手語 AI 翻譯走到哪了？三家公司三條路，而台灣手語一條都不在上面
把語音翻成手語虛擬人、把手語影片自動上字幕、累積非洲手語的語料庫——2026 年的手語 AI 有三條明確路線。它們解的問題不同，卡住的地方也不同。而對台灣讀者來說，最該理解的是：為什麼這些都用不了。
一支宣導影片的右下角，有一個小方框。方框裡是手語翻譯員，正在快速比劃。
多數觀眾不會注意到那個方框。但對聾人觀眾來說，那個小小的框才是整支影片的主體——沒有它，畫面上的字幕是一段需要吃力翻譯的外文。
問題是，那個方框很貴。要請一位合格的手語翻譯員入鏡、對稿、錄影、後製，一支三分鐘的影片成本可能比拍攝本身還高。於是現實就變成：重要的影片有，一般的沒有。絕大多數的公共資訊，聾人接觸不到。
2026 年，三家公司正從三個不同方向處理這件事。
事件背景
先講清楚一個常見誤解：手語不是把中文用手比出來。
手語是完整的自然語言，有自己的詞彙、語法與語序，還有一套口語沒有的「空間語法」——用身體周圍的空間位置來指涉人物與關係。臉部表情也不是裝飾，而是承載語法功能的一部分（例如疑問句、條件句的標記）。
這代表兩件事。第一，手語翻譯是真正的語言翻譯，不是逐字轉換。第二，手語 AI 的難度遠高於一般想像——它同時是語言問題、視覺問題與動作生成問題。
而且，手語不通用。全球有超過 300 種手語，彼此不互通。台灣手語受日治時期日本手語影響，與美國手語（ASL）差異極大。
本次重點
目前的主流路線可以分成三條，代表性的公司各自不同。
路線一：語音／文字 → 手語虛擬人
代表是以色列的 VSL Labs。
它的產品線分三塊：Terra（AI 手語翻譯員，把語音或文字轉成手語動作）、OnDemand（給已有影片素材、要補手語版本的單位）、API（讓開發者把手語輸出接進自家系統與機台）。官網列出的合作對象包含 Access Israel、Drive TLV 與 SLAIT，都是以色列的無障礙與交通科技組織。
這條路線的價值在於規模化。車站廣播、ATM 操作說明、衛教影片這類標準化內容，一旦建好流程，產出成本趨近於零。
限制也很明確：虛擬人的臉部表情與情緒細節仍不及真人。而如前所述，手語的表情承載語法功能，這不是「看起來不夠生動」的美感問題，是資訊會遺失的問題。
路線二：手語影片 → 自動字幕
代表是美國的 Sign-Speak，由聾人創辦者（Deaf creators）建立，官網稱服務超過一萬名使用者。
方向反過來——不是讓聽人對聾人說話，是讓聾人已經比出來的內容被其他人看懂。主力產品 SignCaption 能讀懂美國手語影片並自動產生字幕，而且自動對時。
自動對時這件事值得多說一句。一般影片有語音軌可以當時間基準，手語影片沒有——人工對時等於要一格一格比對，成本高得離譜。把這個當賣點，是很內行的選擇。
它也做雙向轉換（ASL 轉語音、語音轉 ASL）與即時字幕，企業端有 SignCaption Enterprise 與 SignLive，並提供 API／SDK。
這條路線真正的意義在於可見度。一支沒有字幕的手語影片，對搜尋引擎來說幾乎不存在。聾人創作者的內容被索引、被非手語使用者看見，這是整個社群的能見度問題。
路線三：建立語料庫
代表是肯亞的 Signvrse，由 Elly Savatia 於 2023 年創立，核心產品 Terp 360 用 AI 3D 虛擬人把語音與文字翻成手語。
它最值得注意的不是技術，是支援非洲手語（包含肯亞手語），並累積出非洲規模最大的手語動作資料集之一。Savatia 因此獲得英國皇家工程院非洲工程創新獎的 5 萬英鎊獎金。
這條路線的啟示很直接：當國際大廠不會為你的語言投資時，語料就得自己建。
市場影響分析
對台灣使用者
殘酷的現實是：上述三家，台灣手語一家都不支援。
VSL Labs 與 Sign-Speak 以美國手語為主，Signvrse 專注非洲手語。台灣手語（TSL）的語法與詞彙自成體系，無法直接套用任何一家的模型。
這不是廠商忽視台灣，是經濟結構問題。每一種手語都要重新蒐集語料、重新訓練，而台灣的聾人人口規模不足以支撐國際廠商的投資回收。
