我们之前曾写过一篇名为《别再问我聋人为什么要去音乐节了》的文章，介绍了海外音乐节中一个特殊的岗位：手语翻译员。
虽然听障人士无法听到或清晰地听到音乐，但他们可以通过手语翻译员富有感染力的肢体语言（包括手部动作、面部表情、肢体语言），感受音乐的节奏和热烈的氛围。
这可能是健听人意想不到的手语场景。事实上，无论线上还是线下，都需要手语翻译员，但供不应求。
从线上到线下，让听障人士更多地使用“母语”
英国人 Sally Chalk 于 2002 年创办了一家英国手语翻译公司。经过 20 年的经营，公司规模已相当可观，预约手语翻译员的时间缩短至 30 分钟，但她仍然不满足。
听障人士能否像在视频网站上打开字幕一样，立即获得手语翻译？
她的答案是，让 AI 加入进来。
2022 年，Sally Chalk 创立了一家新的初创公司 Signapse，专注于开发生成式 AI 手语翻译软件，将书面文本实时翻译成美式手语和英式手语。
今年 5 月，Signapse 获得了 200 万英镑的种子轮融资，其中 50 万来自英国政府。
他们的目标场景之一是火车站、机场等交通枢纽。
美国辛辛那提/北肯塔基国际机场已经与 Signapse 合作，在屏幕上投放美式手语，提供欢迎、安全、出发、到达等信息。
AI 如何发挥作用？Signapse 基于大型手语数据集，并结合生成对抗网络（GAN）和深度学习技术，创造了逼真且翻译尽可能准确的虚拟手语翻译员。
这些虚拟形象基于真人手语翻译员，每次商业使用时，真人都会获得分成。
考虑到机场的目的地、出发时间、站台号码经常变动，通过与交通数据整合，Signapse 的手语翻译可以实现实时更新。
同时，Signapse 也看到了线上的需求，为网站和视频流媒体提供手语翻译。
虽然 YouTube 等网站都提供了隐藏式字幕，但与字幕相比，听障人士往往更喜欢手语，因为手语具有独立于其他语言的语法结构和表达形式，能够提供更好的上网体验。
您可能已经注意到，在提到手语时，我们会使用美式手语和英式手语的说法。就像全世界口语和文字互不相同，手语也是多种多样的。
联合国统计，全球约有 7000 万人将手语作为主要的交流方式，全世界使用的手语有 300 多种不同类型。仅在美国，就有 50 万人使用美式手语。
因此，Signapse 目前所做的工作实际上非常有限，仅覆盖了使用美式和英式手语的少数人群以及有限的垂直领域。过去两年，Signapse 每天创建约 5000 个英式手语交通公告。
Signapse 希望，未来他们的服务能够更加普适，扩展到教育等领域，并更加个性化，支持用户自定义虚拟手语翻译员的外观。
一方水土养一方 AI，国内也有类似的手语产品。
AI 手语主播曾现身腾讯的王者荣耀直播间、华为的开发者大会。
2022 年冬奥会，央视新闻与百度智能云曦灵合作推出了 AI 手语主播，天津理工大学聋人工学院参与了手语语料标注。
而在 AI 手语主播背后，百度智能云曦灵的 AI 手语平台还能满足医院、车站、银行等不同场景的快速手语翻译需求，与 Signapse 不谋而合。
更流畅的出行、更沉浸的观看体验、更无障碍的服务……
如果说手语翻译的改进空间比海洋更深，那么至少听障人士获取公共信息的方式正在被 AI 改变，持续涌现可见的浪潮。
手语界的“多邻国”们
“听障人士也要‘听’音乐？听障人士看文字就够了？” 这些问题往往是健听人从自身逻辑出发思考的。
事实上，我们应该反过来思考：音乐节如何让听障人士也能有参与感？互联网如何让听障人士拥有更愉快的上网体验？
因此，这不是在人流如织的车站多了一块屏幕，而是这块屏幕本就应该在那里。
越来越多的公司和个人正在利用技术的力量，让手语变得越来越有存在感。
让健听人学习手语，是其中比较容易想到的思路之一。
PopSign 是一款边玩边学手语的应用程序，使用 AI 手语模型，由 Google、罗彻斯特理工学院、佐治亚理工学院合作开发，可在 Android 和 iOS 系统上使用，主要用户群体是听障孩子的健听父母。
从中吸取背单词从“abandon”（放弃）开始，也以放弃终结的教训，PopSign 并非无聊地播放手语视频，而是通过小游戏提高学习手语的兴趣和信心，与疯狂催你打卡的多邻国别无二致。
