外企公司经常会利用视频会议与国内外各机构以及代理商进行业务交流，由于语言的障碍，造成沟通上的麻烦，虽然同声传译系统可以解决语言翻译的问题，但对于远程会议就无能为力了，因为不同的分会场需要接收不同的语言，许多分会场经常是配备语言翻译人员，这样会增加许多人力资源，而且会议的时间会增加一倍。
　　那么，怎样才能实现多语种的远程视频会议呢？
　　理论上讲，对于主会场来说，一台会议电视终端只能传输单一语种，传输几种语言，就需要在主会场配备几台视频会议终端，通过MCU同时开启多个会议，所有同一语种的视频会议终端组成一个会议，利用不同语种在同一会议中广播来实现多种语言的传输，主会场的视频会议终端被定义成A语言视频会议终端，B语言视频会议终端等依次类推，如图1。
 　　
    发言人的声音直接送给母语视频会议终端，供远端接收母语的分会场收听，同时母语传给多个议员进行翻译，翻译完的不同语种再分别送到不同语言的视频会议终端，同时发送给同声传译发射机，主会场与会者通过无线接收机选择频道来接收不同语种，从而实现远程同声传译的视频会议，如图2。
 
     普通的同声传译系统对发言人的语言类型是不进行识别的，也就是说几个议员会接收到各种母语，它只是将自己所负责的语言进行翻译。而远程同声传译系统则需要对发言者的语言进行识别，这样做的意义在于，远端母语会场只接收单一语种，不会造成多语言共存的混乱。
　　那么怎样才能实现对发言人的语言识别呢？
　　主会场的语言识别要借助于外部的中央控制系统如AMX、CRESTRON以及媒体矩阵来实现。利用AMX中央控制系统的编程来实现麦克风语言定义、麦克风开启识别、调用媒体矩阵预先存储几种模式。BOSCH手拉手的会议讨论麦克风是通过ID号来识别的，在会议前与会者就位后，要定义一下每个发言者麦克风的语种（即会场中的每只麦克风都要定义成唯一的语种），完成这种定义是通过在AMX触摸屏上实现，如图4所示，这样做的目的是当发言人激活麦克风时，系统可以识别是哪种语言，以便调用不同的媒体矩阵声音模式。
 
　　本系统对中央控制器的程序编译及媒体矩阵的设置不做详细介绍。本系统不但可以对本端会场发言人进行翻译，而且可以对分会场发言人进行翻译，可以大大节省人力资源，对于外企来讲，能够起到事倍功半的效果。