JP2008537856A - ビデオ編集方法およびその装置 - Google Patents

Abstract

【課題】コンピュータネットワークにおけるコンピュータビデオ編集システムおよび方法において、トランスクリプト部分のユーザ選択および順序付けが可能になるコンピュータビデオ編集システムおよび方法が開示される。
【解決手段】本システムおよび方法は、対象ビデオデータのデータストアまたは他のソース、トランスクリプションモジュールおよび組立要素を含む。トランスクリプションモジュールは、対象ソースビデオデータの対応するオーディオデータの作業トランスクリプトを作成する。作業トランスクリプトは、トランスクリプトを構成する節にごとにオリジナルのソースビデオの時間符号化を含む。組立要素によって、トランスクリプト部分のユーザ選択および順序付けが可能になる。
【選択図】 図３

Description

関連出願

本出願は、2005年3月10日出願の米国仮特許願第60/660,218号の利益を主張するものであり、この仮出願の全開示内容は、参照により本明細書に引用したものとする。

本発明は、ビデオデータから作業トランスクリプトを作成して、ビデオを編集する方法およびその装置に関する。

ビデオ作成工程の初期段階では、インタビュー場面を取得し、編集ビデオの第１原案を作成する。大まかなカットすなわち第１原案の作成は、インタビュー素材を含む作成において必要な段階である。第１原案は一般に、追加のグラフィックスまたはビデオ画像を伴わずに構成され、ストーリを創作して分かりやすく伝えることができるようにするためにのみ使用される。これは作成工程全体においてもっとも重要なステップの１つであり、またもっとも困難なものの１つである。ビデオ製作者にとって、１時間番組のための大まかなカットを完成するために、25、50、100または200時間ものソーステープを処理するのが一般的である。

大まかなカットを作成する現在の方法は断片的であり、非効率である。一部の製作者はインタビューのトランスクリプト（音声の文字を起こしたテキストデータ）を用いて作業し、スクリプトのワード処理を行い、その後ビデオ編集を実行する。他の製作者は単にソース映像を編集システムに直接移動して、編集システムでインタビュー全体をリアルタイム表示し、候補のインタビュー部分のセットを選択して、その後大まかなカットに編集する。

大まかなカットが完成すると、通常、検討のために製作責任者または法人顧客に配布される。この時に要求される修正は、多量のビデオ編集およびテキスト編集を含む。これらの修正サイクルは極めて高コストで時間を要し、時にはプロジェクト存続の可能性を危うくする。

本発明はビデオ編集のコンピュータ自動化方法および装置を提供することにより、従来技術の問題点に対処する。

好ましい実施形態では、本発明はグローバルネットワーク、例えばインターネットを介するビデオ編集サービスを提供する。したがって、いくつかの実施形態では、本発明は、ブラウザによるものであって、ウェブブラウザインタフェースを介するビデオ編集を可能にするレビューポータルを提供する。別の実施形態では、本発明は、ローカルエリアネットワーク、独立型の環境設定および他のコンピュータアーキテクチャ環境設定においてビデオ編集を提供する。

ホストコンピュータおよびホストコンピュータとの通信のために接続された複数のユーザコンピュータから構成されるコンピュータネットワークにおいて、一実施形態におけるビデオ編集方法および装置は、
（i）ホストコンピュータに対する対象ビデオデータのソースであって、ビデオデータは対応するオーディオ（音声）データを含むソースと、
（ii）対象ビデオデータをホストコンピュータから受信するように接続されたトランスクリプションモジュールと、
（iii）組立要素とを有する。

トランスクリプションモジュールは対象ビデオデータの対応するオーディオデータの作業トランスクリプトを作成し、トランスクリプト部分を対象ビデオデータのそれぞれ対応する部分に関連付ける。詳細には、作業トランスクリプトの各部分は、対象ビデオデータの対応する部分のタイミングデータを取り込む。ホストコンピュータはユーザに作業トランスクリプトの表示を（例えばネットワークを介して）提供し、表示されたトランスクリプトを通して対象ビデオデータの部分のユーザ選択を効率的に可能にする。組立要素が表示されるトランスクリプトのトランスクリプト部分のユーザ選択に応答して、それぞれ対応するビデオデータ部分を取得する。ユーザが選択した各トランスクリプト部分に対して、組立要素は、リアルタイムで、（ａ）それぞれ対応するビデオデータ部分を取得し、（ｂ）取得されたビデオデータ部分を組み合わせて、編集結果であるビデオ作品を作成し、（ｃ）編集結果であるビデオ作品のテキストスクリプトを表示する。

