CN106340294A - 基于同步翻译的新闻直播字幕在线制作系统 - Google Patents

Abstract

本发明公开了一种基于同步翻译的新闻直播字幕在线制作系统，包括相互连接的现场采集单元和流媒体服务器，流媒体服务器分别连接语音处理单元和字幕制作单元，语音处理单元连接文字翻译单元，文字翻译单元连接字幕制作单元，字幕制作单元连接视频播放客户端，本发明通过现场采集单元采集新闻现场的音视频信息，通过语音处理单元识别语音信息，通过文字翻译单元进行翻译，通过字幕制作单元制作双语字幕，并嵌入直播视频流内同步输出，通过视频播放客户端向用户播放，实现新闻直播字幕的在线制作，对新闻内容进行实时翻译，方便来自世界各地的观众第一时间观看到新闻并理解新闻的内容，提高了新闻直播的实时性，突破了新闻直播语言的地域性。

Description

基于同步翻译的新闻直播字幕在线制作系统

技术领域

本发明属于语音识别技术领域，涉及一种新闻直播字幕在线制作系统，具体是一种基于同步翻译的新闻直播字幕在线制作系统。

背景技术

新闻直播，指不经过预先录音或者录像将事件现场情况、演播室播讲或表演同步播出的广播电视传播形式。视频新闻直播一般通过流媒体服务器向用户在线直播新闻，用户通过客户端观看视频新闻，但是，由于新闻直播是同步播出的，无法预先进行翻译，不同国家的用户因为语言问题无法快速理解新闻的内容，限制了新闻直播的地域性，若采用人工进行翻译，对翻译人员的要求很高，并且受到翻译人员翻译水平限制，很大程度影响了新闻直播的实时性。

发明内容

本发明的目的在于提供一种操作简单、使用方便的基于同步翻译的新闻直播字幕在线制作系统。

本发明的目的可以通过以下技术方案实现：

基于同步翻译的新闻直播字幕在线制作系统，包括相互连接的现场采集单元和流媒体服务器，所述的流媒体服务器分别连接语音处理单元和字幕制作单元，所述的语音处理单元连接文字翻译单元，所述的文字翻译单元连接字幕制作单元，所述的字幕制作单元连接视频播放客户端；

所述的语音处理单元包括

语音识别模块，用于对流媒体服务器输出音频流的语音进行识别，判断语言种类，生成语音识别数据；

语义理解模块，用于对语音识别模块生成的语音识别数据进行语义理解,生成语义理解数据；

以及文字转写模块，将语音识别数据和语义理解数据转写为对应的识别文字流和语义文字流；

所述的文字翻译单元包括

语言选择模块，用于选择语言种类；

和翻译模块，根据语言选择模块选择的语言种类，将文字转写模块输出的语义文字流翻译为对应语言的翻译文字流；

所述的字幕制作单元包括

信息接收模块，用于接收流媒体服务器输出的音频流和视频流，语音处理单元输出的识别文字流，以及文字翻译单元输出的翻译文字流；

字幕调整模块，用于将识别文字流和翻译文字流合并制作成双语字幕流，调整字幕的字体、颜色和大小；

字幕嵌入模块，用于将字幕流嵌入视频流内，生成带字幕的视频；

数据同步模块，用于将字幕流与视频流以及音频流进行同步输出。

进一步地，所述的现场采集单元包括

视频采集模块，采用高清摄像机，用于记录直播现场的视频图像信息的；

语音采集模块，采用高清麦克风，用于采集直播现场的语音信息；

以及声音处理模块，用于对语音采集模块采集到的语音信息进行处理，过滤语音信息中的杂音。

本发明的有益效果：本发明提供的新闻直播字幕在线制作系统，通过现场采集单元采集新闻现场的音视频信息，以流式协议输出视频流和音频流，通过语音识别单元识别音频流的语音，输出识别文字流和语义文字流，通过文字翻译单元对语义文字流进行翻译，输出翻译文字流，通过字幕制作单元制作双语字幕，并嵌入直播视频流内同步输出，通过视频播放客户端向用户播放，实现新闻直播字幕的在线制作，对新闻内容进行实时翻译，方便来自世界各地的观众第一时间观看到新闻并理解新闻的内容，提高了新闻直播的实时性，突破了新闻直播语言的地域性。

附图说明

下面结合附图和具体实施例对本发明作进一步详细描述。

图1是本发明的系统示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

如图1所示，一种基于同步翻译的新闻直播字幕在线制作系统，包括现场采集单元、流媒体服务器、语音识别单元、文字翻译单元、字幕制作单元以及视频播放客户端，现场采集单元连接流媒体服务器，流媒体服务器分别连接语音处理单元和字幕制作单元，语音处理单元连接文字翻译单元，文字翻译单元连接字幕制作单元，字幕制作单元连接视频播放客户端。

现场采集单元包括视频采集模块、语音采集模块和声音处理模块。

视频采集模块，采用高清摄像机，用于记录直播现场的视频图像信息的。

语音采集模块，采用高清麦克风，用于采集直播现场的语音信息。

声音处理模块，用于对语音采集模块采集到的语音信息进行处理，过滤语音信息中的杂音；其中，杂音指直播现场除主持人声音外的其他环境噪音。

流媒体服务器，接收到现场采集单元输出的实时音视频信号，并以流式协议(RTP/RTSP、MMS、RTMP等)进行直播，输出视频流和音频流。

语音处理单元包括语音识别模块、语义理解模块和文字转写模块。

语音识别模块，用于对流媒体服务器输出音频流的语音进行识别，判断语言种类，生成语音识别数据；其中，语言种类包括汉语、英语、日语、韩语、俄语、西班牙语、意大利语、葡萄牙语、德语、法语。

