Rylo מקבלת מחשוב מ־NVIDIA — תרגום שפת סימנים עדיין בשלב המחקר

ב־21 באוקטובר 2026, לפי דיווח CTech, Rylo הישראלית, שפעלה בעבר בשם Nagish, הציגה שיתוף פעולה עם NVIDIA: גישה למחשב־העל שלה לצורך אימון מודלים גדולים ומהירים יותר לתרגום שפת סימנים בזמן אמת. זו תשתית למחקר, ועדיין לא הושק מתורגמן אוטומטי. לצד המהלך הציגה החברה את Rylo Desktop, אפליקציה נפרדת לכתוביות חיות בשיחות וידאו; בדיווח על ההשקה תוארה זמינות ראשונית כבטא פרטית וחינמית למחשבי Mac בארה״ב.

ההישג שהודגם בתחום הסימון הוא יצירת וידאו רציף של אדם מסמן, ולא שיחה שתורגמה לשני הכיוונים. ב פוסט המחקר של Rylo מופיעה הדגמה בת 15 דקות, וד״ר עמית מוריאוסף, ראש המחקר בחברה, מבהיר את הפער במשפט: “But computing power alone is not enough.” כדי לתרגם שיחה, מערכת צריכה להבין את משמעות התנועות של אדם אחד, להעבירן לשפה מדוברת או כתובה, ולהפיק תשובה מובנת בסימון ובקצב שיחה. רציפות של סרטון בודקת רק חלק מהשרשרת הזאת.

מה NVIDIA מספקת לצוות המחקר

המשאב החדש הוא כוח חישוב לאימון, עם גישה למחשב־על של NVIDIA. המטרה היא לאמן מודלים שיוכלו להתמודד עם וידאו של שפת סימנים ולהגיב במהירות הדרושה לשיחה. המחקר מתאר אימון של ייצוג וידאו המבוסס על Cosmos Tokenizer ושל מודל ליצירת המשך וידאו; תהליך האימון נעזר גם ב־NVIDIA NeMo Megatron Bridge. מדובר בכלי פיתוח ובמשאב מחשוב, ולא ביכולת תרגום המתווספת אוטומטית לאפליקציית הכתוביות.

נקודת המוצא היא שווידאו של סימון מכיל מידע רב שאינו נחוץ להבנת המשפט, אך פרטים קטנים בגוף דווקא קובעים משמעות. צורת כף היד, הבעות הפנים, תנועת הגוף והתזמון צריכים להישמר גם כאשר מקטינים את הייצוג שהמודל מעבד. אם דוחסים את התמונה כך שהאצבעות מטושטשות, או מדלגים על חלק מהתנועה כדי לחסוך מקום, אפשר לקבל קובץ יעיל יותר ולאבד מידע לשוני. לכן גודל הקובץ או דמיון חזותי לתמונה המקורית אינם מבחן מספיק לתרגום.

את המחקר מוביל מוריאוסף, מייסד sign.mt, שנרכשה בידי Rylo פחות משנה לפני ההכרזה. החיבור הזה מסביר מדוע חברה שהתמקדה במוצרי נגישות לשיחות טלפון מפתחת כעת גם ייצוג לווידאו של שפת סימנים. הרכישה צירפה אליה צוות עם מומחיות בתחום; שיתוף הפעולה החדש מרחיב את יכולת האימון שלו. בין רכישת צוות, אימון מודל והעמדת שירות מתפקד למשתמשים יש עדיין שלבים נפרדים.

היכן עומדות היכולות שהוצגו

שלוש יכולות שונות מופיעות תחת שמה של Rylo, ולכל אחת מהן תפקיד ומצב התקדמות אחר:

• תרגום שפת סימנים בשיחה: יעד מחקרי של הבנת אדם מסמן והפקת מענה שאדם אחר יבין. הגישה למחשוב נועדה לקדם את אימון המודלים הדרושים לכך. לא הוצגה מערכת תרגום דו־כיוונית שניתן להפעיל בפגישה.
• יצירת וידאו של אדם מסמן: הדגמת מחקר שבה המודל ממשיך רצף תנועות ומפיק תמונות לאורך זמן. היא מלמדת על רציפות היצירה ועל קצב ההפקה, אך אינה מודדת אם המשפט שנוצר נאמן למשמעות של שיחה קודמת.
• Rylo Desktop: אפליקציה שמציגה כתוביות לדיבור שנשמע בשיחת וידאו ומאפשרת להקליד תגובה שתושמע בקול. זו יכולת נגישות מסוג אחר: הקלט שלה הוא דיבור, והפלט המרכזי שלה הוא טקסט, לא פירוש תנועות ידיים.

