O Google DeepMind anunciou oficialmente, em 12 de agosto de 2026, o SL2T (Sign-Language-to-Text), um modelo de inteligência artificial capaz de converter língua de sinais em texto em tempo real. A tecnologia já começou a ser integrada ao teclado Gboard e ao aplicativo Live Transcribe nos novos smartphones Pixel 11, inicialmente com suporte para a Língua de Sinais Americana (ASL).
A proposta é semelhante à função de ditado por voz já utilizada por milhões de pessoas. Em vez de falar ao celular para gerar texto automaticamente, pessoas surdas podem sinalizar diante da câmera do aparelho e ter sua comunicação convertida em texto instantaneamente. Segundo o Google, o recurso pode ser utilizado para fazer pesquisas, escrever mensagens, elaborar documentos e até interagir com o assistente Gemini sem a necessidade de digitação.
Desafio muito maior que o reconhecimento de voz
O desenvolvimento do SL2T exigiu superar obstáculos que vão além daqueles enfrentados pelos sistemas tradicionais de reconhecimento de fala. Diferentemente da linguagem oral, as línguas de sinais possuem estruturas gramaticais próprias e combinam simultaneamente movimentos das mãos, braços, tronco, cabeça e expressões faciais para transmitir significado.
Por essa razão, especialistas classificam a tarefa como um problema de tradução entre idiomas, e não apenas de transcrição. O sistema precisa interpretar diversos elementos visuais ao mesmo tempo para compreender corretamente o conteúdo da mensagem.
Para treinar o modelo, o Google utilizou mais de 100 mil horas de dados de sinalização, abrangendo mais de 50 línguas de sinais diferentes. A empresa afirma que esse treinamento multilíngue permitiu ao sistema identificar padrões comuns entre diferentes idiomas gestuais e alcançar um nível de precisão superior ao de tecnologias anteriores.
Privacidade foi prioridade
Outro ponto citado nas publicações também foi confirmado pela empresa. O sistema não envia o vídeo bruto do usuário para processamento. Antes da tradução, um modelo executado no próprio aparelho converte os movimentos da pessoa em pontos geométricos que representam a posição do corpo, do rosto e das mãos. Apenas esses dados simplificados são utilizados pelo sistema de tradução.
Segundo o Google, essa abordagem reduz riscos de privacidade e evita o armazenamento de imagens dos usuários. A tecnologia também foi projetada para funcionar mesmo quando a pessoa sinaliza com apenas uma das mãos, situação comum quando o usuário segura o próprio celular durante a interação.
Comunidade surda participou do desenvolvimento
Um dos aspectos mais destacados pelo Google foi o envolvimento direto da comunidade surda durante o desenvolvimento do projeto. A empresa afirma ter trabalhado com usuários, pesquisadores e especialistas em línguas de sinais para orientar as decisões técnicas e garantir que a ferramenta atendesse às necessidades reais do público-alvo.
A companhia também criou um grupo consultivo específico para acompanhar a evolução da tecnologia e discutir boas práticas relacionadas à acessibilidade, inclusão e representação das comunidades surdas.
Um avanço para mais de 70 milhões de pessoas
De acordo com estimativas citadas pelo Google DeepMind, mais de 70 milhões de pessoas surdas ou com deficiência auditiva em todo o mundo utilizam línguas de sinais como principal forma de comunicação. Apesar dos avanços da inteligência artificial em reconhecimento de voz e tradução automática, esse público historicamente ficou à margem dessas inovações.
O lançamento do SL2T representa um dos maiores avanços recentes em acessibilidade digital, aproximando a experiência das pessoas surdas daquela já oferecida aos usuários ouvintes por meio dos sistemas de ditado de voz. Embora a tecnologia esteja disponível inicialmente apenas para a Língua de Sinais Americana, o Google informou que pretende expandir o suporte para outros idiomas gestuais nos próximos lançamentos.