ユーザが表示された作業トランスクリプトと対話（コンピュータがユーザに情報（作業とトランスクリプトなど）を呈示し、ユーザがコンピュータにコマンドおよびデータを供給すること）をしている間にユーザ命令を受けると、ホストコンピュータはユーザに編集結果であるビデオ作品の表示を提供するかまたは可能にする。

対象ビデオデータは符号化され、ホストにアップロードされるかまたは転送されてもよい。

本発明の一構成によれば、オリジナルまたは最初の作業トランスクリプトが、編集結果であるテキストスクリプトおよび／または編集結果であるビデオ作品の表示と、同時に（例えば、並べて）表示されてもよい。

本発明の別の構成によれば、表示される作業トランスクリプトは一連の節から構成される。トランスクリプト部分のユーザ選択は、この一連の節の少なくともいくつか（例えば少なくとも１つ）の節をユーザが順序付けることを含む。いくつかの実施形態では、各節は、対象ビデオデータの対応する部分の少なくとも１つの開始タイムスタンプまたは終了タイムスタンプを有する。例えば、ソースメディアの経過時間が各タイムスタンプを定める。好ましい実施形態では、対象ビデオデータの部分への作業トランスクリプトの部分の関連付けはタイムコードの使用を含む。

さらに、各節は、１つまたは複数のステートメント（一文）を含む。トランスクリプト部分のユーザの選択は、節におけるステートメントのサブセットのユーザの選択を含む。このようにして、本発明によって、ユーザは節を再度定める（分割または区分する）ことができる。

独立型環境設定またはＬＡＮ形態では、トランスクリプションモジュールはネットワークの内部もしくは外部またはホストコンピュータからリモートで実行される。作成された作業トランスクリプトはホストコンピュータに通信される。その後、ユーザ対話はホストコンピュータを介して（すなわちホストコンピュータにおいて）なされる。あるいは、トランスクリプションモジュールは、独立型またはＬＡＮ環境設定に組み込まれていてもよい。

他の構成は、ナレーションに重ねられた、グラフィックス、バックグラウンドオーディオ（音楽、自然音など）および２次（またはロールＢ）ビデオの組み込みを含む。ナレーションはインタビュー場面からなり、このインタビュー場面は、文字起こしされて、上記に要約されてさらに以下に詳細に説明される本発明の原理に従った第１原案を生成するように使用されるものである。

他の実施形態によれば、本発明によって、インターネット上における、ビデオブログ、ディスカッションフォーラム（すなわち、ビデオによって強化されたディスカッションスレッド）、電子メールなどとのユーザ対話を改善できる。

本発明の前述および他の目的、特徴および利点は、添付図に示されている、本発明の好ましい実施形態の以下のより詳細な説明から明らかになるであろう。図面では、同一参照符号は異なる図面であっても同一要素を指す。図面は必ずしも縮尺どおりでなく、代わりに本発明の原理を示すことに重点が置かれている。

以下に本発明の好ましい実施形態を説明する。

図１は、本発明が実現されるコンピュータネットワークまたは同様のディジタル処理環境を示している。

クライアントのコンピュータ／デバイス（装置）５０およびサーバコンピュータ６０は、アプリケーションプログラムなどを実行する、処理装置、記憶装置および入出力装置を備える。クライアントコンピュータ／デバイス５０はまた、他のクライアントデバイス／プロセッサ５０およびサーバコンピュータ６０を含む他のコンピュータデバイスと通信ネットワーク７０を介してリンクされている。通信ネットワーク７０は、相互に通信するために、リモートアクセスネットワーク、グローバルネットワーク（例えばインターネット）、コンピュータの世界規模の集合、ローカルエリアもしくはワイドエリアネットワークおよびゲートウェイの一部であってもよい。これらのネットワークなどは、現在のところ、それぞれのプロトコル（ＴＣＰ／ＩＰ、Bluetooth他）を使用する。他の電子デバイス／コンピュータネットワークアーキテクチャも適している。