對台灣的聾人社群來說，短期內能用的仍是即時字幕與文字溝通——那對後天失聰者夠用，對以手語為母語的人則是打了折扣的方案。
對企業應用
台灣的公部門與企業如果現在要做手語，實務上仍以真人翻譯為主。
但有一件事可以先做：資產盤點與流程準備。哪些影片是長期會用的（衛教、操作說明、法規宣導）？哪些是一次性的？前者才值得投資手語版本，而且未來如果有可用的 AI 方案，這些內容可以批次處理。
另外值得注意的是機台與即時廣播。VSL Labs 特別強調 API 化設計，能接進 ATM、售票機與資訊看板——這類場景的內容高度標準化，正是虛擬人最適合的領域。台灣的交通與醫療系統若要規劃，這是最務實的起點。
對開發者
台灣手語 AI 的機會與門檻，都在語料。
好消息是台灣有素材：公視的手語新聞累積多年、手語教育體系完整、聾人社群組織明確。壞消息是標註成本高——手語語料的標註需要既懂手語又懂語言學的人，而這樣的人很少。
另一個切入點是辨識而非生成。生成手語（讓虛擬人比得自然）技術難度極高；辨識手語（把影片轉成文字）雖然也難，但對單詞與常用句型的準確度已可用。從教學輔助、詞彙查詢這類場景切入，門檻低得多。
未來發展趨勢
第一，語料會取代模型成為護城河。 當模型架構逐漸公開，差異就回到資料。這對台灣這種「語言獨特但人口有限」的地區，反而是可以自己掌握的一塊。
第二，混合方案會是主流。 純虛擬人不夠好、純真人太貴，實際上會走向混合——標準化內容用虛擬人，重要與即時場合用真人。這跟機器翻譯與人工翻譯的關係一樣。
第三，社群參與會成為品質關鍵。 手語 AI 若沒有聾人社群深度參與，做出來的東西很可能「看起來像手語但沒人看得懂」。這不是驗收階段找幾個人來看就能解決的，得從語料蒐集就開始。
TheAI學院 總結與評語
我在準備這篇文章時，最常聽到的反應是：「手語 AI 不是已經有了嗎？」
有，但不是你的手語。這個落差很少被講清楚，而它正是台灣讀者最該理解的一件事。
評語：手語 AI 的技術問題大致有解，剩下的是經濟問題——誰願意為一種只有幾十萬人使用的語言投資。這個問題國際廠商不會替台灣回答。如果我們想要台灣手語的 AI，語料就得自己建，而且要從現在開始。
給台灣讀者的具體建議：
如果你是聾人或家屬：現階段可用的仍以即時字幕與文字工具為主。想了解手語以外的無障礙選項，可以看 AI 無障礙工具 2026 全解。
如果你在公部門或企業：先盤點哪些內容是長期資產，做好結構化的腳本與字幕。等到有可用的手語方案時，這些準備能讓你批次處理，而不是重頭來過。
如果你是研究者或開發者：台灣手語的語料建置是一個既有社會意義又有技術門檻的題目。而且它有個好處——做出來的成果，國際大廠複製不了。
資料來源
本文依公開資訊整理，各產品功能與語言支援以官方公告為準。
常見問題
手語是國際共通的嗎？
不是。手語跟口語一樣，是各地獨立發展的自然語言。美國手語（ASL）與英國手語（BSL）完全不互通，即使兩地都說英語。台灣手語受日本手語影響較深，與中國手語也有明顯差異。全球有超過 300 種手語，這也是手語 AI 難以規模化的根本原因。
手語虛擬人能取代真人翻譯員嗎？
在標準化、重複性高的內容上可以大幅降低成本——車站廣播、機台操作說明、固定衛教影片這類。但即時互動、情緒濃度高、或涉及法律與醫療判斷的場合，真人翻譯員仍難以取代。手語的臉部表情與空間運用承載大量語氣與語法資訊，目前的虛擬人還做不滿。
為什麼手語影片的自動字幕特別難？
因為沒有音軌可以對時。一般影片上字幕，至少有語音可以做時間軸對齊；手語影片只有連續的視訊動作，人工對時等於要一格一格看。這也是為什麼 Sign-Speak 會把「自動對時」當成主要賣點——不在這個領域工作過，不會知道那是最耗工的一段。
台灣什麼時候會有可用的手語 AI？
沒有明確時程，關鍵不在技術而在語料。手語 AI 的模型架構逐漸公開化，真正的門檻是高品質、有標註的台灣手語影像資料。這需要與聾人社群、手語翻譯員與教育單位長期合作蒐集，不是買授權就能解決。
