罗盘 / 手语实时机器翻译
暗星档案 · 未点亮的星手语实时机器翻译
本条为初评草案（AI 辅助编目）：T 阶为三问初评（撬动面 × 停滞度 × 临界性），双评过 σ 门并红蓝复核后才升"已建档"。查不到的字段留空不编。点亮者会进入亮星候选流程，其贡献与星阶按 HCF 独立重评，不从暗星自动继承。
手语实时机器翻译T5 量级 · 新星
让聋人和听人交流不再需要翻译在场
暗星编号DS-0963
轴A · 可及性与成员福祉
领域ai-computing
状态初评草案 · 待双评与红蓝复核
这是什么 · 为什么难
全球数千万聋人和听障者的日常交流依赖稀缺且昂贵的人工手语翻译。2025年多个团队用深度学习+关键点追踪实现实时手语识别：一项系统用MediaPipe追踪双手21个关键点配合YOLOv11分类，在受控条件下达到98.2%准确率；挪威SINTEF、印度团队也在推进本国手语的实时转文本/语音系统；Apple机器学习研究院则在做反方向——把文本生成带非手动标记（表情/身体姿态）的手语视频。攻破意味着聋人不再需要预约翻译员即可无障碍参与教育、医疗、职场场景。
卡在哪 · 机制级卡点
现有系统多局限于受控环境和有限词汇/字母级识别，连续自然手语（含面部表情、身体姿态等非手部信息）翻译准确率骤降；手语缺乏标准书写形式导致大规模标注语料库稀缺；文本转手语生成方向的成熟度明显落后于手语转文本识别方向。
谁在攻
SINTEF(挪威·实时手语转文本/语音研究项目)；Apple机器学习研究院(手语生成方向·含面部表情等非手动标记建模)
怎么参与
参与开源手语数据集标注项目，或研究MediaPipe手部关键点追踪相关开发