本实用新型提供一种发言人员音频及影像追踪系统，主要设于例如一会议室的开放空间中，并包含一控制主机、一环景影像获取设备及一麦克风数组装置，其中，控制主机的一数据库预先加载数笔脸部动作特征信息，当会议室进行会议时，环景影像获取设备可依据数据库的数笔脸部动作信息辨识出会议中正在开口发言的发言者，并分析出发言者的三维空间地址信息后，透过三维空间地址信息驱动麦克风数组装置进行精准收音及排除噪音，再进一步将发言者的脸部画面特写投影至会议室的一显示屏，以供其他与会者可立即得知目前谁在发言以及可清楚聆听发言人的发言。