Este artículo presenta un novedoso marco de identificación y detección de lenguas de señas sin entrenamiento que integra un modelo lingüístico a gran escala (LLM) para abordar la escasez de datos en la traducción de lenguas de señas. A diferencia de los enfoques existentes, este estudio extrae características globales espaciotemporales y de la forma de la mano y las compara con un diccionario de lenguas de señas a gran escala mediante distorsión temporal dinámica y similitud de coseno. El LLM realiza una interpretación léxica sensible al contexto mediante búsqueda de haz sin ajuste fino, mitigando el ruido y la ambigüedad derivados del proceso de coincidencia. Los resultados experimentales, utilizando conjuntos de datos de lenguas de señas sintéticas y reales, demuestran mejoras en la precisión y la fluidez de las oraciones en comparación con los métodos existentes.
