10:37arXiv cs.LG@Chandranath Adak, Ramesh Nandipalli该研究提出两阶段深度学习流水线:先用微调后的VideoMAE视频Transformer将手语视频片段分类为英文标签(在AI4Bharat印度手语数据集的13类子集上达到99%训练精度和78%验证精度),再用Meta的NLLB-200模型将英文标签翻译为印地语、泰卢固语和孟加拉语。实验使用13类197个片段、80-20分割,15个epoch后完成训练,并通过混淆矩阵揭示主要失败模式(如ugly/deaf/blind等形容词混淆)。研究还提供了Streamlit演示入口,支持用户上传视频并输出预测标签及三种方言翻译。论文代码已开源。论文VideoMAENLLB-200AI4Bharat手语识别跨语言翻译推荐理由:想了解手语识别和低资源语言翻译怎么落地?这篇用VideoMAE+NLLB-200直接搭了个两阶段流水线,13类测试精度78%,还带Streamlit演示和代码。原文
23:18Google DeepMind@GoogleDeepMind精选Google DeepMind 推出了 Gemini 3.5 Live Translate,一个专为快速跨语言交流设计的音频模型。该模型支持实时翻译,覆盖包括英语、西班牙语和中文在内的多种语言。在测试中,Gemini 3.5 Live Translate 在语音翻译基准上相比前代 Gemini 3.0 提升了 20% 的准确率。它能够无缝处理对话中的语言切换,延迟低于 200 毫秒。AI模型Gemini 3.5 Live TranslateGoogle DeepMind音频模型跨语言翻译推荐理由:谷歌出了个超快语音翻译模型原文