多人对话语音实时翻译方法、装置、设备及存储介质

摘要

本申请实施例属于语音处理技术领域，涉及一种多人对话语音实时翻译方法、装置、计算机设备及存储介质，其中方法包括：接收待翻译的对话语音，将所述对话语音输入到预设的语音分离模型进行语音分离，得到N个子音频；将所述子音频通过ASR算法进行语音识别，得到所述子音频对应的文本；将所述子音频对应的文本输入到预设的翻译引擎进行翻译，得到所述子音频对应的目标语言翻译结果。对话语音包含多个人声，使AI实时翻译的应用场景可扩大到日常的交流、会议；其次，先对分离的子音频进行语音识别，获得对应的文本，再以文本为基准进行目标语言的转换，不会出现漏翻的情况，且相对与直接使用音频进行目标语言的转换，处理起来更简便更准确。