语义理解模块，用于对语音识别模块生成的语音识别数据进行语义理解,生成语义理解数据。

文字转写模块，将语音识别数据和语义理解数据转写为对应的识别文字流和语义文字流。

文字翻译单元包括语言选择模块和翻译模块。

语言选择模块，用于选择语言种类。

翻译模块，根据语言选择模块选择的语言种类，将文字转写模块输出的语义文字流翻译为对应语言的翻译文字流。

字幕制作单元包括信息接收模块、字幕调整模块、字幕嵌入模块以及数据同步模块。

信息接收模块，用于接收流媒体服务器输出的音频流和视频流，语音处理单元输出的识别文字流，以及文字翻译单元输出的翻译文字流。

字幕调整模块，用于将识别文字流和翻译文字流合并制作成双语字幕流，调整字幕的字体、颜色和大小。

字幕嵌入模块，用于将字幕流嵌入视频流内，生成带字幕的视频。

数据同步模块，用于将字幕流与视频流以及音频流进行同步输出。

视频播放客户端，用于向用户现场直播字幕制作单元输出的带字幕的新闻视频。

本发明工作流程：首先，视频采集模块记录直播现场的视频图像信息，语音采集模块采集直播现场的语音信息并通过声音处理模块过滤语音信息中的杂音，流媒体服务器接收到现场采集单元输出的实时音视频信号，并以流式协议进行直播，输出视频流和音频流。

语音识别模块对音频流的语音进行识别，判断语言种类，生成语音识别数据，语义理解模块对语音识别数据进行语义理解,生成语义理解数据，通过文字转写模块将语音识别数据和语义理解数据转写为对应的识别文字流和语义文字流。

然后，通过语言选择模块选择语言种类，翻译模块根据语言种类将语义文字流翻译为对应语言的翻译文字流；字幕调整模块将识别文字流和翻译文字流合并制作成双语字幕流，并调整字幕的字体、颜色和大小，字幕嵌入模块将字幕流嵌入视频流内，生成带字幕的视频，通过数据同步模块将字幕流与视频流以及音频流进行同步输出，再通过视频播放客户端向用户现场直播带字幕的新闻视频。

本发明提供的新闻直播字幕在线制作系统，通过现场采集单元采集新闻现场的音视频信息，以流式协议输出视频流和音频流，通过语音识别单元识别音频流的语音，输出识别文字流和语义文字流，通过文字翻译单元对语义文字流进行翻译，输出翻译文字流，通过字幕制作单元制作双语字幕，并嵌入直播视频流内同步输出，通过视频播放客户端向用户播放，实现新闻直播字幕的在线制作，对新闻内容进行实时翻译，方便来自世界各地的观众第一时间观看到新闻并理解新闻的内容，提高了新闻直播的实时性，突破了新闻直播语言的地域性。

为了描述的方便，描述以上装置时以功能分为各种单元、模块分别描述。当然，在实施本申请时可以把各单元、模块的功能在同一个或多个软件和/或硬件中实现。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施方式或者实施方式的某些部分所述的方法。

以上所描述的装置实施方式仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施方式方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

本申请可用于众多通用或专用的计算系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。

本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (2)

1.基于同步翻译的新闻直播字幕在线制作系统，其特征在于：包括相互连接的现场采集单元和流媒体服务器，所述的流媒体服务器分别连接语音处理单元和字幕制作单元，所述的语音处理单元连接文字翻译单元，所述的文字翻译单元连接字幕制作单元，所述的字幕制作单元连接视频播放客户端；

所述的语音处理单元包括

语音识别模块，用于对流媒体服务器输出音频流的语音进行识别，判断语言种类，生成语音识别数据；

语义理解模块，用于对语音识别模块生成的语音识别数据进行语义理解,生成语义理解数据；

以及文字转写模块，将语音识别数据和语义理解数据转写为对应的识别文字流和语义文字流；

所述的文字翻译单元包括

语言选择模块，用于选择语言种类；

和翻译模块，根据语言选择模块选择的语言种类，将文字转写模块输出的语义文字流翻译为对应语言的翻译文字流；

所述的字幕制作单元包括

信息接收模块，用于接收流媒体服务器输出的音频流和视频流，语音处理单元输出的识别文字流，以及文字翻译单元输出的翻译文字流；

字幕调整模块，用于将识别文字流和翻译文字流合并制作成双语字幕流，调整字幕的字体、颜色和大小；

字幕嵌入模块，用于将字幕流嵌入视频流内，生成带字幕的视频；

数据同步模块，用于将字幕流与视频流以及音频流进行同步输出。

2.根据权利要求1所述的基于同步翻译的新闻直播字幕在线制作系统，其特征在于：所述的现场采集单元包括

视频采集模块，采用高清摄像机，用于记录直播现场的视频图像信息的；

语音采集模块，采用高清麦克风，用于采集直播现场的语音信息；

以及声音处理模块，用于对语音采集模块采集到的语音信息进行处理，过滤语音信息中的杂音。