在视频会议中增加翻译的方法和系统

1.一种用于视频会议多点控制单元的实时音频翻译器，包括：
控制器，用于检查多个音频流并选择所述多个音频流的子集以便翻译；
多个翻译器资源，用于翻译包含在所述多个音频流的所述子集中的语音；以及翻译器资源选择器，耦连到所述控制器，用于将所述控制器选择的所述多个音频流的所述子集传递给所述多个翻译器资源以便翻译。
2.根据权利要求1所述的实时音频翻译器，其中所述多个翻译器资源包括：
多个语音至文字引擎(STTE)，每个STTE用于将在所述多个音频流的所述子集中的一个或多个音频流中的语音转换为一种或多种语言的文字；以及
多个翻译引擎(TE)，耦连至所述多个STTE，每个TE用于将文字从一种或多种语言翻译成一种或多种其他语言。
3.根据权利要求2所述的实时音频翻译器，其中所述多个翻译器资源进一步包括：
多个文字至语音引擎(TTS)，耦连至所述多个TE，每个TTS用于将一种或多种语言的文字转换为翻译后的音频流。
4.根据权利要求3所述的实时音频翻译器，进一步包括：
混合选择器，耦连到所述翻译器资源选择器，用于响应于命令选择音频流以混合至输出音频流中；
其中所述混合选择器用于从所述多个音频流的所述子集和所述多个TTS的翻译后的音频流中进行选择。
5.根据权利要求2所述的实时音频翻译器，其中所述多个STTE中的STTE用于将音频流中的语音转换为多种语言的文字。
6.根据权利要求1所述的实时音频翻译器，
其中所述多个音频流的所述子集是由所述控制器响应于所述多个音频流的所述子集的音频能量水平来选择的。
7.根据权利要求1所述的实时音频翻译器，其中所述翻译器资源选择器还用于将所述多个音频流的所述子集传输至所述多个翻译器资源。
8.根据权利要求1所述的实时音频翻译器，进一步包括：
混合选择器，耦连到所述翻译器资源选择器，用于响应于命令选择音频流以混合至输出音频流中。
9.根据权利要求8所述的实时音频翻译器，其中所述命令由所述控制器生成。
10.根据权利要求1所述的实时音频翻译器，进一步包括：
会议稿记录器，耦连到所述多个翻译器资源，并且用于记录由所述多个翻译器资源从语音转换成的文字。
11.一种多点控制单元(MCU)，用于从多个与会者接收多个输入音频流和多个输入视频流，以及将多个输出音频流和多个输出视频流发送至所述多个与会者，所述MCU包括：
网络接口，用于接收多个输入音频流和所述多个输入视频流，以及发送所述多个输出音频流和所述多个输出视频流；以及
音频模块，耦连至所述网络接口，包括：
实时翻译器模块，用于翻译包含在所述多个音频流中的至少一些音频流中的语音。
12.根据权利要求11所述的MCU，进一步包括：
菜单生成器模块，耦连至所述音频模块，用于生成与由所述实时翻译器模块翻译出的语音相对应的字幕；以及
视频模块，用于将所述多个输入视频流中的输入视频流和由所述菜单生成器模块生成的所述字幕相结合，产生所述多个输出视频流的输出视频流。
13.根据权利要求11所述的MCU，其中所述实时翻译器模块包括：
控制器，用于检查所述多个输入音频流并选择所述多个输入音频流的子集以便翻译；
多个翻译器资源，用于翻译包含在所述多个输入音频流的所述子集中的语音，包括：
多个语音至文字引擎(STTE)，每个STTE用于将在所述多个输入音频流的所述子集中的一个或多个音频流中的语音转换为一种或多种语言的文字；
多个翻译引擎(TE)，耦连至所述多个STTE，每个TE用于将文字从一种或多种语言翻译成一种或多种其他语言；以及
多个文字至语音引擎(TTS)，耦连至所述多个TE，每个TTS用于将一种或多种语言的文字转换为翻译后的音频流；以及
