Edge AI Daily 早報（7月20日）

Google 近日宣布將手語識別功能整合進旗下鍵盤應用 Gboard，使用者不再只能透過打字或語音輸入，也能直接以手勢進行溝通。這項更新使鍵盤的定位出現重大轉變，從單純的文字輸入工具，進化為能同時處理視覺、語音與觸控等多種互動模式的多模態 AI 平台。 過去幾年，Gboard 已經陸續加入滑行輸入、語音辨識、表情符號建議與翻譯等功能，逐漸擴大鍵盤的應用範圍。然而，此次加入手語識別，意味著 Google 正試圖讓鍵盤理解非語音的肢體語言，進一步打破溝通障礙。對於習慣使用手語的使用者而言，這項功能提供了一種更直接、不需切換應用程式的輸入方式，讓溝通流程更加順暢。 手語識別的背後仰賴電腦視覺與機器學習技術，Gboard 可透過裝置的前置鏡頭捕捉使用者手勢，即時轉譯成文字或語音輸出。雖然目前相關細節尚未完全公開，但這項技術若能成熟應用，將大幅降低聽障或語言障礙者在日常通訊中的門檻。不僅如此，對於一般使用者來說，在某些不方便使用語音或打字的場合，也能透過簡單的手勢進行快速回覆或指令操作。 從無障礙體驗的角度來看，Google 這步棋具有相當的指標意義。科技巨頭長期以來投入無障礙技術的開發，包括螢幕閱讀器、即時字幕、聲控操作等，但將手語直接整合進鍵盤還是相對少見的嘗試。鍵盤作為手機上最常被使用的元件之一，若能支援手語，代表聽障族群不再需要依賴第三方應用或特定輔具，就能在主流通訊環境中擁有更平等的互動機會。 這項更新同時反映 Google 對「多模態 AI」的戰略布局。多模態意指讓同一套系統能同時處理文字、圖像、聲音、影片等不同形式的資訊。Gboard 原本僅處理文字與語音，現在加入視覺辨識，等於補齊了關鍵的一塊拼圖。未來鍵盤不僅是輸入介面，更可能成為理解使用者意圖的智慧入口——使用者可以透過混合方式表達需求，例如邊說話邊比劃，系統則整合所有線索給出回應。 在實際應用情境中，這項功能可以與 Google 的其他服務連動。例如使用者以手語表達「天氣如何」，Gboard 辨識後直接呼叫天氣查詢；或是在視訊通話中即時顯示手語翻譯。雖然這些應用仍需後續整合，但鍵盤層級的支援讓開發者與使用者都有更多延伸空間。Google 過去在 AI 助理、翻譯與影像辨識上的累積，正好可以成為手語識別功能的基礎。 不過，手語本身具有高度地域性與文化差異，同一套手勢在不同國家可能有截然不同的意思。Google 若要讓這項功能在全球普及，就必須針對各地手語系統進行個別訓練，同時也要解決連續手勢辨識、環境光線干擾、鏡頭角度等技術難題。目前 Gboard 的手語識別大概會從簡單的單字或常用短句開始，再逐步擴展到更複雜的語句結構。 從市場策略來看，這一步也強化 Gboard 相對於其他第三方鍵盤的競爭力。目前主流手機鍵盤仍以文字與語音輸入為主，儘管蘋果、三星等對手也在加強無障礙功能，但直接在手語領域卡位的案例還不多。Google 若能領先建立精準的手語模型，不僅能服務特殊族群，也能為未來的人機互動建立新標準。 站在使用者的角度，鍵盤的定義正在被重新書寫。過去鍵盤只能接收按鍵訊號，現在則能接收視覺畫面與語音；過去輸出僅有文字，現在可以轉成語音或指令。這種轉變讓人機互動變得更加自然且包容——不再要求使用者適應機器的輸入規則，而是讓機器試著理解人類最直覺的表達方式，無論是說話、打字還是比手勢。 Google 將這項功能視為多模態 AI 從雲端走向終端的關鍵測試。Gboard 作為每天被數十億人次使用的應用，正好成為推廣新互動模式的最佳載體。如果手語識別能在鍵盤上穩定運行，後續勢必會延伸到更多 Google 產品，例如即時通訊、視訊會議、甚至智慧居家裝置。可以肯定的是，鍵盤不再只是鍵盤，而是通往更包容溝通方式的智慧開關。