図２は、図１のコンピュータシステムにおけるコンピュータ（例えばクライアントプロセッサ／デバイス５０またはサーバコンピュータ６０）の内部構造図である。各コンピュータ５０、６０はシステムバス７９を内蔵する。このバスは、コンピュータもしくは処理システムのコンポーネント間のデータ転送のために使用されるハードウェア線のセットである。バス７９は基本的に、コンピュータシステム内の様々な構成要素（例えば、プロセッサ、ディスク記憶、メモリ、入力／出力ポート、ネットワークポートなど）を接続する共有のパイプ（ルート）であって、要素間の情報の転送を可能にする。コンピュータ５０、６０への様々な入力および出力デバイス（例えば、キーボード、マウス、ディスプレイ、プリンタ、スピーカなど）を接続するために、Ｉ／Ｏデバイスインタフェース８２がシステムバス７９に接続されている。ネットワークインタフェース８６によって、コンピュータは、ネットワーク（例えば図１のネットワーク７０）に接続された様々な他のデバイスに接続できる。メモリ９０は、本発明の実施形態を実装するために使用されるコンピュータソフトウェア命令（例えば、プログラムルーチン９２およびデータ９４、詳細は後述）に対して揮発性記憶を提供する。ディスク記憶９５は、本発明の実施形態を実装するために使用される、コンピュータソフトウェア命令９２およびデータ９４に対して不揮発性記憶を提供する。中央プロセッサユニット８４もまたシステムバス７９に接続されて、コンピュータ命令を実行する。

後に明らかにされるとおり、データ９４はソースビデオデータファイル１１および対応する作業トランスクリプトファイル１３を含む。作業トランスクリプトファイル１３は、各ビデオデータ１１のオーディオトラックのテキストトランスクリプション、つまり音声トラックを文字化してテキストデータとしたものである。ソースビデオデータ１１は、オーディオおよび画像データを含む媒体、ビデオデータを付加しないオーディオデータを含む媒体、オーディオデータおよびグラフィックス、アニメーションなどの組み合わせを含む媒体などであってもよい。

一実施形態では、プロセッサルーチン９２およびデータ９４は、本発明のシステムに対するソフトウェア命令の少なくとも一部を備える、コンピュータ可読媒体（例えば、１つまたは複数のＤＶＤ−ＲＯＭ、ＣＤ−ＲＯＭ、フロッピー（登録商標）ディスク、テープなどの取外し可能記憶媒体）を含むコンピュータプログラム製品（総称して参照符号９２で示す）である。コンピュータプログラム製品９２は、技術的に公知の、任意の適切なソフトウェアインストール手順によってインストールされる。他の実施形態では、ソフトウェア命令の少なくとも一部は、ケーブル、通信および／または無線接続を介してダウンロードされてもよい。他の実施形態では、本発明のプログラムは、伝搬媒体（例えば、電波、赤外線波、レーザー波、音波、またはインターネットもしくは他のネットワークなどのグローバルネットワークを介して伝搬される電波）の伝搬信号に埋め込まれたコンピュータプログラム伝搬信号製品１０７である。このような搬送媒体または搬送信号は、本発明のルーチン／プログラム９２に対するソフトウェア命令の少なくとも一部を備える。

別の実施形態では、伝搬信号は、アナログ搬送波または伝搬媒体上を搬送されるディジタル信号である。例えば、伝搬信号は、グローバルネットワーク（例えばインターネット）、電気通信ネットワークまたは他のネットワークを介して伝搬されるディジタル化信号であってもよい。一実施形態では、伝搬信号は、例えば数ミリ秒、数秒、数分の期間またはこれらよりも長い期間にわたりネットワークを介してパケットで送信されるソフトウェアアプリケーションの命令のような、ある期間にわたり伝搬媒体を介して転送される信号である。他の実施形態では、コンピュータプログラム製品９２のコンピュータ可読媒体は、コンピュータプログラム伝搬信号製品について上述したとおり、コンピュータシステム５０が、例えば、伝搬媒体を受信して伝搬媒体に埋め込まれた伝搬信号を識別することによって、受信して読み取ることができる、伝搬媒体である。

一実施形態では、ホストサーバコンピュータ６０は、ビデオ編集に対するポータル（サービスおよび手段）を提供し、ルーチン９２は本発明のビデオ編集システムを実装する。ユーザ（クライアントコンピュータ５０）は、インターネットのようなグローバルコンピュータネットワーク７０を介して本発明のビデオ編集ポータルにアクセスする。プログラム９２は、好ましくはホストコンピュータ６０によって実行され、ユーザが（クライアントコンピュータ５０を介して）所望のビデオデータを編集できるようにするユーザ対話式ルーチンである。図３は、グローバルコンピュータネットワーク７０の環境におけるビデオ編集サービスおよび手段についてのこのようなプログラム９２の１つを示している。他の実施形態では、ネットワーク７０はローカルエリアまたは同様のネットワークである。これを受けて、ホストコンピュータ６０はある種のサーバであり、ユーザはクライアントコンピュータ５０を介してまたは直接ホスト／サーバ６０上で対話する。

