: per la prima volta un modello multilingue di questa scala esce dai laboratori di ricerca ed entra nelle mani degli utenti, ponendo le basi per un’accessibilità digitale che, secondo Google, punta a diventare standard nel panorama tecnologico piuttosto che un’eccezione.
FAQ
Cos’è SL2T e a cosa serve?
SL2T è un modello di intelligenza artificiale multilingue sviluppato da Google DeepMind che traduce direttamente la lingua dei segni in testo, permettendo agli utenti sordi di segnare al proprio telefono per scrivere e comunicare.
Quali lingue dei segni supporta attualmente SL2T?
Al momento SL2T supporta la traduzione dalla American Sign Language (ASL) all’inglese, disponibile su Gboard e Live Transcribe sui dispositivi Pixel 11.
Come protegge la privacy degli utenti durante la traduzione della lingua dei segni?
SL2T utilizza un sistema di tracciamento dei pose landmark eseguito sul dispositivo, che elabora i punti del corpo di chi segna invece del flusso video grezzo, scartando immediatamente i dati video per tutelare la privacy.
Come è stata coinvolta la comunità sorda nel progetto SL2T?
Le persone sorde hanno contribuito a definire ogni fase dello sviluppo di SL2T, dall’ideazione alla raccolta dei dati, fino alla valutazione e alla governance attraverso il Comitato Consultivo AI per la Lingua dei Segni (AISLAC).
Contenuto realizzato con l’assistenza dell’intelligenza artificiale e con revisione editoriale umana.
