Pixel 11’de İşaret Dilinden Metne AI: SL2T Ne Yapıyor, Nerede Yetmiyor?

Kısa özet: Google DeepMind’in 12 Ağustos 2026’da duyurduğu SL2T 1.0, Amerikan İşaret Dili’ni (ASL) İngilizce metne çevirerek Pixel 11’de Gboard ve Canlı Altyazı içinde kullanılabiliyor. Kullanıcı web araması yaparken, mesaj veya not yazarken klavye yerine işaret edebiliyor; yüz yüze kısa konuşmalarda üretilen metni karşı tarafa gösterebiliyor. Ancak ilk sürüm yalnız ASL’den İngilizceye çalışıyor, Türk İşaret Dili’ni desteklemiyor, Pixel 11 ile sınırlı ve sağlık, hukuk, eğitim ya da işe alım gibi yüksek riskli ortamlarda tercüman yerine kullanılması açıkça yasaklanıyor.

Yenilik ne?

İşaret dili teknolojilerinin önemli bölümü bugüne kadar araştırma demosu, dar sözlük veya kontrollü laboratuvar deneyi olarak kaldı. SL2T’nin farkı, bir işaret dili çeviri modelini doğrudan iki günlük telefon aracına taşıması: Gboard’da işaretten metne dikte ve Canlı Altyazı’da işitme engelli ya da Sağır kullanıcının yanıtını işaret ederek yazabilmesi.

Google, özelliğin önce Pixel 11 ailesinde, ek ücret olmadan sunulduğunu; başka cihazların ve dillerin daha sonra geleceğini söylüyor. Bu ifade geniş bir küresel açılış anlamına gelmiyor. 14 Ağustos itibarıyla desteklenen yön yalnız ASL → İngilizce. Türk İşaret Dili (TİD), İngiliz İşaret Dili (BSL) ve diğer 200’den fazla işaret dili birbirinin lehçesi değil, ayrı doğal dillerdir. ASL başarısını TİD desteği gibi okumamak gerekir.

SL2T nasıl çalışıyor?

Telefonun kamerasındaki ham görüntü doğrudan çeviri sunucusuna gönderilmiyor. Cihaz üzerinde çalışan MediaPipe Holistic; yüz, gövde ve ellerdeki 130 noktanın iki boyutlu konumlarını kare kare çıkarıyor. Ham video cihazda hemen siliniyor, bu geometrik koordinat dizisi Google sunucularına gidiyor ve Transformer tabanlı SL2T modeli İngilizce metni akış halinde üretiyor.

Bu yaklaşım bant genişliğini azaltıyor ve yüzün fotoğrafik ayrıntısı ile çevre görüntüsünü sunucudan uzak tutuyor. Yine de “tamamen cihazda” çalışan bir sistem değil: hareket koordinatları sunucuda işleniyor ve ağ bağlantısı gerekiyor. Google ile Sağır toplum kuruluşlarının ortak etki raporu, kullanıcı girdisi ve sistem çıktısı günlüklerinin yalnız kullanıcı bir model değerlendirme çalışmasına açıkça izin verirse saklandığını belirtiyor. Bu, ham kameranın gönderilmemesinden daha güçlü bir gizlilik tasarımı; fakat koordinatların hiçbir şekilde hassas olamayacağı ya da bütün cihaz telemetrisinin kapsam dışında olduğu anlamına gelmiyor.

Model, işaretleri önce “gloss” denen ara etiketlere dönüştürmek yerine hareket noktalarından doğrudan metne çeviriyor. Bunun nedeni işaret dilinin yalnız el şekillerinden oluşmaması: yüz ifadesi, kaş, baş, gövde, mekânsal gönderim ve hareketin eşzamanlı kullanımı dilbilgisel anlam taşıyor. Eğitimde 50’den fazla işaret dilinden 100 bin saatin üzerinde veri kullanılmış; verinin yaklaşık dörtte biri ASL. Çok dilli eğitim ortak görsel-dilsel örüntüleri öğretse de tüketici özelliği şu anda yalnız ASL-İngilizce olarak açıldı.

Benchmark ne söylüyor, ne söylemiyor?

