IA de gestos da Google chega só em ASL

O que a Google lançou de facto

O SL2T (sign language to text) é um modelo da Google DeepMind que converte os movimentos simultâneos das mãos, do rosto e do corpo da língua gestual diretamente em texto escrito, sem passar pelas anotações intermédias 'gloss' que limitavam os sistemas de investigação anteriores. Foi lançado a 12 de agosto de 2026 em dois produtos de consumo no Pixel 11: ditado de gestos para texto no Gboard, e respostas de conversa baseadas em gestos no Live Transcribe. O modelo foi treinado com mais de 100.000 horas de dados de gestos que abrangem mais de 50 línguas gestuais, cerca de um quarto em língua gestual americana (ASL), e obtém 70 pontos BLEURT no teste de referência FLEURS-ASL, um resultado que a Google descreve como muito à frente de qualquer resultado publicado anteriormente. Foi construído com uma comissão consultiva de língua gestual em IA composta por organizações e especialistas surdos, e o projeto foi concebido por Sam Sepah, um colaborador surdo da Google, segundo o princípio declarado de construir com a comunidade surda e não apenas para ela.

A Google é transparente sobre onde o modelo ainda tem dificuldades: gestos raros, soletração manual rápida, construções gramaticais passivas, representações classificadoras e a inferência do tempo verbal sem contexto constam todas da sua própria lista publicada de limitações. Essa franqueza importa, porque isto não é um artigo de investigação nem um vídeo de demonstração, mas sim o primeiro modelo de tradução de língua gestual a ser lançado dentro do teclado predefinido de um telemóvel de consumo massivo, disponível desde o primeiro dia para qualquer proprietário de um Pixel 11 sem custo adicional.

A opção de privacidade que nenhum título captou

Segundo o direito europeu de proteção de dados, os dados biométricos usados para identificar de forma única uma pessoa singular situam-se numa categoria especial ao abrigo do artigo 9.º do RGPD, com condições mais estritas sobre quando podem ser tratados. As imagens de vídeo do rosto e das mãos de uma pessoa, captadas especificamente para analisar os seus movimentos corporais, aproximam-se muito dessa linha. A arquitetura do SL2T está construída para se manter claramente afastada: o telemóvel executa o MediaPipe Holistic, um rastreador de postura, diretamente no aparelho, e apenas as coordenadas geométricas resultantes das mãos, do rosto e da postura corporal são enviadas para os servidores da Google para a tradução. O vídeo original é descartado no aparelho de imediato e nunca é transmitido nem armazenado.

Quer os engenheiros da Google tenham ou não formulado isto internamente em termos do RGPD, trata-se de um exemplo de manual de minimização de dados: reduzir um fluxo de câmara à mais pequena abstração que ainda cumpre a função, e descartar tudo o resto antes de sair do aparelho. Qualquer equipa de produto orientada para a UE que esteja a construir uma funcionalidade de acessibilidade, gestos ou ditado baseada em câmara tem agora um exemplo concreto e já lançado a que recorrer numa avaliação de impacto sobre a proteção de dados, e um argumento sólido sobre porque razão as coordenadas de pontos de referência, e não o vídeo em bruto, deveriam ser a arquitetura predefinida em vez de um acrescento posterior.

Porque razão 'só ASL' pesa mais na Europa do que parece

As línguas gestuais são nacionais e regionais, não universais, e não seguem a língua falada do país que as usa. A língua gestual britânica e a americana são línguas distintas, com gramática diferente e vocabulário em grande parte diferente, apesar de ambos os países falarem inglês. A Alemanha tem a DGS, a França tem a LSF, a Itália tem a LIS, a Polónia tem a PJM, e nenhuma delas é um dialeto do ASL nem das outras. O valor da Google de 'mais de 50 línguas gestuais, 100.000 horas' descreve a amplitude dos dados de treino e da base de investigação do SL2T; a funcionalidade que foi realmente lançada traduz apenas de ASL para inglês. Isso significa que nenhuma língua gestual da UE ou do Reino Unido é utilizável neste lançamento, nem no primeiro dia nem durante um período não especificado depois disso.

O momento agrava a lacuna. As obrigações do Ato Europeu de Acessibilidade tornaram-se exequíveis para muitos produtos e serviços digitais nos estados-membros a partir de 28 de junho de 2025, com as autoridades nacionais de fiscalização do mercado já habilitadas a agir perante reclamações. O Ato não obriga a incluir uma funcionalidade de teclado específica como esta, pelo que a sua ausência não constitui por si só uma infração. Mas significa que um utilizador surdo em Lisboa, Porto ou Coimbra lê a publicidade de acessibilidade do Pixel 11 que descreve uma capacidade que a sua própria língua gestual não consegue usar, precisamente no momento em que o escrutínio da acessibilidade digital na UE e no Reino Unido está a aumentar em vez de diminuir.

O que isto significa para o planeamento na UE e no Reino Unido

Para as equipas de produto e conformidade, a arquitetura baseada apenas em coordenadas é o padrão que vale a pena copiar para qualquer funcionalidade de acessibilidade, gestos ou ditado baseada em câmara dirigida a utilizadores da UE ou do Reino Unido. Reduz a questão da exposição de dados biométricos antes de a equipa jurídica ter de lhe responder sob pressão, e é um exemplo concreto a citar numa avaliação de impacto sobre a proteção de dados como minimização de dados desde a conceção, em vez de um acrescento de última hora para efeitos de conformidade.

Para as equipas de acessibilidade ou de compras que estão a avaliar precisamente esta funcionalidade, o conselho é mais direto: não orçamentar contando com a chegada próxima da língua gestual britânica, da DGS, da LSF ou de qualquer outra língua gestual nacional da UE. A própria lista de limitações da Google promete apenas 'mais línguas gestuais' sem data, e a sequência escolhida pela empresa, ASL primeiro com tudo o resto descrito como algo que se seguirá mais tarde, sugere que o suporte para a UE e o Reino Unido é uma segunda vaga de lançamento medida em trimestres e não em semanas. Ao aconselhar um cliente sobre a aquisição de equipamento para pessoal ou clientela surda, convém tratar a publicidade de acessibilidade do Pixel 11 e a funcionalidade que é de facto lançada num determinado mercado como duas coisas distintas.

Leia a seguir: Nove dos 10 melhores modelos de vídeo com IA já são chineses  |  IA aberta acrescenta um dia de aviso sobre ciclones