直播线上实时翻译和流式字幕技术实践与应用
直播线上实时翻译和流式字幕技术，区别于传统的线下翻译+字幕叠加硬件设备，创新性的采用云线上实时翻译+流式字幕叠加，通过API的方式实现直播视音频分离、音频转码、语音识别及转文本、文本翻译、自动审核、字幕返回等功能，并最终将流式字幕叠加到直播源流中，语音识别、转写及翻译准确率预计可达90%以上，并拥有自动校正功能，在保证字幕效果的情况下，极大的节省了使用成本，且系统支持动态扩缩容，便捷高效。
技术实现原理是将直播流进行音频流剥离，利用AI语音能力将直播流中的音频流进行实时识别、转写，同时进行多语言翻译及内容审核，过滤敏感内容，保障内容的安全合规，最终将识别的原语言和翻译语言以实时字幕的方式叠加到直播流中，让用户可以在观看直播画面、声音的同时可以获取文字维度的信息，极大的提升用户的观看体验。
模块组成：
业务实现流程：
技术优势：
实践过程中遇到的难点：
技术应用场景：
该技术可以广泛的应用于电商、会展、融媒、教育等领域，比如在电商领域，可以帮助企业聚焦直播带货出海业务场景，通过云端实时翻译+多语言字幕的技术手段，降低海外地区用户的观看门槛，提升直播观看量，从而提升商品购买转化率和GMV；在会展行业，可以完美替代同传和线下硬件设备，大大降低会展直播成本。
技术实践：
该技术在2021年相继应用于服贸会、亚欧商品贸易博览会、商洽会等国际性展会项目中，具体效果通过下面的视频来展示：
评论