SL2T 1.0, FLEURS-ASL’ın konuşmacıdan bağımsız sd-test bölümünde sıfır örnekli olarak 70 BLEURT puanı aldı. Ortak raporda PRESTO-ASL için 85 BLEURT, tek elle FLEURS-ASL için 74 BLEURT ve FSboard parmak alfabesinde yüzde 64 tam eşleşme doğruluğu da veriliyor. FLEURS-ASL, beş Sertifikalı Sağır Tercüman tarafından stüdyo koşullarında kaydedilmiş ve NAACL 2025’te yayımlanmış bir değerlendirme kümesi.

Bu sayılar ilerleme işareti, fakat evrensel kalite garantisi değil. BLEURT, üretilen metnin referans cümleye anlamsal yakınlığını ölçer; “her yüz cümlenin 70’i doğru” demek değildir. Sonuçlar Google ekibinin kendi modeli için raporlandı ve bağımsız, uçtan uca Pixel 11 testi henüz yok. Ayrıca çocuklar, motor farklılıkları olan işaret edenler, bölgesel çeşitler ve Black ASL gibi sosyodilbilimsel gruplara göre ayrıştırılmış performans açıklanmadı.

Kimler için önemli?

ASL kullanan ve İngilizce metin üreten Pixel 11 sahipleri için en somut yarar, günlük dijital işlerde klavye zorunluluğunu azaltması. Arama sorgusu, adres, kısa mesaj, kişisel not, gayriresmî e-posta veya Gemini istemi işaretle oluşturulabiliyor. Canlı Altyazı’da işiten kişinin konuşması üstte yazıya çevrilirken Sağır kullanıcı alttaki alanda yanıtını işaretleyebiliyor.

Bu aynı zamanda önemli bir tasarım tercihi gösteriyor: model “otomatik tercüman” gibi konuşmayı ele geçirmiyor. Üretilen İngilizce önce kullanıcıya gösteriliyor; kullanıcı metni düzenleyip ne zaman göstereceğine veya seslendireceğine kendisi karar veriyor. Fakat bu güvenlik katmanı, kullanıcının İngilizce metni okuyup hatayı fark edebilmesini ve dokunmatik düzenleme kontrollerini kullanabilmesini varsayıyor. İngilizce okuryazarlığı sınırlı biri için hata denetimi aynı ölçüde çalışmayabilir.

Gerçek kullanım akışı

Bu incelemede Pixel 11 bulunmadığı için özellik yerel olarak çalıştırılmadı. Google da duyuruyla birlikte ayrıntılı, herkese açık bir kurulum belgesi bağlamamış. Resmî etki raporundaki akışa göre desteklenen bir Pixel 11’de Gboard veya Canlı Altyazı güncellendikten sonra işaretten metne tetikleyicisi açılıyor; kullanıcı yüzü, gövdesi ve elleri kamerada kalacak biçimde işaret ediyor; oluşan İngilizceyi önizleyip düzeltiyor ve ardından metni gönderiyor ya da karşı tarafa gösteriyor.

İlk deneme için yüksek risk taşımayan kısa bir görev seçmek en güvenlisi: örneğin bir web araması veya kendinize gönderdiğiniz not. İyi ışık kullanın, elleri kadrajda tutun, özel adları ve sayıları özellikle kontrol edin. Canlı Altyazı’da metni otomatik yayımlamak yerine kullanıcı onayıyla gösterme seçeneğini koruyun. Uygulamadaki simgenin yeri ve menü adları dağıtıma göre değişebileceğinden, Google’ın cihaz içi yönergeleri görünmeden üçüncü taraf kurulum tariflerine güvenmeyin.

Nerede yetmiyor?

Ortak etki raporu yalnız başarıları değil, kritik sınırları da açık biçimde kaydediyor. Model bazen kullanıcı işaret etmezken “hayalet metin” üretebiliyor; kadraja ikinci bir kişinin girmesi veya kullanıcının düşünmek için ellerini durdurması bunu tetikleyebiliyor. Çok basamaklı sayıları bozabildiği, parmak alfabesinde özel adları tahmin ettiği, bölgesel işaretleri ve aynı el biçiminin farklı anlamlarını karıştırdığı görülmüş. Dil, kaş ve baş hareketi gibi el dışı dilbilgisel işaretler özellikle zayıf.