翻译器资源选择器，耦连至所述控制器，用于将所述控制器选择的所述多个音频流的所述子集传递给所述多个翻译器资源以便翻译。
14.根据权利要求13所述的MCU，
其中所述多个音频流的所述子集是由所述控制器响应于所述多个音频流的所述子集的音频能量水平来选择的。
15.根据权利要求13所述的MCU，其中所述多个STTE中的STTE用于将音频流中的语音转换为多种语言的文字。
16.根据权利要求13所述的MCU，其中所述翻译器资源选择器还用于将所述多个音频流的所述子集传输至所述多个翻译器资源。
17.根据权利要求13所述的MCU，进一步包括：
混合选择器，耦连到所述翻译器资源选择器，用于响应于命令选择音频流以混合至输出音频流中。
18.根据权利要求17所述的MCU，其中所述命令由所述控制器生成。
19.根据权利要求17所述的MCU，其中所述混合选择器用于从所述多个音频流的所述子集和所述多个TTS的翻译后的音频流中进行选择。
20.根据权利要求13所述的MCU，进一步包括：
会议稿记录器，耦连到所述多个翻译器资源，并且用于记录由所述多个翻译器资源从语音转换成的文字。
21.一种为视频会议中的多个与会者实时翻译音频流的方法，包括：
接收来自所述多个与会者的多个音频流；
识别从所述多个与会者中的第一与会者接收到的、将被为所述多个与会者中的第二与会者翻译的第一音频流；
将第一音频流传送到翻译资源；
生成第一音频流的翻译；以及
向第二与会者发送所述翻译。
22.根据权利要求21所述的方法，其中识别从所述多个与会者中的第一与会者接收到的、将被为所述多个与会者中的第二与会者翻译的第一音频流的动作包括：
识别第一与会者所讲的第一语言；
识别第二与会者期望的第二语言；以及
确定第一音频流是否包含将被翻译的第一语言的语音。
23.根据权利要求22所述的方法，其中识别第一与会者所讲的第一语言的动作包括：
请求第一与会者说出预定数量的词；以及
响应于第一与会者说出所述预定数量的词，自动识别第一语言。
24.根据权利要求21所述的方法，其中将第一音频流传送到翻译资源的动作包括：
将第一音频流传送到语音至文字引擎。
25.根据权利要求21所述的方法，其中生成第一音频流的翻译的动作包括：
将包含在第一音频流中的第一语言的语音转换为第一文字流；以及
将第一文字流翻译成第二语言的第二文字流。
26.根据权利要求25所述的方法，
其中，生成第一音频流的翻译的动作进一步包括：
将第二文字流转换成第二音频流，并且
其中，向第二与会者发送所述翻译的动作包括：
将第二音频流与所述多个音频流的子集混合以产生混合音频流；和
向第二与会者发送所述混合音频流。
27.根据权利要求21所述的方法，其中生成第一音频流的翻译的动作包括：
由会议稿记录器记录第一音频流的翻译。
28.根据权利要求21所述的方法，
其中生成第一音频流的翻译的动作包括：
将包含在所述音频流中的第一语言的语音转换为第一文字流；
将第一文字流翻译成第二语言的第二文字流；和
将第二语言的第二文字流转换为字幕，并且
其中向第二与会者发送所述翻译的动作包括：
将所述字幕插入视频流中；和
向第二与会者发送所述视频流和所述字幕。
29.根据权利要求21所述的方法，其中生成第一音频流的翻译的动作包括：
将第一与会者识别为主与会者；
将包含在第一音频流中的第一语言的语音转换为第一文字流；
将第一文字流翻译成第二语言的第二文字流；
将第二语言的第二文字流转换为字幕；以及
将表示第一与会者是主与会者的指示符与所述字幕相关联。

暂无