- GoogleがASL（アメリカ手話）を英語テキストに変換するAIモデル「SL2T」を発表し、Pixel 11に搭載した
- 手話AIが実際の市販スマホに載るのは世界初。追加料金はゼロ
- 学習データは50以上の手話・10万時間超。うち約4分の1がASL
- カメラ映像は端末内で「点と線」に変換され、生の動画はサーバーに送られない
- 日本手話はまだ非対応。国内ではソフトバンクの「SureTalk」などが先行している
スマホに向かって手話で話しかけると、そのまま文字になる。そんな機能が2026年8月20日発売のPixel 11に載りました。世界で約7000万人が使う手話が、ついに「スマホの入力方法」になります。何がすごくて、日本ではいつ使えるのかを整理します。
Googleが発表した手話AI「SL2T」とは
2026年8月12日、Google DeepMindが新しいAIモデル「SL2T」を発表しました。
SL2Tは「Sign Language-to-Text」の略です。日本語にすると「手話→テキスト」。カメラに向かって手話をすると、その意味を文章にしてくれます。
いちばん大きいのは、これが研究発表で終わらなかったことです。SL2Tは同時にPixel 11へ搭載されました。Googleによれば、手話AIが実際に売られる製品に載ったのは世界で初めてです。
使えるアプリは2つあります。文字入力アプリの「Gboard」と、会話を文字起こしする「Live Transcribe」です。
Gboardでは、キーボードを打つ代わりに手話で入力できます。メッセージの返信、ウェブ検索、書類の編集、さらにAIアシスタントGeminiとの会話まで、手話だけで進められます。
追加料金はかからない
気になるのは値段です。
結論から言うと、追加料金は不要です。Pixel 11を持っていれば、標準機能として使えます。月額のサブスク（定額課金）も要りません。
アクセシビリティ（障害のある人が使いやすくなる仕組み）は、有料オプションにされると意味が薄れます。無料で標準搭載という判断は、その点で理にかなっています。
10万時間・50言語で学習した中身
SL2Tの学習データは、かなりの規模です。
50以上の手話にまたがる10万時間超の映像で訓練されました。10万時間は、休みなしで再生しても11年以上かかる長さです。
そのうち約25%がASL（アメリカ手話）のデータです。だから最初の対応がASL→英語なのです。
ここでひとつ、意外に思われるかもしれない事実があります。手話は世界共通ではありません。世界には約200種類の手話があり、アメリカ手話と日本手話はまったく別の言語です。英語と日本語が違うのと同じことです。
なぜ50言語まとめて学習したのか
ASLだけ対応するなら、ASLだけ学習すればよさそうに思えます。
ですがGoogleは50以上の手話をまとめて学習させました。狙いは、手話どうしに共通する構造をAIに覚えさせることです。
手話には、手の形だけでなく表情や体の向き、空間の使い方といった文法があります。これらの土台は言語をまたいで似ている部分があります。
まとめて学習しておけば、あとから別の手話に対応するとき、ゼロから作り直さずに済みます。将来の多言語展開を見据えた設計です。
「グロス」を飛ばした技術的な工夫
SL2Tの技術で注目されているのが、途中の変換をやめたことです。
従来の手話認識は、二段構えでした。まず手話を「グロス」と呼ばれる注釈（手話の動きを単語ラベルに置き換えたメモのようなもの）に直します。そのグロスを、次に自然な文章に変える流れです。
この方式には弱点があります。グロスの語彙リストにない表現は取りこぼすのです。あらかじめ登録した単語しか扱えません。
SL2Tはこの中間ステップを丸ごと省きました。体の動きを表す座標データから、直接テキストへ翻訳します。
DeepMindは「ランドマーク（体の特徴点）から直接翻訳することで、人工的な語彙の上限がなくなり、翻訳品質がデータ量に応じて伸びるようになる」と説明しています。
精度はどのくらいか
具体的な数字も出ています。
手話翻訳の評価基準「FLEURS-ASL」というベンチマークで、SL2TはBLEURTスコア70を記録しました。これはゼロショット（そのテスト用に特別な追加学習をしない状態）での数値です。Googleは、これまで報告された中で最高だとしています。
実用面での工夫もあります。片手だけでの手話、電話を持ちながらの手話、そして左利きの手話話者（人口の約10%）にも対応しています。
スマホを片手で持って、もう片方の手で手話をする。この現実的な使い方を最初から想定しているのが実装らしいところです。
プライバシー設計：動画は端末から出ない
カメラで手話を撮る、と聞くと不安になる人もいるはずです。自分の姿がGoogleのサーバーに送られるのでしょうか。
答えは「送られません」。
