前段时间，我一直在做一个叫 SignBridge 的项目。
它是一个浏览器插件。用户打开视频后，插件会读取网页字幕，或者识别当前视频播放的声音，再通过一个浮在网页上的 3D 虚拟人，把识别到的内容转换成手语动作。
现在回头看，这个项目最初的想法其实很简单：
我们每天都在看视频，但并不是每个人都能平等地获取视频里的信息。
这件事听起来离普通人很远，真正开始做以后，我才发现，它比我想象中复杂得多，也比我原来理解的更有意义。
1. 为什么要做 SignBridge
现在的视频平台已经成为很多人获取信息的主要方式。
新闻、课程、生活经验、产品教程、娱乐内容，甚至政务和公共服务，都在越来越多地通过视频传播。
对大部分人来说，打开视频、听声音、理解内容，是一件很自然的事情。但对于聋人和听障人士来说，情况并没有这么简单。
有人可能会说：
视频不是有字幕吗？
但字幕并不能解决所有问题。
第一，不是所有视频都有字幕。
很多普通视频、直播、短视频和临时录制的内容都没有完整字幕。有些字幕依赖自动识别，错误比较多；有些只有零散文字，无法完整表达说话内容。
第二，字幕和手语并不是一回事。
对于一部分聋人来说，手语是他们更熟悉、更自然的语言。书面中文和中国手语在表达方式、语序和理解习惯上并不完全相同。
我们不能简单地认为，只要放上一行文字，无障碍问题就已经解决了。
第三，即使有字幕，观看体验也可能并不好。
字幕可能太快、太小，和视频背景混在一起，也可能被弹幕、播放器按钮或广告遮挡。对于长视频、课程和复杂内容，仅靠追逐字幕阅读，理解成本依然很高。
正是因为这些问题，我开始思考：
能不能让一个虚拟手语翻译员出现在网页上，跟着视频内容做手语？
它不需要每个视频网站单独开发，也不局限于某一个平台。只要安装浏览器插件，就能在不同网站上使用。
这就是 SignBridge 最早的出发点。
2. 我原以为只是“让虚拟人动起来”
刚开始做的时候，我把问题想得太简单了。
我以为整个过程大概是：
- 识别字幕或者声音；
- 找到对应的手语动作；
- 让虚拟人把动作播放出来。
但真正开始之后，我发现每一步下面都有很多问题。
最早的虚拟人确实动了，但动作方向完全不对。
有时候手臂伸到背后，有时候双手举到头顶，有时候手臂直接穿过身体。看起来是在做动作，实际上根本无法表达正确含义。
后来换了新的虚拟人模型，又遇到了纹理丢失、人物变形、骨骼名称不同、手指方向错误等问题。
最麻烦的是，人的动作不是简单地把一只手从一个位置移动到另一个位置。
肩膀、上臂、肘部、手腕和手指是连在一起的。只要其中一个关节方向判断错误，最后呈现出来的动作就可能完全相反。
尤其是手语。
普通角色动画里，手指细微的偏差可能不容易被注意。但在手语中，手形、掌心方向、动作位置和运动轨迹都有可能影响含义。
这意味着，虚拟人“动起来”只是第一步。
真正困难的是让它动得准确、自然，并且能够被理解。
3. 最难的不是写代码，而是不断推翻错误认知
这个项目开发过程中，我经历了很多次反复。
有些问题看起来已经修好了，刷新网页后又出现了。
有时候修改手掌方向，却影响了手臂位置；修复了虚拟人的大小，又发现窗口不能拖动；解决了字幕输入，声音识别又无法使用。
最让我印象深刻的是手势方向。
模型里的“前、后、左、右”，不一定和我们看到的人物方向一致。不同虚拟人的初始姿势和骨骼结构也可能不同。
同样一个旋转数值，放在不同模型上，可能得到完全不同的动作。
最开始，我采用不断修改参数、刷新页面、观察结果的方式调试。后来发现，这种方式工作量很大，也很容易重复犯错。
一个动作即使偶然调对了，也不代表下一次还能复用。
于是我开始重新整理整个方案：
- 记录虚拟人的初始姿势；
- 统一主要骨骼的名称和方向；
- 把手形和手臂动作分开管理；
- 建立动作编辑和录制工具；
- 为每个动作保存可以重复使用的数据；
- 让插件和动作编辑器使用同一套动作规则；
- 增加测试，避免修复一个问题后破坏另一个功能。
这个过程让我意识到，开发无障碍产品不能只追求“能运行”。
如果一个普通功能偶尔出错，用户可能只是觉得不好用。但如果一个手语动作表达了相反的意思，它带来的就不只是体验问题，还可能是信息错误。
所以，这个项目越往后做，我越不敢轻易说它已经完成。
4. SignBridge 现在能做什么
目前，SignBridge 已经可以作为 Chrome 浏览器扩展运行。
安装后，它会在视频网页上显示一个可拖动的虚拟人窗口。
用户可以选择两种内容来源：
第一种：读取网页字幕
如果视频本身提供字幕，SignBridge 会读取字幕内容，并播放词库中已经收录和验证过的手语动作。