Düşük ışık, ters ışık, düşük el-yüz kontrastı, sıra dışı kamera açısı ve kullanıcının kadrajdan çıkması doğruluğu düşürüyor. Sistem yalnız en büyük kişiyi izliyor; çok kişili konuşma veya işaret edenler arasında geçiş yapamıyor. Her klip en fazla 60 saniye ve önceki konuşma turlarını hatırlamıyor. Noktalama, yeni satır, silme, gönderme ve emoji gibi eller serbest komutlar da ilk sürümde tutarlı değil.

Tercüman yerine geçmez

En önemli sınır teknik değil, toplumsal. Google DeepMind ile National Association of the Deaf, World Federation of the Deaf, RIT/NTID ve diğer AISLAC üyelerinin ortak raporu; SL2T’nin sağlık, acil yardım, hukuk, polis görüşmesi, mahkeme, eğitim değerlendirmesi, sınıf, işe alım, disiplin, sosyal yardım kararı ve benzeri yüksek riskli alanlarda kullanılmaması gerektiğini söylüyor.

SL2T yalnız işaretten İngilizce metne gider; işitilen konuşmayı işaret diline çevirmiyor, anlam belirsizliğinde açıklama istemiyor ve nitelikli bir tercümanın kültürel bağlamı, etik sorumluluğu ile hukuki hesap verebilirliğini taşımıyor. Kurumların maliyet azaltmak için bu aracı tercüman yerine koyması, erişilebilirlik yükümlülüğünü karşılamaz. Araç günlük iletişim seçeneğini genişletebilir; insan desteğini ortadan kaldırmamalı.

Erişim, maliyet ve lisans

Özelliğin ayrı bir abonelik ücreti yok, ancak Pixel 11 donanımına bağlı olması gerçek erişim maliyeti yaratıyor. Model ağırlıkları indirilemiyor, geliştirici API’si yayımlanmış değil ve lisans altında yeniden dağıtılabilir bir SL2T paketi bulunmuyor. Ortak rapor, Google Cloud API erişimi ile SignGemma benzeri açık ağırlık seçeneklerinin yalnız araştırıldığını belirtiyor. Bu nedenle bugün geliştiricilerin SL2T’yi kendi uygulamasına kurabileceği, çevrimdışı çalıştırabileceği veya TİD verisiyle uyarlayabileceği varsayılmamalı.

Sonuç: SL2T 1.0, işaret dilini sonradan eklenen bir “erişilebilirlik modu” olarak değil, doğrudan metin girişi olarak ele aldığı için önemli. Ham videoyu cihazda bırakması, kullanıcı önizlemesi ve Sağır kuruluşlarla ortak etki raporu iyi başlangıçlar. Buna karşılık ASL-İngilizce ve Pixel 11 sınırı, sunucu bağımlılığı, demografik değerlendirme boşlukları ve yüksek riskli kullanım yasağı büyük. Türkiye açısından haber heyecan verici; bugün kullanılabilir TİD çözümü değildir.

Kaynaklar

• Google DeepMind: Putting sign language AI into users’ hands — 12 Ağustos 2026 duyurusu; ürün erişimi, eğitim ölçeği, mimari ve ilk sonuçlar.
• AISLAC Joint Impact Report for SL2T 1.0 — Google DeepMind ile NAD, WFD, RIT/NTID, DPAN ve bağımsız uzmanların ortak raporu; yöntem, gizlilik, yasaklı kullanımlar ve sınırlamalar.
• FLEURS-ASL: Including American Sign Language in Massively Multilingual Multitask Evaluation — NAACL 2025 makalesi; veri kümesi, değerlendirme kapsamı ve önceki temel sonuçlar.
• MediaPipe Holistic — cihaz üzerindeki yüz, el ve gövde noktası çıkarımının teknik temeli.
• Google Pixel 11 — desteklenen cihaz ailesi ve bölgesel ürün erişimi.