[发明专利]用于多用户语音会议记录标记的语音翻译系统与方法

说明书

本发明提出用于多用户语音会议记录标记的语音翻译系统与方法。所述翻译系统包括：第一翻译子系统，将用户的实时语音输入翻译为目标语种的第一语音翻译结果；语音文本识别子系统，将用户的实时语音输入转化为第一文本识别结果，并将第一文本识别结果作为会议记录的一部分保存；第二翻译子系统，包括多个第二文本翻译引擎，对于每个第一语音翻译结果，生成多个第二文本翻译结果；第三翻译标记子系统，基于所述第二翻译子系统生成的多个第二文本翻译结果，判断是否要在所述会议记录的所述第一文本识别结果上生成标记文本。本发明还公开一种会议记录文件标记方法以及基于所述系统实现的语音翻译方法。

技术领域

本发明属于语音智能翻译技术领域，尤其涉及一种用于多用户语音会议记录标记的语音翻译系统与方法。

背景技术

人工智能翻译的出现和发展为翻译行业带来了巨大的变革。但是，人类的语言具有极大的复杂性和多样性，加上在不同的翻译环境下，演讲者的表达方式，翻译主题的专业性、现场声量和噪音干扰等因素都会影响翻译的质量，在多语种/多用户的环境中尤其如此。

在解决不同母语背景的人群间的准确沟通鸿沟与障碍问题上，语言翻译人员都能起到重要的作用。但该服务由于人员成本的限制只有少数人可获得。例如，联合国等国际组织支付自由译员每天超过600美元的费用。因此人工翻译服务只有少数人群可享受。

基于语音实时翻译技术，在一般日常交流情境中，能帮助不同母语背景的人群间进行语言互通。例如，微软推出的一款名为Skype Translator的语音实时翻译的软件，可打破人与人之间沟通壁垒，消除人因无法跟外界环境沟通而造成的孤独感，帮助人们轻松跨语言交谈。

例如，中国发明专利申请CN202010849563.3提供一种对话翻译方法，包括：在检测到移动终端与第一可穿戴设备通信连接后，根据控制指令确定第一语音采集方式或第二语音采集方式；响应于第一语音采集方式，采集当前场景中的语音数据，并获取语音数据对应的翻译数据，以将翻译数据发送到第一可穿戴设备；响应于第二语音采集方式，接收与移动终端通信连接的第二可穿戴设备采集的当前场景中的语音数据，并获取语音数据对应的翻译数据，以将翻译数据发送到第一可穿戴设备。该发明能够使用户能够根据当前对话场景更加灵活地选择对话翻译的模式，在降低相关设备的功耗的同时，提高对话翻译的效率以及准确率。

然而，在特定场景下，例如多语种语音会议场合，目前的机器翻译模型难以与人工媲美。在多语种语音会议场合的重要会议，更是需要记录准确的语音原文，同时避免实时机器口语翻译产生的歧义甚至错误。

然而，目前而言，在多人多语种语音场景下，除了需要机器翻译的参与外，往往还需要人工翻译对机译内容进行校验审核，从而降低了实用效率。

发明内容

为解决上述技术问题，本发明提出一种用于多用户语音会议记录标记的语音翻译系统与方法。所述翻译系统包括：第一翻译子系统，将用户的实时语音输入翻译为目标语种的第一语音翻译结果；语音文本识别子系统，将用户的实时语音输入转化为第一文本识别结果，并将第一文本识别结果作为会议记录的一部分保存；第二翻译子系统，包括多个第二文本翻译引擎，对于每个第一语音翻译结果，生成多个第二文本翻译结果；第三翻译标记子系统，基于所述第二翻译子系统生成的多个第二文本翻译结果，判断是否要在所述会议记录的所述第一文本识别结果上生成标记文本。

本发明还公开一种会议记录文件标记方法以及基于所述系统实现的语音翻译方法。

具体来说，在本发明的第一个方面，提供一种用于多用户语音会议记录标记的语音翻译系统，所述翻译系统包括第一翻译子系统、第二翻译子系统以及第三翻译标记子系统；

所述第一翻译子系统将用户的实时语音输入翻译为目标语种的第一语音翻译结果，并将所述第一语音翻译结果广播给所述语音会议的所有用户以及所述第二翻译子系统；

作为改进，所述翻译系统还包括语音文本识别子系统；