本发明涉及语言翻译，具体为一种即时语言翻译服务系统。
背景技术：
1、随着全球经济协作、国际交往的日益频繁，人们迫切需要准确、即时、方便、灵活、廉价的语言翻译工具或服务。现有语言翻译技术方案多集中在机器翻译、智能分析、语音识别、语音合成等方面，并取得了长足的发展，在单词、短语、简单文本翻译上有不错的效果，但由于人类语言的复杂性，尤其是人类语音，伴随着发音、语法、语调、语气、语速、语境等诸多因素，机器翻译要做到象人类一样自由交谈，在目前还是个世界性难题，因此相当长时间内人工翻译仍将是语言翻译的主要途径。
2、在实现发明的过程中，发明人发现现有技术中至少存在以下问题没有得到解决，使用过程中，传统的即时语言翻译服务系统在使用过程中存在翻译错误或不准确的情况导致翻译结果不符合目标语言的习惯表达方式和翻译结果缺乏连贯性和准确性，而且对于特定领域的专业术语理解和翻译存在困难，容易因主观判断处理复杂或具有多重含义的句子时出现错误。为此，需要设计新的技术方案给予解决。
技术实现思路
1、本发明的目的在于提供一种即时语言翻译服务系统，以解决当前即时语言翻译服务系统在使用过程中存在翻译错误或不准确的情况导致翻译结果不符合目标语言的习惯表达方式和翻译结果缺乏连贯性和准确性，而且对于特定领域的专业术语理解和翻译存在困难，容易因主观判断处理复杂或具有多重含义的句子时出现错误的技术问题。
2、为实现上述目的，本发明提供如下技术方案：一种即时语言翻译服务系统，包括语音识别模块、语言处理模块和语音合成模块；
3、语音识别模块：是将人类的语音输入转化为文字；
4、语言处理模块：一旦语音识别模块完成，翻译系统将识别出的文字输入到语言处理模块中进行进一步处理；
5、语音合成模块：在语言处理模块完成后，翻译系统需要通过语音合成模块将翻译结果转化为人类可以理解的语音，并且根据文字内容生成自然流畅的语音。
6、作为本发明的一种优选实施方式，所述将人类的语音输入转化为文字是将语音信号转化为数字化的声谱图，并进行语音特征提取，再经过训练的模型对提取到的语音特征进行匹配，从而确定输入语音的内容。
7、作为本发明的一种优选实施方式，所述语音识别模块的识别步骤如下：
8、首先，系统捕获语音数据；
9、接着语音数据通过声学模型单元，该模型确定了语言中音频信号和语音单位之间的关系；
10、然后经过声学模型单元处理后的数据再通过语言模型，该模型将声音与单词及单词序列进行匹配；
11、最后由系统输出转换后的文本数据。
12、作为本发明的一种优选实施方式，所述语言处理模块主要包括词法分析模块、句法分析模块和语义分析模块，在词法分析模块阶段，翻译系统将输入的文字进行分词，划分单个词语，句法分析模块过程中，确定词语之间的语法结构关系，最后，在语义分析模块阶段，对句子进行语义解析，确定句子的实际含义。
13、作为本发明的一种优选实施方式，所述语音合成模块根据文字输入确定每个音节的发音，然后将这些音节连接起来形成连续的语音流，语音合成模块基于深度学习技术的计算机算法。
14、作为本发明的一种优选实施方式，所述声学模型单元的处理步骤如下：
15、s1、通过麦克风或其他录音设备，将人类的语音转化为电信号，以供后续处理；
16、s2、分析语音信号的频率、能量、谐波等特征，提取出有用的信息，为后续的语音识别算法提供输入；
17、s3、使用大量标注的语音数据，结合机器学习算法，训练声学模型单元，建立声学特征与语音单元(如音素)之间的映射关系；
