SL2T 1.0, Pixel 11 기반 Gboard 및 Live
구글이 수어를 텍스트로 변환하는 SL2T 1.0 모델을 Pixel 11 기기의 Gboard와 Live Transcribe에 탑재했다. 수어 사용자는 별도의 입력 도구 없이 카메라를 통해 자신의 수어를 텍스트로 즉시 변환해 입력할 수 있다. 이는 기존의 텍스트 기반 입력 방식에서 벗어나 수어를 일상적인 디지털 소통 수단으로 확장하는 선택지를 제공한다. 사용자가 수어로 소통하는 물리적 동작이 디지털 텍스트로 치환되면서 모바일 환경의 입력 장벽이 낮아졌다.
이번 구현은 Google DeepMind와 Android 팀의 공동 개발로 이루어졌다. SL2T 1.0은 수어의 동작 데이터를 분석해 문자 언어로 바꾸는 파운데이션 모델(방대한 데이터를 학습해 다양한 작업에 적용 가능한 기본 AI 모델)이다. 이 모델은 구글 키보드인 Gboard와 실시간으로 음성이나 수어를 자막으로 바꾸는 Live Transcribe 서비스에 직접 통합되었다. 딥마인드의 모델 설계 역량과 안드로이드 팀의 시스템 통합 기술이 결합되어 실제 제품 수준의 서비스로 구현되었다. 모델의 핵심 설계는 Garrett Tanzer, Benoit Brard, Elizabeth Clark, Tim Dozat, Sebastian Ebert, Dan Garrette, Manfred Georg, Vicky Holgate, Shankar Kumar, Mohammad Saboorian, Miloš Stanojević, Megh Umekar, John Wieting, Andy Zhang, Chris Dyer가 담당했다.
해당 기능은 Pixel 11 사용자에게 우선 제공되며 이후 지원 기기를 순차적으로 확대할 계획이다. 사용자는 추가 비용 없이 이 기능을 사용할 수 있다. 안드로이드 팀의 Ausmus Chang, Sai Aditya Chitturu, Dayle Chiu, Anna Chou, Ajay Dudani, Angana Ghosh, Alex Huang, Joanne Kim, Ed Lee, Thomas Lin, James Su, Yanchao Su, Sharlene Yuan이 모델을 Gboard와 Live Transcribe에 통합하는 작업을 수행했다. 특정 하드웨어 환경에서 모델이 효율적으로 작동하도록 최적화하여 실시간 변환 성능을 확보했으며, 이를 통해 수어 사용자가 모바일 기기에서 겪던 입력의 불편함을 기술적으로 해결했다.
AISLAC 중심의 참여형 거버넌스와 개발 프로세스
공동 영향 보고서(joint impact report)는 기술의 역량뿐 아니라 현재의 한계를 상세히 기록하여 공개한다. 이는 AI 수어 자문 위원회(AISLAC, AI Sign Language Advisory Committee)라는 거버넌스 체계를 통해 구현됐다. AISLAC은 전 세계 수어 단체와 해당 분야의 주제 전문가들을 한데 모아 구성한 자문 기구다. 기술의 영향을 직접 받는 커뮤니티가 개발 우선순위에 실질적인 영향력을 행사하는 참여형 거버넌스 모델을 적용했다. 이는 개발자가 임의로 정의한 기능이 아니라 실제 수어 사용자가 필요로 하는 기능을 우선적으로 구현하기 위한 장치다.
구현 과정은 수어 사용자이자 구글 직원인 샘 세파(Sam Sepah)의 개념 설계 단계부터 시작한다. 이후 협력 파트너사를 통해 실제 수어 데이터를 수집하는 과정을 거친다. 수집된 데이터로 학습된 모델은 다시 사용자 연구 기반의 평가를 통해 실효성을 검증받는다. 마지막으로 전문가들이 기술의 사회적 영향을 분석하는 영향 평가를 수행하며 개발 사이클을 마무리한다. 설계와 수집, 평가의 전 과정에 수어 사용자가 직접 개입하여 기술적 방향성을 결정하는 구조를 통해 모델의 실용성과 정확도를 높였다.
이러한 협력 방식은 단발성 이벤트가 아니라 향후 모든 주요 수어 관련 릴리스에 동일하게 적용될 표준 프로세스로 설정됐다. 기술의 작동 원리와 제약 사항을 투명하게 공개하는 공동 영향 보고서 발행이 이 프로세스의 핵심이다. 개발 주체가 일방적으로 기능을 정의하고 배포하는 기존 방식에서 벗어나 실제 사용자의 요구사항을 개발 우선순위에 반영하는 체계를 구축했다. 책임감 있는 실세계 배포를 위해 기술의 가능성과 한계를 동시에 명시함으로써 사용자가 기술의 범위를 정확히 인지하도록 돕는 투명성을 확보했다.
ASL 입력 구현과 언어 동등성(Parity) 확보
현재 구현 범위는 ASL(American Sign Language, 미국 수어) 입력 지원에 집중한다. 이는 수어 사용자가 카메라를 통해 자신의 동작을 입력값으로 변환하여 디지털 기기를 제어하는 첫 단계다. 구글은 이를 시작으로 음성 및 문자 언어와 완전한 동등성(Full Parity, 기능과 권한이 동일한 상태) 달성을 목표로 설정했다. 수어 사용자가 텍스트나 음성 사용자만큼 빠르고 정확하게 정보를 입력하고 소통할 수 있는 환경을 구축하는 것이 기술적 핵심이다. 입력 속도와 정확도 면에서 기존 언어 체계와 차이가 없는 수준에 도달하는 것이 동등성 확보의 기준이 된다.