第二种：识别当前标签页的声音
如果视频没有字幕，用户可以选择识别视频正在播放的声音。
这里识别的是当前网页标签页的音频，不是电脑麦克风。项目支持浏览器本地识别，也预留了云端识别服务的配置方式。
为了保护隐私，用户可以选择让声音识别尽量在自己的浏览器中完成。
除此之外，项目中还加入了：
- 姿势编辑器；
- 动作录制工具；
- 手语动作词库；
- 虚拟人模型适配；
- 动作调试与记录功能；
- 多视频网站字幕识别；
- 项目帮助和贡献文档。
不过，我也必须坦诚说明：
SignBridge 目前还不是一个可以准确翻译所有中文内容的完整手语翻译系统。
现阶段，它采用的是经过人工整理和确认的动作词库。遇到已经收录的词语，虚拟人可以播放对应动作；遇到没有收录的内容，则需要继续扩充词库和翻译规则。
我宁愿承认它目前的边界，也不希望用一个看似丰富、实际上可能错误的动作冒充正确翻译。
5. 为什么决定开源
开发到一定阶段后，我越来越清楚地意识到：
这个项目很难只靠一个人完成。
手语不是简单的动作集合。
一个动作是否准确，需要懂中国手语的人确认；一个虚拟人是否自然，需要动画和 3D 模型方面的经验；字幕识别、声音识别、浏览器兼容和无障碍体验，也需要不同领域的人参与。
如果项目一直只放在自己的电脑里，它能覆盖的内容永远非常有限。
所以，我决定把 SignBridge 开源。
开源并不代表项目已经成熟。相反，开源是因为它还有很多需要完善的地方。
我希望未来可以有更多人参与：
- 聋人和手语使用者帮助判断动作是否准确；
- 手语教师帮助建立可靠的词汇和句子；
- 动画设计者帮助改善动作的连贯性；
- 3D 开发者帮助适配更自然、更轻量的虚拟人；
- 开发者帮助支持更多视频网站和浏览器；
- 普通用户帮助发现真实使用场景中的问题。
这个项目真正需要的，不只是更多代码，而是更多真实经验。
6. 开发这个项目后，我对“无障碍”有了新的理解
以前提到无障碍，我容易把它理解成某个额外功能。
比如增加字幕、放大文字、提供语音提示，或者增加一个辅助按钮。
现在我更愿意把无障碍理解为：
一个产品有没有把不同用户真正放进设计范围里。
很多障碍并不是来自人的身体条件，而是来自产品只按照一种使用方式设计。
如果视频只有声音，没有字幕或手语，那么问题不在于用户“听不见”，而在于信息只提供了一种入口。
如果一个网站必须依赖鼠标操作，那么问题也不在于用户“不能使用鼠标”，而在于产品没有提供键盘或辅助设备入口。
技术无法立刻解决所有问题，但它至少可以多搭一座桥。
SignBridge 这个名字，也是从这里来的。
它不是为了代替专业手语翻译员，也不是想用虚拟人解决所有沟通问题。
我更希望它成为一座桥：
让原本只有声音的视频，多一种被理解的方式；让更多开发者意识到，视频无障碍不应该只是播放器下面的一行字幕。
7. 后面准备怎么继续完善
接下来，SignBridge 会重点完善几个方向。
扩充经过验证的手语词库
词汇数量不是唯一目标。
相比快速增加大量动作，我更希望每个动作都能被检查、修正和重复验证。
改进连续表达
目前很多动作仍然以词语为单位播放。后续需要优化动作之间的衔接，让虚拟人的表达更连贯，而不是一个动作结束后再机械地切换到下一个动作。
完善手指和面部表达
手语不只依赖手臂。
手形、掌心方向、身体姿态和面部表情都可能承担信息。未来需要逐步完善这些细节。
支持更多网站和使用场景
SignBridge 的目标不是只服务某一个视频网站。
课程网站、新闻页面、直播平台和其他包含视频的网页，都可能是它的使用场景。
建立更可靠的社区协作方式
后续会进一步完善动作提交规范、测试流程和贡献文档，让参与者能够更容易地添加动作、报告问题并验证结果。
8. 写在最后
SignBridge 现在仍然是一个早期项目。
它会犯错，词库还不够大，动作也需要继续修正。但它至少已经从一个想法，变成了一个可以安装、可以运行、可以继续共同完善的开源项目。
开发过程中，我遇到了很多次“明明已经修好，为什么又坏了”的时刻。
我也曾经怀疑，这个问题是不是比想象中复杂太多。
但当虚拟人第一次根据视频内容做出动作时，我仍然觉得，这件事值得继续做下去。
不是因为虚拟人动了。
而是因为它意味着，一段原本只能通过声音理解的内容，开始有机会通过另一种语言被看见。
项目已经发布在 GitHub：
如果你是聋人、手语使用者、手语教师、动画设计者或开发者，欢迎提出建议，也欢迎参与项目。
SignBridge 还不完整。
但开源以后，它不必只依靠一个人完成。