18、s4、通过对大规模语料库的训练，建立词语之间的语言概率关系，提高识别的准确性，语言模型可以帮助消除语音中的歧义，并提供更精确的识别结果；
19、s5、在解码阶段，语音识别系统使用声学模型单元和语言模型对输入的声音特征进行解码，生成最可能的文本输出，同时，还可以应用后处理技术，如错误纠正、语法校正等，对识别结果进行优化和改善。
20、作为本发明的一种优选实施方式，所述计算机算法包括：数据准备单元、模型训练单元、声学模型单元和声码器；
21、数据准备单元涉及收集大量的语音数据并进行适当的预处理，如标准化、去噪和特征提取，这些数据用于训练深度学习模型；
22、模型训练单元利用大量的语音数据来训练深度学习模型，使模型学习从文本到语音的映射关系以及语音信号中的各种复杂模式和依赖关系；
23、声学模型单元负责将输入的文本(或音素序列)转换为声学特征；
24、声码器将声学模型单元生成的声学特征转换为可播放的语音波形。
25、作为本发明的一种优选实施方式，所述声学模型单元采用的是混合高斯模型或混合拉普拉斯模型对语音信号的分布进行拟合。
26、作为本发明的一种优选实施方式，所述声码器发信端的分析器首先对话音信号进行分析，提取主要话音参数：声源特性，如声带“振动-不振动”(浊-清音)、声带振动时的基本频率；声道传输声源信号的特性。
27、与现有技术相比，本发明的有益效果如下：
28、本发明即时语言翻译服务系统在使用过程中避免了存在翻译错误或不准确的情况导致翻译结果不符合目标语言的习惯表达方式和翻译结果缺乏连贯性和准确性，而且能够防止对于特定领域的专业术语理解和翻译存在困难，不会因为主观判断处理复杂或具有多重含义的句子时出现错误,因此本发明具有括翻译质量稳定、文化差异处理容易、上下文理解容易、专业术语处理容易、主观判断明确以及准确性高等优点。
1.一种即时语言翻译服务系统，其特征在于：包括语音识别模块、语言处理模块和语音合成模块；
2.根据权利要求1所述的一种即时语言翻译服务系统，其特征在于：所述将人类的语音输入转化为文字是将语音信号转化为数字化的声谱图，并进行语音特征提取，再经过训练的模型对提取到的语音特征进行匹配，从而确定输入语音的内容。
3.根据权利要求1所述的一种即时语言翻译服务系统，其特征在于：所述语音识别模块的识别步骤如下：
4.根据权利要求1所述的一种即时语言翻译服务系统，其特征在于：所述语言处理模块主要包括词法分析模块、句法分析模块和语义分析模块，在词法分析模块阶段，翻译系统将输入的文字进行分词，划分单个词语，句法分析模块过程中，确定词语之间的语法结构关系，最后，在语义分析模块阶段，对句子进行语义解析，确定句子的实际含义。
5.根据权利要求1所述的一种即时语言翻译服务系统，其特征在于：所述语音合成模块根据文字输入确定每个音节的发音，然后将这些音节连接起来形成连续的语音流，语音合成模块基于深度学习技术的计算机算法。
6.根据权利要求1所述的一种即时语言翻译服务系统，其特征在于：所述声学模型单元的处理步骤如下：
7.根据权利要求5所述的一种即时语言翻译服务系统，其特征在于：所述计算机算法包括：数据准备单元、模型训练单元、声学模型单元和声码器；
8.根据权利要求7所述的一种即时语言翻译服务系统，其特征在于：所述声学模型单元采用的是混合高斯模型或混合拉普拉斯模型对语音信号的分布进行拟合。
9.根据权利要求7所述的一种即时语言翻译服务系统，其特征在于：所述声码器发信端的分析器首先对话音信号进行分析，提取主要话音参数：声源特性，如声带“振动-不振动”（浊-清音）、声带振动时的基本频率；声道传输声源信号的特性。