最初のステップ１００では、ユーザは、ユーザコンピュータ５０を介して、本発明のポータルすなわちホストコンピュータ６０に接続する。接続されると、ホストコンピュータ６０はセッションを初期化し、ユーザＩＤなどを確認する。

次に（ステップ１０１）、ホストコンピュータ６０は、ユーザの命令で転送された（アップロードまたは別の方法で提供された）入力すなわち対象ビデオデータ１１を受信する。対象ビデオデータ１１は、対応するオーディオデータ、マルチメディアなどを含む。応答（ステップ１０２）では、ホストコンピュータ６０は、受信されたビデオデータ１１の対応するオーディオデータを文字に起こし（transcribe）、作業トランスクリプト１３を作成する、トランスクリプションモジュール２３を使用する。受信されたオーディオデータから作業トランスクリプトを作成するのに、当技術分野では一般的である音声テキスト変換技術が利用される。このようにして、作業トランスクリプト１３は対象（ソース）ビデオデータ１１に対応するオーディオのテキストを提供する。さらに、トランスクリプションモジュール２３は、作業トランスクリプト１３の各部分とそれぞれ対応する対象ビデオデータ１１の各部分との間の、それぞれの関連付けを生成する。生成された関連付けは、リンク、ポインタ、参照または他のデータ疎結合技法として実装される。好ましい実施形態では、トランスクリプションモジュール２３は、作業トランスクリプト１３の各部分に、対象ビデオデータ１１の各部分のソース媒体トラック、フレームおよび経過時間に対応するタイムスタンプ（コード）３３を挿入する。

ホストコンピュータ６０は、ユーザコンピュータ５０を介してユーザに作業トランスクリプト１３を表示し、ユーザインタフェース２７をサポートする（ステップ１０４）。ステップ１０３では、インタフェース２７によって、ユーザは、表示される作業トランスクリプト１３を通して場面を追うことができ、オーディオテキスト（作業トランスクリプト）の所望の部分を選択できる。ユーザインタフェース２７によって、ユーザはまた、作業トランスクリプト１３の対応する部分を通して選択される（、かつその対応する部分で並べて表示される）、ソースビデオデータ１１の各部分を再生できる。これにより、オーディオ画像サンプリングおよび同時のトランスクリプト１３の閲覧がもたらされる。この閲覧は、オリジナルのビデオデータ１１のいずれの部分をカットまたは使用するのかをユーザが判断するのに役立つものである。ホストコンピュータ６０は各ユーザの選択および命令に応答し、対象ビデオデータ１１の対応する各部分を取得する（ステップ１０５）。すなわち、表示される作業トランスクリプト１３のユーザが選択した部分から、ホストコンピュータの組立要素２５が、（ステップ１０２から）以前に生成された関連付け３３を利用して、ユーザが選択したオーディオテキスト（作業トランスクリプト１３の部分）に対応するオリジナルのビデオデータ１１の各部分を判別する。

ユーザはまた、ステップ１０５において、選択された各トランスクリプト部分の順序すなわちシーケンス（順番）を指定し、対象ビデオデータ１１の対応する各部分を順序付ける。組立要素２５は、ユーザによって選択された各部分および表示された作業トランスクリプト１３の順序に対応する対象ビデオデータ１１のこのように判別された部分すべてを、順序付けて追加または結合する。対象ビデオデータの編集バージョン１５とこのビデオデータに対応するテキストスクリプト１７とが結果として得られる。

ホストコンピュータ６０は、結果として得られるビデオ作品（編集バージョン）１５つまり生成されたビデオ作品１５および対応するテキストスクリプト１７を、ユーザコンピュータ５０を介してユーザに表示（再生）する（ステップ１０８）。好ましくは、ユーザ命令を受けると、ホストコンピュータ６０は、結果として得られるビデオ作品／編集（カット）バージョン１５とオリジナルの作業トランスクリプト１３を同時に表示する。このようにして、ユーザは、オリジナルのオーディオテキストを閲覧し、さらに編集（すなわち、対象ビデオデータ１１の他の部分すなわち異なる部分、または各部分の異なる順序）が望まれるか否かを判定できる。望まれる場合、上述のようにステップ１０３、１０４、１０５、および１０８が繰り返される（ステップ１０９）。望まれない場合、処理はステップ１１０で完了する。

