一种便携式多语言智能采集与翻译系统

本申请涉及语言翻译技术领域，公开了一种便携式多语言智能采集与翻译系统，包括：多模态采集模块，用于采集音频信号和视频流；环境感知与调度模块，用于评估当前环境的复杂度以动态调整计算资源；目标语音构建模块，用于确定当前发言者并提取当前发言者的目标音频流，并基于目标音频流生成语音文本；分析模块，生成视觉情境元数据；翻译模块，用于生成初步翻译结果和对应的翻译置信度得分；交互输出模块，用于进行歧义澄清以生成最终的翻译结果。本发明通过对音频信号和视频流进行视听融合，并结合视频流对人脸位置及唇动信息在多人、嘈杂的环境中确定当前发言者，消除背景噪音和其他非目标说话人的干扰，提高后续语音识别和翻译的准确性。