ההבחנה אינה סמנטית בלבד. אדם המשתמש בשפת סימנים עשוי להזדקק לכך שהמערכת תבין את מה שהוא מסמן מול המצלמה, בעוד משתתף אחר עשוי להזדקק לכתוביות של דיבור הנאמר בפגישה. אפליקציה שכתוביותיה מועילות למשתתף השני אינה פותרת בהכרח את הצורך של הראשון. באותה מידה, וידאו שמציג דמות מסמנת אינו מעיד כשלעצמו שהמערכת הבינה את הדברים שנאמרו לה.

מה אפשר ללמוד מהדגמת הווידאו

Rylo מחלקת את ייצוג הווידאו למידע רציף על מראה האדם וליחידות בדידות המתארות את המשך הסרטון. מודל שפה מנבא את היחידות הבאות, ומפענח הופך אותן לתמונות. המבנה הזה מאפשר להתחיל להציג את תחילת הרצף בזמן שהמשך התנועה עוד נוצר, ולהמשיך מעבר לאורך קליפ שנקבע מראש. זהו מנגנון חשוב לשיחה עתידית, משום שמשתתפים אינם יכולים להמתין עד שכל התשובה החזותית תושלם לפני שהם רואים את תחילתה.

בהדגמה נשמרים מאפייני האדם המסמן, כגון פנים ולבוש, לאורך המשך התנועה. עם זאת, פרטי הידיים והמרקם עדיין דורשים שיפור, והצוות עובד עם אנשים ששפת הסימנים היא שפתם כדי לבחון אם הסימון מובן. דיוק חזותי של פנים או רקע אינו שקול לשמירה על צורת אצבע שמשנה משמעות. לכן המבחן המהותי של המערכת יהיה הבנת מסר והעברת מענה ברור, ולא רק משך הרצף שהיא מסוגלת להפיק.

גם בדיקות הדחיסה המוצגות במחקר מוגבלות לקטעי הדגמה בתנאים מסוימים. הן מראות מה נשמר ומה אובד כאשר מחליפים ייצוג וידאו, ומסבירות למה הצוות פיתח שיטה שמפרידה בין מראה קבוע לתנועה משתנה. הן אינן תוצאת ניסוי בשיחה חיה עם משתמשים. הפער הזה חשוב במיוחד משום שסימון הוא שפה: אפשר לשמור על תנועה חלקה ועדיין להחסיר הבעת פנים, תזמון או פרט ביד שהצופה זקוק להם כדי להבין את המשפט.

Rylo Desktop וגבולות הזמינות

האפליקציה השולחנית מטפלת בדיבור בפגישות שכבר מתקיימות ב־Zoom, ב־Google Meet וב־Microsoft Teams. דף Rylo Desktop מציג כתוביות חיות, אפשרות להקליד תשובה שתוקרא בקול, וקישור להורדה; הוא מציין תמיכה במחשבי Mac ו־Windows ובתמלול עברית. האפליקציה פועלת לצד תוכנת הפגישה, כך שאין צורך לצרף משתתף אוטומטי לשיחה רק כדי להציג את הכתוביות. אלה תכונות של מוצר כתוביות לדיבור, ולא של מודל המחקר לתרגום סימון.

תיאור ההשקה כבטא פרטית למק בארה״ב ודף המוצר המציג הורדה ותמיכה רחבה יותר משקפים מידע שונה על זמינות אותה אפליקציה. דף המוצר אינו מפרט מועד לפתיחה בישראל, ולכן הקישור להורדה אינו מוכיח שכל משתמש בארץ יכול להפעיל אותה. התמיכה המוצהרת בעברית נוגעת לזיהוי דיבור ולכתוביות; היא אינה הודעה על תמיכה בשפת הסימנים הישראלית. לקורא בישראל זו ההבחנה המעשית בין שירות כתוביות שהחברה מציגה לבין מתורגמן שפת סימנים שנמצא עדיין בפיתוח.

הנתון הבא שיכול לשנות את מעמדו של מחקר הסימון יהיה תוצאה של בדיקה עם מסמנים בשיחה שלמה: האם המערכת מזהה את המסר, מעבירה אותו לטקסט או לדיבור, ומחזירה סימון שמובן לצד השני בזמן המתאים. תוצאות כאלה יראו אם ההתקדמות ביצירת הווידאו עוברת גם למלאכת התרגום עצמה.

קראו גם:

• GPT-Live יכול לפעול באמצע משפט — ההחלטה עדיין אינה הפעולה
• Dots של OpenAI עובדים בין השיחות — ההשקה עדיין מוגבלת
• BloomX גייסה 13 מיליון דולר — היבול עדיין נמדד בנתוני החברה