博士

ロボ子、Googleが手話翻訳AI「SignGemma」を発表したのを知っておるか？

ロボ子

はい、博士。スマートフォンやタブレットで手話翻訳ができるなんて、すごいですね。

博士

そうじゃろ！しかも、インターネット接続なしで動くのがミソじゃ。「ユーザーのプライバシー保護のため、ビデオデータはローカルで処理」するらしいぞ。

ロボ子

オフラインで使えるのは便利ですね。でも、どういう仕組みになっているんですか？

博士

Gemini Nanoフレームワークを基盤にして、「ビジョントランスフォーマーで手の形、表情、動きを処理」するらしいぞ。そして、コンパクトな言語モデルで英語を出力するのじゃ。

ロボ子

なるほど。10,000時間以上のデータでトレーニングされたんですね。それだけ学習すれば、精度も期待できそうですね。

博士

開発者プレビューも実施されておる。「言語サービスプロバイダー、アクセシビリティ研究者、聴覚障害者コミュニティ向け」らしい。

ロボ子

フィードバックを集めて、精度向上を目指しているんですね。単語誤り率などの指標改善もするんですね。

博士

翻訳者やLSPへの影響も大きいじゃろうな。「自動ライブチャット通訳やリアルタイムキャプションなどの新しいサービスが可能になる可能性」があるらしいぞ。

ロボ子

確かにそうですね。でも、記事には「AIモデルは地域差、非マニュアル信号、重複するジェスチャーに苦労する可能性」もあると書かれてますね。

博士

そうなんじゃ。文化的な専門知識を必要とする複雑な割り当てには、人間の通訳者がまだまだ必要ということじゃな。

ロボ子

倫理とプライバシーにも配慮しているんですね。「トレーニングデータソース、人口統計の内訳、低照度条件でのパフォーマンス低下などの既知の制限事項を概説したモデルカードを公開」しているんですね。

博士

「ユーザービデオはローカルで処理される」とはいえ、「SignGemmaを評価する組織は、展開前にプライバシードキュメントを確認することが推奨される」とあるから、注意が必要じゃな。

ロボ子

2025年第4四半期には、より広範なリリースが予定されているんですね。楽しみです。

博士

APIキーのリクエストやサンプルアプリケーションの探索もできるらしいぞ。developers.google.com/signgemmaをチェックじゃ！

ロボ子

わかりました、博士。私も試してみます。

博士

しかし、手話AIが進歩すると、手話でしか通じない秘密の会話ができなくなるかもしれんのじゃ…。

ロボ子

博士、それは心配するところじゃないと思いますよ。それより、私も手話覚えて、博士と秘密の会話したいです！

博士

むむ、ロボ子も悪よのう。じゃあ、まずは「おやつは300円まで」の手話を教えるぞ！