このようにして、本発明は、対象ソースビデオデータ１１に対応するオーディオの作業トランスクリプト１３のオンライン表示を使用して、オーディオ画像トランスクリプトに基づくビデオ編集処理を提供する。さらに、組立要素２５は、作業トランスクリプト部分に対応する、ユーザの選択および順序付け（シーケンシング）のリアルタイムでの編集／カットバージョン１５（および対応するテキストスクリプト１７）を作成する。このような、ビデオ編集に対するリアルタイムの、トランスクリプトに基づく編集方法は、従来技術には存在しない。

さらに、このようなユーザを多数、および複数の異なるソースビデオデータ１１を処理するために、ホストコンピュータ６０は図４Ａおよび４Ｂに示されているデータ構造を採用する。ソースビデオデータファイル１１は、セッション識別子４１でインデックスを付けられているかまたは参照されている。セッション識別子は例えば一意の文字列である。対応するトランスクリプトファイル１３も同一のセッション識別子４１でタグ付けされているか参照されている。トランスクリプトファイル１３は、（図４Ａの真ん中付近に両方向矢印によって示されているとおり、）作業トランスクリプトの異なる各部分からソースビデオデータ１１のそれぞれ対応する各部分へのアソシエーション（関連付け）３３（例えば、参照、ポインタまたはリンクなど）を保持する。好ましくは、作業トランスクリプト１３は一連の節（passage）３１ａ，３１ｂ，…，３１ｎから構成される。各節３１は、対応するビデオ化されるインタビュー（場面）の１つまたは複数のステートメント（一文）を含む。各節３１は、インタビュー（場面）のオリジナルのメディアキャプチャのトラック、フレームおよび／または経過時間によって、タイプスタンプ３３のインデックス付けがされている（、または時間コード化されている）。公知のタイムスタンプ技法が、トランスクリプトファイル１３の節３１と対応するソースビデオファイル１１と間の、この関連付け／相互参照に利用される。

また、各節３１は、ユーザが定義可能なシーケンス順序（１，２，３…は、一連の節の第1、第２、第３…番目を意味する）を有する。ユーザ使用に選択されない節３１には、（例えば図３のステップ１０４、１０５の間に）作業シーケンス順序が割当てられない。ユーザによって選択された節３１の順序すなわちシーケンシングが、シーケンスインジケータ３５およびリンク付けリスト４３（または他の公知の順序付け／シーケンシング技法）によって実装される。ユーザによって選択された節３１のユーザ設定または変更シーケンス順序インジケータ３５に応答して、組立要素２５は、サポートするリンク付けリスト４３を更新する。

図４ａに示されている例では、インジケータ３５ａ、３５ｂ、３５ｃにおける値が示すとおり、ソースビデオデータ１１からの節の最初の順序は、節３１ａの後に節３１ｂ、この後に節３１ｃ、…と続くものであった。したがって、最初のリンク付けリストは、リンク４３ａからリンク４３ｂに、…以下同様に形成されていた（点線で示されている）。ユーザの対話の間（図３のステップ１０３、１０４、１０５）、ユーザは、節３１ａ、３１ｂおよび３１ｎをこの順序で選択して、節３１ｃを省くことを決定する。インジケータ３５ａ、３５ｂおよび３５ｎはユーザによって選択された新しい順序（節３１ａ、３１ｂおよび３１ｎの作業の一連）を示す。組立要素２５は、リンク付けリスト４３ａ、４３ｃを調整し、これにより、ユーザが選択した第１番目の節３１ａの後に、ユーザが選択した第２番目の節３１ｂが続き（リンク４３ａ）、ユーザが選択した第３番目の節３１ｎが節３１ｂの直ぐ後に続く（リンク４３ｃ）。初期のリンク４３ｂおよび初期の第３番目の節３１ｃは事実上省かれる。その後、この編集バージョン１５を再生するようにユーザが命令すると、組立要素２５は（i）節３１ａの次に節３１ｂが続き、その次に３１ｎが続くことを示す、リンクリスト４３ａ、４３ｃに従い、（ii）それぞれのタイムスタンプ３３ａ、３３ｂを介してこれらの節についての対応するソースビデオデータ１１を取得し、（iii）この順序で（インジケータ３５を介してユーザによって定義されたとおり）取得したソースビデオデータを結合（追加）する。