想要成为手语界的“多邻国”的另一家公司叫 SLAIT，一家美国公司。他们提供沉浸式的互动课程和测试，如果你答对了，AI 导师会提供实时反馈，并给予一定的情感价值。
然而，教手语只是 SLAIT 的次优选择，最初他们想做的是实时视频聊天和翻译的 AI 手语工具。
但巧妇难为无米之炊，SLAIT 是一个小型团队，没有足够的数据，也没有足够的资金，与直接翻译手语句子相比，教授单个手语词汇更简单，但也同样具有意义。
翻译手语的辛苦工作就留给财大气粗的巨头们去解决吧。
2023 年 8 月，联想巴西开发了一款基于 AI 的实时聊天翻译应用程序，用于翻译葡萄牙语手语，未来计划覆盖更多全球手语。
当听障人士对着设备的摄像头打手语时，算法会立即将其翻译成葡萄牙语文本，传递给另一端的接收者。
这样的工具应该多多益善，恰好与手语教学服务相辅相成，让听障人士处于更主动的位置，更多地成为对话的发起者。
Google 则更偏向于产品导向，发起了 2023 年 Kaggle AI 手语识别竞赛。
这场竞赛的主题很有意思——参赛者们基于听障人士自拍得到的 300 多万个手指拼写字符，构建使用智能相机快速跟踪手指、手掌和脸部的指拼模型。
手指拼写属于手语的一种，使用手指的不同形状和位置来表示字母。对于很多残障人士来说，使用手指拼写比在智能手机的虚拟键盘上打字更快。
因此，改进手语识别、构建手指拼写模型是为了让听障人士可以直接使用更擅长的手语，而不是打字或说话，在手机上使用搜索、地图、短信等功能。
更进一步，这也有助于开发手语转语音的应用程序，打破听障人士无法用语音呼叫数字助手的僵局。
或者说，很多语音优先的产品从一开始就没有考虑不善于口语的用户，是时候弥补漏洞了。
Google 首席无障碍研究产品经理 Sam Sepah 在接受福布斯采访时提到，他们的目标是让手语成为使用 Google 产品时的通用语言选项。
事实上，这也应该是整个互联网的目标——让手语成为数字世界的通用语言。
多邻国作为一款语言学习软件，为每个人提供了平等的受教育机会。而 AI 手语产品让人感受到的是，本不该有的限制正在解除，任何地方都可以无障碍沟通。
AI 越强大，越要珍视人性
5 月，GPT-4 发布时，一个演示视频令人感动，GPT-4 充当了“眼睛”，让视障人士也能“看到”周围的环境。
视障人士从 AI 口中得知白金汉宫上空飘扬着旗帜，河里的鸭子悠闲地嬉戏，出租车即将到达，他的嘴角随着 AI 的欢快语调而上扬。
俗话说，技术打开了新世界的大门。是否可以反过来理解，残障人士原本生活在一个没有为他们设计的世界？
世卫组织数据显示，全球 4.3 亿人需要通过康复治疗解决残疾性听力损失。手语翻译的数量远远不够，在美国，听障用户与美式手语翻译员的比例约为 50 比 1。
所以，目前来说，AI 手语只是起到补充和锦上添花的作用，还没有达到“抢饭碗”的地步。
上述提到的 AI 手语产品，基本上都是规模较小、垂直化、扎根特定地区的，弥补了真人翻译无法触及的地方。
上个月，我还看到了一款非常酷的 AI 手语产品。
罗格斯大学、卡内基梅隆大学等几所大学的研究人员将公开手语视频处理成包含 8 种手语的数据集，训练了 SignLLM——第一个多语言手语生成模型。
覆盖多种手语，可以通过文本提示词生成手语，是不是很方便？但研究人员表示，请勿夸大他们的研究成果，演示视频并非模型的直接输出，实际制作起来仍然很麻烦。
同时，也有听障专家站出来表示，这些视频的手语翻译质量参差不齐，有些让人半懂不懂，有的完全理解不了，而且缺乏面部表情，项目有潜力，但还需要改进。
最重要的是，要让听障用户参与进来，发表他们的意见，共同完善产品，因为“没有我们的参与，就没有关于我们的决策”。
一个微妙的感受是，无障碍产品似乎很难做到“性感”。
它们往往无法像大模型和 AI 硬件发布一样让人心潮澎湃，总是和你说功能有哪些，服务于谁，希望以后能够做得更好，不会“贪多嚼不烂”。
而且在风投眼中，它们也是小众、潜力未知、可能没有投资回报的。
但“AI 教母”李飞飞曾说过，AI 是为了帮助人类，AI 越强大，我们越要珍视人性。
每个人都应该不担心错过航班，每个人都应该可以与产品交互，每个人都应该享受音乐节。
那些曾经被忽视、被沉默的声音也应该被科技的光芒照耀。让我们一起打响共鸣的响指，让更多人的需求得到满足，更多人的能力得到提升，让我们得到更多，失去更少。
