[發(fā)明專利]一種基于音視頻通訊的遠(yuǎn)程同聲傳譯的方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201810694423.6
• 申請(qǐng)日: 2018-06-29
• 公開（公告）號(hào): CN108650484A
• 公開（公告）日: 2018-10-12
• 發(fā)明（設(shè)計(jì)）人: 王語(yǔ);程國(guó)艮
• 申請(qǐng)（專利權(quán)）人: 中譯語(yǔ)通科技股份有限公司
• 主分類號(hào): H04N7/15
• 分類號(hào): H04N7/15;G10L15/30
• 代理公司: 北京睿馳通程知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11604
• 代理人: 張文平

本發(fā)明提供了一種基于音視頻云端通訊的遠(yuǎn)程同聲傳譯方法和裝置，通過(guò)會(huì)場(chǎng)話筒和攝像頭采集發(fā)言人音頻流和視頻流并存儲(chǔ)在會(huì)場(chǎng)PC端，會(huì)場(chǎng)PC端通過(guò)單向通訊將存儲(chǔ)的音頻流和視頻流上傳至音視頻云服務(wù)器進(jìn)行處理，譯員端譯員從音視頻云服務(wù)器選擇輸入語(yǔ)言直播間和輸出語(yǔ)言直播間，將存儲(chǔ)在音視頻云服務(wù)器中的第一語(yǔ)言翻譯成第二語(yǔ)言，并且可以根據(jù)視頻流提高翻譯準(zhǔn)確性，最后會(huì)場(chǎng)聽眾通過(guò)聽眾收聽設(shè)備選擇從音視頻云服務(wù)器中獲取需要收聽的語(yǔ)言。本發(fā)明的方法和裝置以音視頻云端服務(wù)器作為不同語(yǔ)言的中轉(zhuǎn)站，滿足遠(yuǎn)程同傳翻譯需求，同時(shí)現(xiàn)場(chǎng)聽眾能夠及時(shí)獲得所需的目標(biāo)語(yǔ)言。

技術(shù)領(lǐng)域

本發(fā)明屬于遠(yuǎn)程同聲傳譯領(lǐng)域，具體而言，屬于基于音視頻通訊的遠(yuǎn)程同聲傳譯領(lǐng)域。

背景技術(shù)

傳統(tǒng)的同聲傳譯需要譯員坐在會(huì)場(chǎng)同傳間，通過(guò)專用的同傳設(shè)備提供即時(shí)的翻譯服務(wù)。譯員必須到現(xiàn)場(chǎng)才能提供翻譯服務(wù)。這大大限制了翻譯服務(wù)的靈活性，特別是需要多個(gè)譯員而譯員又是異地的情況，既影響了會(huì)議的效率，又增加了翻譯服務(wù)的成本。

現(xiàn)有的遠(yuǎn)程同聲傳譯裝置，如CN201156746Y提供了一種基于寬帶互聯(lián)網(wǎng)連接譯員和會(huì)議現(xiàn)場(chǎng)的系統(tǒng)，這種方式中，如果會(huì)議現(xiàn)場(chǎng)有不同語(yǔ)種的聽眾，則要求譯員必須是基于會(huì)場(chǎng)發(fā)言人語(yǔ)種向會(huì)場(chǎng)不同語(yǔ)種聽眾的翻譯，即如會(huì)場(chǎng)發(fā)言人以法語(yǔ)發(fā)言，而聽眾有中文、德語(yǔ)、英語(yǔ)受眾，則對(duì)應(yīng)譯員應(yīng)為法中、法德、法英翻譯員，這種方式對(duì)譯員的要求更高，而且成本更大。又如CN104427294A提供了一種基于云端服務(wù)器的支持電視會(huì)議的同聲傳譯的方法和裝置，在云端，服務(wù)器將采集的音頻數(shù)據(jù)轉(zhuǎn)換為文本數(shù)據(jù)，然后根據(jù)該文本數(shù)據(jù)生成所需的另外語(yǔ)種的音頻數(shù)據(jù)并輸出，這種方式會(huì)導(dǎo)致音頻到文本再到音頻的轉(zhuǎn)換過(guò)于繁瑣。

