Talksign 已推出 Talksign Marketplace，这是一个平台，聋人社区、研究人员、机构和公司可以在此贡献、标注、许可并获取高质量手语数据集。该公司将这一新平台定位为构建真正服务聋人的人工智能所必需的基础设施层。

此次发布直面 AI 发展中的长期缺口。现代人工智能可以起草复杂代码、生成照片级真实视频，并在毫秒内翻译口语，但在理解数以亿计人群的自然交流方面却根本失灵。障碍并不是算力或算法复杂度，而是结构化、可许可数据的严重缺乏。

领先的语音模型依赖数十年抓取来的开放网络音频进行训练，而多模态手语数据的基础设施却几乎不存在。公开可用的大多数手语语料库规模都很小，录制环境也局限于无菌式的摄影棚，并且只包含少数几位手语者。当开发者将这些狭窄数据集强行输入机器学习模型时，产品在现实世界中必然会失效，在地区方言、自然手语节奏，以及用于表达强度或提出疑问所需的复杂面部语法方面表现不佳。

Talksign 创始人兼首席执行官 Edidiong Ekong 在接受 Technext 独家声明时表示：“今天我们推出 Talksign Marketplace，这是一个让聋人社区、研究人员、机构和公司能够贡献、标注、许可并访问高质量手语数据集的地方。它是每一次认真尝试构建真正服务聋人的 AI 时所缺失的基础设施层，也是我们必须自己构建起来的那一块，才能继续构建其他一切。

对于全球科技行业，尤其是非洲人工智能生态而言，这一发布不仅仅是一个无障碍工具。它也是一个商业和伦理框架，用于说明我们如何解决 AI 中低资源语言的问题，”他补充道。

缺口的规模

根据世界卫生组织的数据，全球有超过 430 million 人正在经历致残性听力损失——WHO 预计到 2050 年这一数字将超过 700 million——这些人群依赖于 200 到 300 种有记录的手语。尽管规模如此之大，手语在当前的机器学习浪潮中却完全没有被代表。

手语是完整的自然语言，具有独特的形态学和句法，同时通过手、面部、上半身和空间环境进行表达。它们之间也彼此无法互通——例如 American Sign Language 和 British Sign Language 尽管两国都使用英语口语，但两者在根本上不同——因此并不存在某种单一、通用的“手语”可供模型掌握。要构建能够理解手语的 AI，必须解决一个真正困难的多模态计算问题，模型需要实时跨多个视觉通道进行推理。

训练此类模型所需的数据确实存在，但高度分散。它们要么被锁在没有商业许可路径的大学档案中，要么仍掌握在独立聋人组织手里，而这些组织从未获得过分享数据的经济激励。

Marketplace 如何运作

Talksign 的市场围绕四个核心支柱运作，旨在实现手语数据的商业化和标准化：

Contribute： 独立手语者和聋人组织可以提交录制的视频数据，并获得直接经济补偿。

Annotate： 原始视频会通过 gloss 标注、姿态提取和语言标注被大幅处理成训练数据。Talksign 将这项付费工作直接交给流利手语者，而不是外包给非母语工作人员。

Licence： 买家将获得机器可读的许可条款和清晰的来源记录，这解决了企业 AI 构建者面临的重大合规难题。

Access： 初创公司和研究人员可以从单一中心评估并获取跨多种方言和录制环境的多样化数据集。

非洲 AI 的蓝图

对于非洲的开发者和创始人而言，Talksign 所解决的底层问题会显得非常熟悉。非洲大陆拥有数千种口语和手语，包括 Nigerian Sign Language (NSL)，它们都面临同样的数据稀缺问题，从而被排除在全球 AI 经济之外。世界聋人联合会估计，全球约 7000 万聋人中超过 80% 生活在发展中国家，这一分布使非洲等地区在构建具有代表性的手语数据方面具有举足轻重的地位。

非洲技术人员为 Hausa、Yoruba 或 Swahili 等语言构建自然语言处理工具时，往往都会撞上数据壁垒。Talksign 框架为本地创始人如何以合乎伦理的方式聚合并变现低资源语言数据提供了一个有说服力的蓝图。通过建立一个向母语者和手语者支付报酬的透明市场，开发者可以绕开学术数据收集那种缓慢、依赖资助的路径，并建立稳健的、可商业化的数据语料库。

同意、验证与生物识别数据

科技行业与边缘化社区之间的历史关系在很大程度上是掠夺性的：数据被抓取，模型被训练，而提供原始材料的社区却一无所获。

手语数据还带来额外挑战。由于它本质上属于生物识别数据，会采集一个人的面部和身体，因此不能像文本那样匿名化。它也处在个人数据最严格监管的层级：例如，欧盟 GDPR 将用于识别个人的生物识别数据归类为需要明确同意的“特殊类别”，而欧盟 AI Act 还为生物识别系统施加了进一步规则。Talksign 推出了一个开放验证门户直接应对这一问题。该系统将每个数据集追溯到其来源和许可条款，确保同意与肖像权可审计。买家可以在将数据接入其管道之前，验证手语者的流利程度以及标注的准确性。

概念验证

Talksign 表示，这套基础设施源于其自身内部开发过程中遇到的障碍，并将其专有模型作为概念验证。Palm 1.0 是一款 speech-to-sign 模型，据称语义准确率达到 84.2%，延迟约为 29 milliseconds。其 sign-to-speech 对应模型 Echo 1.0，据称在 30 frames per second 下达到 0.927 Structural Similarity Index。

不只是字幕

Talksign 认为，字幕只是无障碍的较差替代方案，因为它是完全单向的。要让聋人用户以原生方式与技术交流，就必须将手语视为主要语言形式。通过让手语数据拥有真实的商业价值，并补偿创造这些数据的社区，Talksign 正在为更公平的 AI 基础设施奠定基础。

这正是更广泛科技生态系统迫切需要采纳的结构性思维。

另请阅读：TalkSign：Edidiong Ekong 最初只是想和朋友交流；如今他正用 AI 架起沉默之间的桥梁 Marketplace 现已上线。如果你持有手语数据并希望上架，如果你是希望参与贡献或标注的手语者或组织，或者你正在构建需要许可的多模态手语数据的产品，Talksign 欢迎你联系他们。你可以在这里注册： sales@talksign.co 。