本项目实现了一个完整的手语识别流程： 从手语视频帧中提取手部关键点序列，训练 Transformer 分类模型，并通过网页实时调用摄像头完成在线识别与文字输出。 离线特征提取：使用 MediaPipe Hands 将每帧图像转换为关键点向量（最多双手，126 维/帧）。 模型训练 ...

At the current stage, the repository is best understood as a set of independently runnable modules rather than a single one-click integrated product. It is recommended to choose a target scenario ...