一种外语视频教学装置，包括眼部固定架、眼框体、以及耳塞体，眼框体上设置有用于播放视频背景信号的视频播放部件，耳塞体内设置有混合发声单元，混合发声单元包括播放示范语音信号的第一声音部件、接收跟读语音信号并与示范语音信号进行对比后播放差异提示信号的第二声音部件；该装置在背景示范状态下，第一声音部件和视频播放部件同时工作以模拟产生具有视频背景下的示范音；在背景学习状态下，第二声音部件和视频播放部件同时工作以接收具有视频背景下的跟读音并实时产生差异提示音。本装置适用于各种复杂环境中语言交流的外语视频教学，可在第一人称视角的虚拟现实环境中进行交流培训，提高学员环境适应能力，尤其适合同声传译的会议场景。