Google DeepMind memperkenalkan model sign-language-to-text atau SL2T untuk mendukung fitur bahasa isyarat bagi pengguna Tuli dan pengguna dengan gangguan pendengaran. Teknologi ini berfokus pada penerjemahan bahasa isyarat menjadi teks yang dapat digunakan dalam layanan digital.
AI untuk aksesibilitas memiliki tujuan lebih besar daripada sekadar demonstrasi model. Sistem harus mempertimbangkan variasi bahasa, konteks budaya, ekspresi wajah, gerakan tubuh, kualitas kamera, dan preferensi pengguna.
Mengapa penerjemahan bahasa isyarat menantang?
Bahasa isyarat tidak selalu merupakan padanan satu banding satu dari bahasa lisan. Makna dapat dipengaruhi arah gerakan, kecepatan, posisi tangan, ekspresi, dan konteks percakapan. Model yang hanya melihat bentuk tangan berisiko kehilangan informasi penting.
Karena itu, evaluasi perlu melibatkan pengguna dan komunitas yang memahami bahasa isyarat. Akurasi rata-rata saja belum cukup untuk menggambarkan apakah sistem benar-benar membantu dalam situasi nyata.
Peluang untuk produk web
- Caption atau transkrip percakapan yang lebih inklusif.
- Bantuan navigasi layanan publik dan pendidikan.
- Interface komunikasi yang dapat disesuaikan pengguna.
- Dokumentasi dan pengalaman digital dengan lebih banyak mode input.
Developer perlu menyediakan indikator kepercayaan, cara mengoreksi hasil, serta fallback ketika model tidak yakin. Data video juga termasuk data sensitif, sehingga pemrosesan, penyimpanan, dan penghapusan harus dijelaskan dengan baik.
Pengujian yang melibatkan pengguna
Pengujian produk aksesibilitas sebaiknya tidak hanya dilakukan di laboratorium. Tim perlu melibatkan pengguna dari berbagai latar dan menguji kondisi cahaya, kamera, koneksi, serta variasi percakapan.
Feedback harus masuk ke siklus produk, bukan hanya menjadi catatan peluncuran. Model yang salah menerjemahkan pesan penting dapat menyebabkan dampak yang serius.
Kesimpulan
SL2T menunjukkan bagaimana AI dapat membantu membangun layanan digital yang lebih aksesibel. Keberhasilannya bergantung pada kualitas model, keterlibatan komunitas, privasi data, desain fallback, dan kemampuan pengguna untuk tetap mengendalikan interaksi.
Sumber asli:
https://deepmind.google/blog/putting-sign-language-ai-into-users-hands/