SL2Tは処理を2段階に分けています。まず端末側で「MediaPipe Holistic」という仕組みが働きます。これはカメラ映像から手・顔・体の位置を読み取り、点と線の骨組みデータに変換するものです。
サーバーに送られるのは、この幾何学的な座標データだけです。生の動画はスマホの中で処理され、すぐに破棄されます。
顔が写った映像ではなく、棒人間のような座標の並びだけが外に出る。この設計により、翻訳精度を保ちながら映像の流出リスクを下げています。
完全なオンデバイスではない点に注意
ひとつ補足しておきます。
「端末単体で処理」と紹介されることがありますが、正確には違います。姿勢の追跡は端末内、テキストへの翻訳はサーバー側という分担です。
つまり、翻訳を使うにはネット接続が必要になります。完全オフラインで動くわけではありません。地下や電波の弱い場所での挙動は、今後の課題として残りそうです。
ろう者コミュニティと一緒に作った
技術以上に語られているのが、開発プロセスです。
このプロジェクトを最初に構想したのは、Googleで働くろう者の社員サム・セパ氏です。当事者が発案者でした。
開発中も、外部の専門家が関わっています。Googleは「AI手話諮問委員会（AISLAC）」を設置しました。世界各国のろう者団体や専門家が参加する組織です。
この委員会とGoogleは、共同で影響評価レポートを作成しました。中身は「何ができるか」だけではありません。何ができないかという限界も明記されています。
手話翻訳技術は、これまで当事者不在で作られ批判を浴びた例が少なくありません。手袋型の翻訳デバイスなどが「手話を理解していない」と指摘されてきました。今回のように当事者を設計段階から入れる進め方は、その反省を踏まえたものと言えます。
競合サービスとの違いを整理する
手話AIはSL2Tが初めてではありません。既存のサービスと比べると、SL2Tの位置づけがはっきりします。
Google自身の「SignGemma」との関係
Googleは2025年のI/Oで「SignGemma」という手話モデルを発表していました。オープンモデル（誰でも入手して使えるAI）のGemmaファミリーの一員です。
SignGemmaの学習データは、ASL映像1万時間以上とされていました。SL2Tの10万時間超は、その10倍規模にあたります。
役割も違います。SignGemmaは開発者が自由に組み込める研究・実験向け。SL2Tは消費者向け製品に組み込まれた実装です。研究の成果を製品に落とし込んだ、と捉えるとわかりやすいでしょう。
ソフトバンク「SureTalk」との比較
日本にも手話AIがあります。ソフトバンクの「SureTalk（シュアトーク）」です。
SureTalkは日本手話に対応し、AIが手話の動きを認識して日本語テキストに変換します。逆に、健聴者が話した音声も文字にして双方向のやり取りを実現します。福岡県が実証に協力するなど、自治体との連携も進んでいます。
違いは提供の形です。SureTalkはパソコンやタブレット向けの専用アプリ。SL2Tはスマホのキーボードそのものに統合されています。
専用アプリを開くのと、いつものキーボードで手話が使えるのとでは、日常での使用頻度が変わってきます。一方でSureTalkには日本手話対応という決定的な強みがあります。どちらが優れているかではなく、現時点では住み分けの関係です。
実際の使用シーンを想像してみる
機能の説明だけでは、便利さが伝わりにくいかもしれません。具体的な場面で考えてみます。
ひとつ目は、病院の受付です。ろう者の男性が窓口で症状を伝えたい。これまでは筆談用紙に書くか、手話通訳の予約を取るしかありませんでした。SL2Tがあれば、スマホを持って手話をするだけで、画面に英文が表示されます。受付の担当者はそれを読むだけです。
ふたつ目は、通勤中のメッセージ返信です。電車の中でスマホを開き、フリック入力で長文を打つ。手話が第一言語の人にとって、書き言葉での文章作成は必ずしも速くありません。母語である手話でそのまま入力できれば、思考のスピードで書けます。
3つ目は、AIとの相談です。Gboardから手話で入力すれば、Geminiに直接質問できます。「文字を打つ」という壁を挟まずにAIと話せるのは、これまでになかった体験です。
いずれの場面でも共通するのは、相手や通訳者の都合を待たずに済むことです。コミュニケーションの主導権が本人の側に戻ります。
日本市場への影響はどうなる
気になるのは、日本でどう使えるかです。
正直に言うと、今すぐ日本手話で使うことはできません。SL2Tの初期対応はASL→英語のみです。日本手話への対応時期は発表されていません。
Pixel 11自体は2026年8月20日に発売され、日本でも購入できます。予約は8月12日23時から始まりました。ただし手話機能に関しては、日本のユーザーは対応待ちの状態です。
日本の当事者はどのくらいいるのか