本發(fā)明是用一套遠(yuǎn)程同傳音視頻云服務(wù)器替代傳統(tǒng)的同傳專用設(shè)備，譯員可以不到會(huì)議現(xiàn)場(chǎng)，通過(guò)互聯(lián)網(wǎng)遠(yuǎn)程方式提供同聲傳譯服務(wù)，并且滿足多語(yǔ)種的翻譯需求。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種基于音視頻云服務(wù)器的遠(yuǎn)程同聲傳譯的方法和裝置，在使用過(guò)程中借助于傳統(tǒng)的音頻流和視頻流采集設(shè)備、譯員端的作業(yè)設(shè)備以及聽眾的收聽設(shè)備，通過(guò)音視頻云服務(wù)器中設(shè)置的直播間實(shí)現(xiàn)會(huì)場(chǎng)端和譯員端，以及譯員端和譯員端的數(shù)據(jù)傳輸，從而滿足多語(yǔ)種翻譯需求。

本發(fā)明在同聲傳譯應(yīng)用場(chǎng)景中提出語(yǔ)音直播間概念的同時(shí)，將現(xiàn)場(chǎng)發(fā)言人的語(yǔ)音存儲(chǔ)在云服務(wù)器中并定義為原聲直播間，這參考了傳統(tǒng)現(xiàn)場(chǎng)同傳設(shè)備的“原聲頻道”的概念。和原聲相同語(yǔ)種的譯員選擇原聲直播間作為“輸入”，和原聲不同語(yǔ)種的譯員選擇自己語(yǔ)種的直播間作為“輸入”，通過(guò)這種設(shè)置方法，可以明顯地降低尋找目標(biāo)譯員的成本。

本發(fā)明除了將會(huì)場(chǎng)發(fā)言人的音頻遠(yuǎn)程傳遞給譯員之外，還將發(fā)言人的視頻實(shí)時(shí)傳送給譯員，譯員可以實(shí)時(shí)觀察發(fā)言人的動(dòng)作和表情，提高翻譯質(zhì)量和效率

本發(fā)明的其他特性和優(yōu)點(diǎn)將通過(guò)下面的詳細(xì)描述變得顯然，或部分地通過(guò)本發(fā)明的實(shí)踐而習(xí)得。

根據(jù)本發(fā)明的第一方面，提供了一種基于音視頻通訊的遠(yuǎn)程同聲傳譯的方法，其特征在于，該方法包括：

步驟一，通過(guò)話筒和攝像頭分別采集會(huì)場(chǎng)發(fā)言人音頻流和視頻流并傳輸?shù)綍?huì)場(chǎng)PC端系統(tǒng)；

步驟二，會(huì)場(chǎng)PC端系統(tǒng)通過(guò)網(wǎng)絡(luò)將上述音頻流和視頻流單向傳輸?shù)揭粢曨l云服務(wù)器，上述音頻流在云服務(wù)器中形成為原聲直播間，即與發(fā)言人語(yǔ)言相同的音視頻自動(dòng)存儲(chǔ)到原聲直播間，上述視頻流在云服務(wù)器中存儲(chǔ)形成為公共視頻流，可供譯員端譯員調(diào)取；

步驟三，譯員端譯員選擇原聲直播間作為輸入端，將原聲直播間中音頻流翻譯成第一語(yǔ)種音頻流輸出到音視頻云服務(wù)器中進(jìn)行存儲(chǔ)，形成為第一直播間；

步驟四，譯員端譯員選擇第一直播間作為輸入端，將第一直播間中的第一語(yǔ)種音頻流翻譯成第二語(yǔ)種音頻流輸出到音視頻云服務(wù)器中進(jìn)行存儲(chǔ)，形成為第二直播間；

步驟五，會(huì)場(chǎng)聽眾根據(jù)需要選擇原聲直播間或第一直播間或第二直播間的音頻流進(jìn)行收聽。