전 세계 정보를 체계화하여 보편적으로 접근 가능하게 만든다는 기업 미션은 수어의 디지털 전환을 필수적으로 포함한다. 기존의 디지털 인터페이스는 문자 입력이나 음성 인식 중심으로 설계되어 수어 사용자는 입력 단계에서부터 물리적, 소프트웨어적 제약을 겪었다. ASL 입력 구현은 이러한 진입 장벽을 제거해 정보의 유용성을 실질적으로 확보하는 과정이다. 수어가 단순한 보조 수단에 머물지 않고 독립적인 입력 체계로 작동할 때 비로소 언어 간의 실질적인 동등성이 확보된다. 이는 특정 사용자 그룹을 위한 편의 기능을 넘어 보편적 설계의 관점에서 접근하는 방식이다.
기술 확장 범위는 ASL 외의 다양한 국가별 수어 지원과 수어 생성(Sign Language Generation, 텍스트나 음성을 수어 동작으로 변환하는 기술) 기능으로 넓어진다. 입력뿐만 아니라 출력 단계에서도 수어를 지원해 양방향 소통 구조를 완성하려는 계획이다. 여기에 프론티어 AI(Frontier AI, 최첨단 거대 모델) 역량을 통합해 단순 단어 변환을 넘어 복잡한 문맥과 뉘앙스까지 처리하는 고도화 작업을 진행한다. 인공지능 모델이 수어의 문법적 특성과 공간적 맥락을 깊게 이해할수록 텍스트 언어와의 간극은 더욱 좁아진다.
최종적으로는 수어를 통한 접근 방식을 디지털 환경의 표준으로 정착시켜 언어 종류와 상관없이 동일한 인터페이스 경험을 제공하는 것을 지향한다. 이는 특정 플랫폼의 기능을 넘어 운영체제 수준에서 수어 입력이 기본 사양으로 제공되는 환경을 의미한다. 수어 사용자가 별도의 변환 도구 없이도 웹사이트, 앱, 메시징 서비스 등 모든 디지털 접점에서 자유롭게 소통하는 구조를 만든다. 이러한 표준화가 이루어지면 수어는 디지털 세상에서 음성이나 문자 언어와 동일한 위상을 가진 정식 입력 수단으로 자리 잡게 된다.
다국어 수어 확장 및 생성형 AI로의 진화 계획
현재 지원하는 ASL(미국 수어) 단일 체계를 넘어 전 세계의 다양한 수어(Sign Languages)로 지원 범위를 확대한다. 국가마다 문법과 손동작 체계가 완전히 다른 수어의 특성을 반영해 각 지역 언어에 최적화된 모델을 추가 학습시키고 데이터셋을 확장한다. 이는 특정 지역에 편중된 AI 서비스의 한계를 극복하고 글로벌 표준 접근성을 확보하여 더 많은 수어 사용자가 기술의 혜택을 누리게 하는 과정이다. 지역별 수어의 미세한 차이를 학습 데이터에 정밀하게 반영해 인식 정확도를 높이는 것이 핵심이다.
입력 인식 기능을 넘어 수어 생성(Sign Language Generation, 텍스트나 음성을 수어 동작으로 변환하는 기술) 기능을 개발한다. 텍스트 데이터를 수어의 공간적 좌표와 움직임으로 변환하는 생성 파이프라인을 구축해 사용자가 입력한 정보를 다시 수어로 출력하는 양방향 소통 구조를 만든다. 단순한 인식 도구를 넘어 생성형 AI의 특성을 결합함으로써 디지털 환경에서 수어 사용자가 겪는 출력 정보의 제약을 근본적으로 제거한다.
프론티어 AI(Frontier AI, 최첨단 거대 모델)의 역량을 통합해 수어의 맥락 이해도를 높인다. 거대 모델이 가진 고도의 추론 능력을 수어의 시각적 특징 데이터와 결합해 단순한 동작 매칭을 넘어 문맥과 상황에 맞는 정교한 해석을 수행한다. 이는 텍스트 기반의 LLM(거대 언어 모델)이 가진 지식 체계를 시각적 언어인 수어로 전이시키는 고도의 엔지니어링 작업이다. 이러한 멀티모달 정렬을 통해 수어가 음성이나 문자 언어와 동등한 수준의 정보 전달력과 표현력을 갖추게 한다.
디지털 환경 전반에서 수어를 통한 접근성의 표준화를 지향한다. 웹과 앱 그리고 운영체제 인터페이스 전반에서 수어가 기본 입력 및 출력 수단으로 작동하는 환경을 구축하여 정보 접근의 격차를 줄인다. 수어 인식 AI의 상용화 수준은 단순한 모델 파라미터 확장보다 데이터 수집 단계에서 커뮤니티가 직접 참여하는 거버넌스 모델의 작동 여부에 따라 성능과 윤리적 완성도가 결정된다.