日本には、聴覚・言語障害で身体障害者手帳を持つ人が約34万人います（厚生労働省の生活のしづらさなどに関する調査）。手帳を持たないが聞こえにくさを感じる人まで含めると、1400万人以上という推計もあります。
制度面の下地も整っています。手話言語法の制定を求める意見書は、2016年3月までに全都道府県・全市町村議会で可決されました。手話を言語として位置づける条例も各地で広がっています。
社会の側の準備は進んでいます。あとは技術が追いつくかどうかです。
日本手話対応のハードル
ではなぜ、すぐに日本手話に対応できないのでしょうか。
最大の壁はデータ量です。SL2Tの学習データ10万時間のうち、ASLが約25%を占めます。日本手話のデータがどれだけ含まれているかは公表されていません。
ただし希望もあります。50言語をまとめて学習した設計は、追加対応のコストを下げるために選ばれたものです。日本手話のデータが集まれば、比較的短期間で対応できる可能性があります。
国内では、SureTalkが「手話動画データが蓄積されるほど認識精度が上がる」として日本手話データを集めています。こうした国内の取り組みの蓄積が、将来的にグローバルな手話AIの日本語対応を後押しするかもしれません。
よくある質問（FAQ）
Q1. Pixel 11以外のスマホでも使えますか？
現時点ではPixel 11が最初の対応機種です。Googleは他のデバイスへの展開も進めると表明していますが、具体的な機種や時期は発表されていません。iPhoneやほかのAndroid端末での提供予定も、現段階では不明です。
Q2. 自分の手話動画がGoogleに保存されるのでは？
生の動画はサーバーに送られません。端末内で手・顔・体の位置を座標データに変換し、その座標だけが翻訳のために送信されます。映像そのものは端末内で処理され破棄される仕組みです。
Q3. 逆にテキストを手話に変換することはできますか？
今回のSL2Tは手話→テキストの一方向のみです。Googleは手話を生成するモデルもロードマップに含めると述べていますが、提供時期は明かされていません。
Q4. 手話ができない人にも役立ちますか？
間接的に役立ちます。Live Transcribeでは、ろう者が手話で答えた内容が文字になって表示されます。手話を知らない相手でも、その場で内容を読めます。通訳者を挟まない会話が成立しやすくなります。
Q5. オフラインでも動きますか？
翻訳処理はサーバー側で行われるため、ネット接続が必要です。姿勢の追跡だけは端末内で完結しますが、テキストへの変換には通信が要ります。
まとめ
- GoogleがASL→英語の手話翻訳AI「SL2T」を2026年8月12日に発表し、Pixel 11（8月20日発売）に搭載した
- 手話AIが市販の消費者向け製品に載るのは世界初。追加料金なしで利用できる
- 学習データは50以上の手話・10万時間超。うち約25%がASL
- グロス（中間の単語ラベル）を省いて座標から直接翻訳する方式で、FLEURS-ASLベンチマークのBLEURTスコア70を記録
- 生の動画は端末外に出ず、座標データのみが送信されるプライバシー設計
- 発案者はろう者のGoogle社員。AI手話諮問委員会（AISLAC）と共同で限界も明記した影響評価レポートを公開
- 日本手話は未対応。国内ではソフトバンクのSureTalkが日本手話に対応している
日本手話への対応を待ちつつ、まずはPixel 11のLive Transcribeがどこまで実用に耐えるか、発売後のユーザーの声をチェックしてみてください。
参考文献
- Putting sign language AI into users’ hands — Google DeepMind
- Googleが手話をテキストに変換するAIモデルをPixel 11に搭載 — GIGAZINE
- DeepMind’s newest model allows Pixel 11 devices to transcribe sign language into text — Engadget
- Google debuts SL2T, an AI model that’s designed to understand sign language — SiliconANGLE
- SureTalk｜手話と音声の円滑なコミュニケーション — ソフトバンク
こんな時代だから遊んで学びたい
AIを学ぶオンラインサロン「AIフレンズ」では、生成AIを楽しく、どこよりも優しく学べる環境をご用意しております。
毎週開催されるオンラインセッションでは、リアルタイムで学び合える機会を提供しています。 さらに、月に一度のオフラインイベントでは、メンバー同士が直接交流し、アイデアや知識を深めることができます。
「AIフレンズ」の仲間とともに、新しい価値を創造し、可能性を広げてみませんか？
一緒に学び、成長しながら、生成AIを使いこなす力を身につけましょう！