さらに、ユーザは、節全体の代わりに、所望の節３１の一部のみを選択できる。ステップ１０３、１０４、１０５の間、ユーザは、対象の節３１に対応するビデオデータ１１を再生し、表示される作業トランスクリプト１３を通して節３１のテキストを目で追って読む。ビデオで見て対応するトランスクリプト節３１を読むことの間において、ユーザは、対象の節３１および対応するビデオのいずれの部分（区域またはステートメント）を望むかを決定できる。図４Ｂに示されているとおり、ユーザインタフェース２７によって、ユーザは、対応するビデオデータ１１の再生中に、対象の節３１ｂにおいて１つまたは複数の停止点３７を指定することにより、所望の細分化された部分を明示することができる。図示された例では、３つのステートメントうちの最初の２つがユーザによって有効に選択される。ここで、停止点３７は、ステートメント２の最後とステートメント３の前の間に位置している。（全体または一部の）ステートメントの他の組み合わせを選択するための他の停止点の配置も、同様に有効である。本発明のシステムは、ユーザ指定された停止点３７に対して対応するタイムスタンプ（オリジナルのビデオ媒体のトラック／フレーム／経過時間）を判別する。これにより、対象の節３１から、調整された作業節３１ｂ’すなわちユーザによって明示された作業節３１ｂ’が、有効に構成される。編集カット１５を作成するために、ユーザによって選択されて順序付けされた一連の節３１内における調整／再明示された節３１ｂ’を使用することは、図４Ａに関連して上述したとおりである。

代わりに、本発明は、ローカルエリアもしくはワイドエリアネットワークにおけるクライアントサーバアーキテクチャにおいて、またはグローバルネットワーク７０の代わりに独立型コンピュータ環境設定上で、有効に実装されてもよい。ローカルエリアネットワークまたは独立型環境設定では、ホストコンピュータ６０は、ユーザに作業トランスクリプト１３、編集／カットバージョン１５、対応するテキストスクリプト１７などの表示を提供して、本発明の動作においてユーザ対話を受信する。トランスクリプションの動作／モジュール２３はネットワークの外部の（独立型／ホストコンピュータ６０から分離され遠隔に位置する）コンピュータ上で実行され、構成された作業トランスクリプト１３は、本発明における使用のために、ホストコンピュータ６０と電子的に通信（例えば電子メールにより）される。ホストコンピュータ６０はファイルメーカーまたは同様の技法を利用して、データ記憶９４およびホスト６０のワーキングメモリへの作業トランスクリプト１３のアップロードを可能にする。このようにして、トランスクリプションサービスはトランスクリプションモジュール２３として利用されてもよい。他の実施形態では、トランスクリプションモジュール２３はホストコンピュータ６０の内蔵コンポーネントである。

他の様々な構成も、本発明のこの開示で提供された当業者の認識範囲内にある。

図５を参照して、本発明の別の実施形態１９では、ルーチン／プログラム９２はウェブアプリケーションを提供する。この実施形態では、サーバ６０は、ウェブサーバ６１、Ｊａｖａ（登録商標）アプレットサーバ６３、ＳＱＬまたは他のデータベース管理サーバ６５、ストリーミングデータ（例えばＱｕｉｃｋ Ｔｉｍｅ）サーバ６７およびＦＴＰサーバ６９を含む。クライアント５０はエンコーダ／アップローダ５３、トランスクライバ（文字起こし）５５、ウェブビューア５７およびプロデューサ／エディタ５９を含む。いくつかの実施形態では、少なくともウェブビューア５７およびプロデューサ／エディタ５９はブラウザによるものである。

エンコーダ／アップローダクライアント５３によって、ユーザは、本発明のデータベース／データストア（総称して９４）のファイル１１に現場からのインタビュー場面をディジタル化できる。ユーザは（クライアント５３を介して）ＳＱＬサーバ６５を呼び出してログオンする。クライアント５３によって、ユーザは対象ソースビデオファイル１１を符合化し、ＳＱＬサーバ６５にこのソースビデオファイル１１を記録する。これに応答して、ＳＱＬサーバ６５は、ストリーミングサーバ６７上でのファイル名およびファイルツリー位置を確定する。このストリーミングサーバ６７は、ユーザによって対象ビデオファイル１１がアップロードされるサーバである。したがって、クライアント５３は、ＳＱＬサーバ６５によって確定されるファイル名および位置を用いてストリーミングサーバ６７に対象ビデオファイル１１を転送する。

