手話で検索・メッセージ入力　GoogleがPixel 11で開始、日本手話は未対応

手話が、音声入力と同じようにスマホの入力方法になる

Google DeepMindは2026年8月12日、手話を文字へ変換するAI「SL2T」を発表しました。Pixel 11のキーボードアプリ「Gboard」と、会話の音声を画面へ文字表示する「音声文字変換」に組み込みます。手話で検索語を入れる、メッセージや文書の下書きを作る、Geminiへ質問するといった操作を、文字を打つ代わりにカメラへ手話を見せて行える機能です。

手話AIを研究室から一般向け製品へ移し、まず米国手話から英語への変換をPixel 11で提供する。今後、対応端末と言語を増やす。

出典：Google DeepMind「Putting sign language AI into users’ hands」（編集部訳）

音声文字変換では、聞こえる人の発言を従来どおり文字で読みながら、利用者側は手話から作った英文を相手へ見せたり、端末に読み上げさせたりできます。追加料金はかからないと公式発表にあります。対応端末をPixel 11以外へ広げる予定ですが、具体的な機種と時期は示されていません。

日本では、Pixel 11を買っても日本手話には使えない

ここでいう「手話」は世界共通ではありません。今回使えるのは米国手話（ASL）を英語へ変換する組み合わせだけです。日本手話と日本語出力には対応しておらず、日本向けの提供日も未発表。英語を日本語へ訳す設定の話ではなく、入力言語である手話自体が異なるため、Pixel 11を用意すれば日本の手話利用者がすぐ使える機能ではありません。

Googleは2021年、日本手話と香港手話をカメラで認識する学習用ゲーム「SignTown」を公開していました。ただし、これは決められた手話を練習する実験で、自由な文章をスマホへ入力する機能ではありません。今回は10万時間超、50以上の手話を含むデータでAIを学習させ、最初の製品版をASLに絞りました。多言語で学習していても、50以上の手話を今すぐ利用できるという意味ではない点が重要です。

生の映像は送らず、顔・手・体の130点を文字へ変える

SL2Tは、手だけを単語へ置き換える仕組みではありません。手話は手、腕、顔、頭、胴体の動きや位置関係で意味を伝える独立した言語です。端末上のMediaPipe Holisticという仕組みが、顔・体・両手の130点を毎フレーム追跡し、二次元の座標列へ変換。その座標だけをGoogleのサーバーへ送り、英語の文章にします。

生のカメラ映像は端末上ですぐ破棄され、Google側は、利用者が評価調査へ明示的に同意した場合を除き、入力座標と出力文のログを保存しないと共同影響報告書に記しています。ただし「すべて端末内で処理」ではありません。翻訳はサーバー側なので、利用者は生動画が送信されないことと、身体の動きを表す座標が送信されることを分けて理解する必要があります。

短い日常会話には使えるが、重要な判断には使わない

Googleと聴覚障害者団体などが共同で出した11ページの影響報告書は、使ってよい場面と禁止する場面を明確に分けています。利用者が生成された英文を読み、誤りを直してから送信・表示する「下書き道具」が前提です。英文を確認できない場合は、誤訳を見逃す恐れがあります。

企業が注意すべきなのは、無料のAIを手話通訳者の削減策にしないことです。SL2T 1.0は手話から文字への一方向だけで、話された内容を手話へ返せず、曖昧な表現を相手へ聞き返すこともできません。共同報告書は、人の通訳が持つ状況判断、文化理解、法的責任を代替せず、アクセシビリティー法上の義務を逃れるために使ってはならないと明記しています。

数字と固有名詞は、送信前に必ず画面で読み直す

公開前の利用者試験では、短い検索やメッセージ、Google Docsでのメモ作成は高く評価されました。一方、複数桁の数字を別の数字へ変える、手を止めて考えている間や別の人が画面に入った時に存在しない文章を出す、顔の表情や首の動きだけで示す否定・疑問を取りこぼす問題も見つかっています。公開版では改善したものの、完全にはなくなっていません。

暗い場所、強い逆光、手や顔と服の明暗差が小さい状態では精度が落ちます。追跡対象は画面内で最も大きい1人だけで、複数人の手話を見分けられません。1回の入力は最長60秒で区切られ、前の会話内容を次の入力へ引き継がないため、長い説明より短い文章に分けるほうが安全です。会社で利用を認めるなら、数字、氏名、住所、日付を送信前に原文と突き合わせるルールが必要でしょう。

編集部の読み

今回の意味は、AIの入力方法がキーボードと音声だけでなく、利用者の第一言語である手話へ広がり始めたことです。Googleは50以上の手話をまとめて学習した基盤を持ちながら、製品化はASL・英語・Pixel 11・危険度の低い用途へ絞りました。企業への示唆は、将来の日本手話対応を見越して導入を急ぐことではなく、手話通訳を置き換えない社内原則を先に決めること。この読みが外れるのは、日本手話の精度検証と当事者団体による影響評価を伴う製品版が早期に公開され、高い危険度の場面でも人の通訳と同等の責任を負える制度が整った場合です。

注意点と限界

本記事は2026年8月13日時点のGoogle DeepMind公式発表、GoogleとAI Sign Language Advisory Committeeの共同影響報告書、過去のSignTown公式発表を確認しました。編集部はPixel 11の製品版を使った翻訳精度の再試験を行っていません。共同報告書の利用者評価は2026年7月の公開前版を含み、公開版では短文、片手入力、誤った文章の生成などが改善されたとされています。

日本手話、日本語出力、米国外での提供地域、Pixel 11以外の対応機種と日程は未発表です。18歳未満の手話は学習・正式評価の対象外で、運動障害や地域差、Black ASLなど利用者別の精度評価も限定的。新機能を重要な会話へ使う前に、端末上の案内と最新の公式条件を確認してください。