Google DeepMind Rilis Model AI SL2T untuk Terjemahan Bahasa Isyarat di Pixel 11
Google DeepMind memperkenalkan terobosan baru dalam teknologi aksesibilitas dengan meluncurkan model kecerdasan buatan bernama Sign-Language-to-Text (SL2T) yang debut di perangkat Pixel 11 series. Berbeda dengan fitur voice-to-text yang sudah lama tersedia di smartphone, SL2T hadir untuk menjembatani kesenjangan komunikasi bagi pengguna tuli dan gangguan pendengaran dengan menerjemahkan bahasa isyarat menjadi teks secara langsung menggunakan kamera ponsel.
Integrasi Natural di Gboard dan Live Transcribe
Model AI ini terintegrasi langsung ke dalam dua aplikasi utama Google, yakni Gboard dan Live Transcribe. Pada Gboard, pengguna cukup menekan ikon SL2T yang terletak di bagian atas keyboard sebelah kanan untuk mengaktifkan kamera dan langsung memulai komunikasi melalui bahasa isyarat. Sementara itu, di Live Transcribe, pengguna dapat berinteraksi dengan chatbot Gemini secara lebih natural tanpa perlu mengetik manual — cukup dengan berisyarat di depan kamera, dan AI akan menerjemahkannya menjadi teks yang dapat dipahami sistem.
Pendekatan ini memberikan pengalaman komunikasi yang jauh lebih cepat dan alami bagi komunitas tuli, mirip dengan bagaimana pengguna pada umumnya memanfaatkan fitur dikte suara. Namun alih-alih menggunakan mikrofon, SL2T mengandalkan kemampuan computer vision untuk mengenali dan menginterpretasi gestur tubuh secara menyeluruh.
Pelatihan Multilingual dengan Fokus ASL
DeepMind melatih SL2T menggunakan dataset yang sangat masif — lebih dari 100.000 jam data bahasa isyarat multilingual — dengan sekitar seperempatnya merupakan American Sign Language (ASL). Meski demikian, pada tahap peluncuran awal ini, model hanya mendukung terjemahan ASL ke teks berbahasa Inggris. Google berencana memperluas dukungan bahasa di masa mendatang, mengingat terdapat lebih dari 70 juta pengguna tuli dan gangguan pendengaran di seluruh dunia yang berkomunikasi dalam sekitar 200 bahasa isyarat berbeda.
Yang menarik, SL2T dilatih secara bersamaan pada berbagai bahasa isyarat sehingga mampu mempelajari struktur dasar yang dimiliki bersama antar-bahasa. Strategi ini diharapkan dapat mempercepat proses ekspansi dukungan bahasa ke depannya.
Privasi Terjaga Lewat Pemrosesan Lokal
Dari sisi keamanan dan privasi, Google mengklaim telah merancang sistem ini dengan hati-hati. Video mentah yang direkam kamera tidak langsung dikirim ke server Google. Sebaliknya, sistem memproses rekaman secara lokal menggunakan teknologi computer vision bernama MediaPipe Holistic, yang mengubah gestur tubuh menjadi titik koordinat geometris. Titik-titik koordinat inilah — bukan video asli — yang kemudian dikirim ke server untuk diterjemahkan menjadi teks.
Sistem ini tidak hanya menangkap gerakan tangan, tetapi juga lengan, tubuh, kepala, dan wajah pengguna secara menyeluruh. Lebih lanjut, SL2T menerjemahkan titik koordinat tersebut langsung menjadi teks tanpa melalui tahap perantara yang dikenal sebagai glosses. Menurut DeepMind, pendekatan langsung ini memungkinkan AI menangkap aspek non-linear bahasa isyarat yang kaya — seperti ekspresi non-manual dan konstruksi spasial — yang sering kali tidak tertangkap oleh sistem berbasis glosses.
Langkah Awal Menuju Inklusivitas Digital
Peluncuran SL2T di Pixel 11 menandai langkah signifikan Google dalam meningkatkan aksesibilitas digital bagi komunitas tuli dan gangguan pendengaran. DeepMind menekankan bahwa keragaman tingkat kemahiran dalam berisyarat, berbicara, membaca, dan menulis di kalangan komunitas tuli membuat dukungan multimodal seperti ini sangat penting. Teknologi ini tidak hanya membantu pengguna tuli berkomunikasi lebih efisien, tetapi juga membuka peluang baru untuk menjembatani kesenjangan komunikasi antara komunitas tuli dan mendengar.
Meski baru mendukung ASL pada tahap awal, Google berjanji akan menghadirkan fitur ini ke lebih banyak perangkat dan bahasa isyarat di masa depan. Dengan kolaborasi bersama berbagai komunitas tuli di seluruh dunia, SL2T berpotensi menjadi alat yang mengubah cara jutaan orang berkomunikasi sehari-hari.
