本实用新型提供一种多模态信息融合说话人定位装置，包括底层保护盖、旋转平台、第一麦克风阵列、摄像头、传感装置、第二麦克风阵列和顶层保护盖，旋转平台固定在底层保护盖上方，第一麦克风阵列安装在底层保护盖上，摄像头和传感装置并排固定在旋转平台一侧，第二麦克风阵列固定在顶层保护盖的底面，顶层保护盖位于旋转平台正上方，顶层保护盖上表面设有显示屏。本实用新型的有益效果：本实用新型通过第一麦克风阵列、摄像头和第二麦克风阵列以实时定位说话人的方位，并通过热成像传感器和红外测距传感器的结合，有效对说话人的水平方向角、垂直俯仰角及距离进行准确定位，同时还可有效解决传统设备无法区分真实用户和非真实用户的问题。