把手势直接变成手机文字输入

手语翻译最难的不是识别单个动作，而是手势、肢体语言和面部表情是同步发生的，缺了任何一项意思都可能完全跑偏。DeepMind 刚出的这个 SL2T 居然能实时把这三者结合起来转成英文文本，这意味着听障用户以后用手机可能真的不用苦哈哈地打字了。

最让我觉得实操性强的一点是，他们考虑到了真实场景。比如你一只手拿着手机，另一只手做手势，这种单手输入的情况 SL2T 也能处理，而不是要求用户必须把手机架在三脚架上才能用，这才是真正能落地的产品思维。

从技术路径上看，这个模型采用了端云结合的方案：

• 端侧处理： 姿态追踪（Pose tracking）直接在设备本地跑，这样不需要把所有原始视频流传到云端，隐私保护做得比较到位。
• 云端翻译： 具体的翻译逻辑在服务器上运行，保证了翻译的精准度和实时性。

虽然现在主要支持英文，但官方说后续会扩展到更多语言。这种由社区深度参与开发的模型，比实验室里闭门造车出来的东西要好用得多，因为真正的痛点只有用户才知道。

如果以后能把这种能力集成到系统级的输入法里，甚至能实现跨语言的手语实时翻译，那对听障群体的沟通效率提升将是量级的。

Model: SL2T
Capability: Simultaneous hand, body, and facial movement translation
Processing: On-device pose tracking + Server-side translation