トランスクライバクライアント５５によって、ビデオファイル１１（このファイルのオーディオ部分）を文字に起こす責任を負うユーザは、本発明のシステム１９と接続できる。トランスクライバクライアント５５を介して、ユーザはＳＱＬサーバ６５にログオンして、ビデオファイル１１（特定のファイルなど）に対する許可／アクセス権を取得する。ユーザは文字起こしのために対象ビデオデータ１１を要求し、これに応答してＳＱＬサーバ６５はＱｕｉｃｋ Ｔｉｍｅ（ストリーミング）サーバ６７からクライアント５５へのデータストリームを開始する（すなわち開く）。そして次に、トランスクライバクライアント５５によって、ユーザは、（i）テキストに対象ビデオ１１（対応するオーディオ）を文字起こしし、（ii）アップローダ／エンコーダクライアント５３からストリーミングサーバ６７にアップロードされた、オリジナルのソースメディアから時間コード３３を取り込むことができる。トランスクリプション（文字起こし）および時間コード化が完了すると、ユーザ／クライアント５５は、データストア９４（ＳＱＬサーバ６５）に結果として得られたトランスクリプト１３をアップロードする。

いくつかの実施形態では、トランスクライバクライアント５５はトランスクリプションサービスである。プロデューサ／エディタクライアント５９によって、ユーザは、ＳＱＬサーバ６５にログオンして、ユーザのビデオ編集プロジェクトへの許可されたアクセスを得ることができる。プロデューサ／エディタクライアント５９によって、ユーザは、図４Ａおよび４Ｂを用いて説明したとおり、作業トランスクリプト１３の読取りおよびインタビュー場面を追うことができ、（節３１の）選択、分割および順序付けを行う。このようにして、プロデューサ／エディタクライアント５９によって、ユーザは、本発明の原理による編集カット１５および対応するテキストスクリプト１７を作成および閲覧できる。（すなわち、対応する作業トランスクリプト１３を通して、ならびに、得られたテキストスクリプト１７に選択されたすべての節３１を移動すること、および対応する編集ビデオカット１５を閲覧することのリアルタイムのユーザ命令を通して、ユーザはテキストスクリプト１７を作成および閲覧できる。）ストリーミングサーバ６７は、クライアント５９に、ユーザが決定した順序で、ユーザによって選択された各節３１のストリーミングビデオデータ１１を供給する。ＳＱＬサーバ６５は、ストリーミングサーバ６７の動作を管理する。この管理には、該当のビデオデータのデータベース位置を判別することが含まれ、このビデオデータが編集カット１５の表示をサポートする。

さらに、クライアント５９は、アプリケーションのファイル管理および制御をプロジェクトのコンテクスト内に留めることを指示するプラットフォームを使用する。例えば、一実施形態では、プロデューサ／エディタクライアント５９は自動的に”Ｐｈｏｔｏｓｈｏｐ”のような写真または画像の閲覧アプリケーションを開く。これによりユーザは、編集カット１５に対する画像をトリミング（切取り）または編集できる。オーディオアプリケーションおよびアニメーションアプリケーションが同様に、編集カット１５に関して制御される。さらに、クライアント５９によって、ユーザは、ファイル名またはファイル位置を指定することを（ユーザが）必要とせずに、グラフィックスおよび各サーバ６９、６１に対して関連付けられたウェブグラフィックスを展開およびアップロードできる。その代わり、ＳＱＬサーバ６５は、技術的に公知な技術もしくは一般的な技術を使用して、プロジェクトごとにファイルの出入りのチェックを管理する。クライアント５９のユーザがこれらおよび他の２次アプリケーションのそれぞれを利用する際には、ファイル名、コンテンツおよびワークフローは所与のプロジェクトのコンテクスト内で解釈（定義および適用）される。

好ましい実施形態の別の構成では、音楽もしくは自然の音、自然のシーンなどのバックグラウンドオーディオ／ビデオが、シーン閲覧のＰｏｗｅｒＰｏｉｎｔスタイルおよびユーザ定義された関連付けを使用して、作業編集カット１５に加えられる。バックグラウンドオーディオの場合には、作業トランスクリプト１３は、例えばナレーションのテキストトランスクリプションであり、バックグラウンドオーディオはビデオ画像（すなわちバックグラウンドビデオ）の対応するオーディオである。１つの例は音楽学校の作品である。演奏している演奏者のビデオクリップ（すなわち、ピアノ音楽を含むオーディオ（音）および演奏中のピアニストを表示するビデオ）が現場で撮影される。音楽学校内または音楽学校外でのインタビューもまた取り込まれ（少なくともオーディオソースデータとして）、このインタビューは音楽学校を説明するナレーションを提供する。インタビュー／ナレーションは、対象作品の主オーディオとして使用され、ナレーションのテキストは作業トランスクリプト１３に文字起こしされる。ユーザがバックグラウンドオーディオおよびビデオに演奏家の場面を再生させながら、クライアント５９を介して、ユーザはインタビューのトランスクリプト１３を閲覧することができ、その結果ナレーションの流れを編集することができる。このようにして、ナレーションはバックグラウンドオーディオおよびビデオ（演奏者の演奏中のビデオクリップ）に重ねられ、対象の編集ビデオカット１５を提供する。

ウェブビューアクライアント５７によって、ユーザ、例えば編集カット１５がその人用に作成されている顧客は、ウェブサーバ６１にログオンすることができ、プロジェクトへの許可されたアクセスを取得できる。ウェブサーバ６１による許可の後、ウェブビューアクライアント５７のユーザはプロジェクトの原案すなわち編集カット１５を選択および閲覧できる。このような閲覧の間、ウェブビューアクライアント５７は対応する作業トランスクリプト１３、編集／原案カット１５に対応する結果として得られたスクリプト１７および関連付けられたグラフィックスを表示する。オリジナルのソースビデオデータ１１もユーザ命令で閲覧可能である。ＳＱＬサーバ６５はストリーミングサーバ６７を管理し、ウェブビューアクライアント５７にストリーミングビデオデータを提供して、編集／原案カット１５および／またはオリジナルのソースビデオデータ１１の表示をサポートする。さらに、ウェブビューアクライアント５７のユーザは、ＦＴＰサーバ６９にグラフィックスおよびドキュメント（ステートメント）をアップロードできる。好ましい実施形態では、ユーザがコメントを入力し、対象プロジェクトの他の共同制作者のコメントを検閲できるようにするユーザインタフェースをウェブビューアクライアント５７が提供する。ウェブサーバ６１とＳＱＬサーバ６５間の通信は、Ｊａｖａサーバアプレット６３または同様の技術的に公知の技術によってサポートされる。

他の実施形態では、本発明は、グローバルコンピュータネットワーク（例えばインターネット）における、ビデオブログ、電子メール、ビデオによって強化されたディスカッションスレッドおよび同様のフォーラムに適用されてもよい。例えば、エンコーダ／アップローダ５３はローカル（ローカルコンピュータ５０に存在し、インターネットを介して接続される）またはリモート（ホストコンピュータ５０、６０のシステム内に存在する）である。

トランスクライバクライアント５５はローカルであるか、またはホストコンピュータのシステム内に遠隔的に存在している。好ましくは、トランスクライバクライアント５５は、米国仮特許出願第60/714,950号に（譲受人によって）開示されているとおり、音声認識モジュールおよびテキスト−ビデオマッピングと組み合わせられている。この出願の内容は参照により本明細書に引用したものとする。

プロデューサ／エディタクライアント５９はウェブブラウザによるものである。「プロデューサ／エディタ」クライアントは「ウェブエディタ」クライアントである。

ウェブビューアクライアント５７もまたウェブブラウザによるものであり、基本的に「プロデューサ／エディタ」クライアント５９の「閲覧」コンポーネントである。ウェブビューア５７およびプロデューサ／エディタクライアント５９を合わせて、「ウェブエディタ／ビューア」クライアント５７、５９と称されてもよい。

この実施形態では、ホストコンピュータ６０はポータルを開き、このポータルは、上述のコンポーネント（エンコーダ／アップローダ５３、トランスクライバクライアント５５、ウェブエディタ／ビューア５７、５９）へのアクセスを含む。

ポータルは、転送されたディジタル化オーディオおよびビデオメディア１１を受信する。先に指定されたメディアソースに加えて、ローカルコンピュータ５０に接続されたウェブカメラが、（1）ローカルに位置して、ホストコンピュータ６０に符号化メディアファイルを送信するエンコーダ／アップローダアプレット、または（2）リモートサーバに位置して、メディアファイルを作成してホストコンピュータ６０上にファイルを格納する符号化コンポーネント、のいずれかに信号を供給する。

次に、トランスクライバクライアント５５がホストのメディアファイルへのアクセスを受信し、他の実施形態において先に説明されたとおり、ソースメディアファイルの時間コードによってリンク付けされたメディアファイルに対応する作業トランスクリプト１３を作成する。

ウェブエディタ／ビューア５７、５９は、図３〜５に示したとおり、作業トランスクリプト１３のビデオセグメントおよび対応する節３１を表示する。さらに、メディアファイルおよびその対応する作業トランスクリプト１３の部分から派生したセグメントデータは、図５における、クライアント、プロジェクト、トピックなどに類似して系統立てられているが、この実施形態では、レベル1、レベル1.1、レベル1.1.1と示されている。図６ａ、６ｂは実例である。

ウェブによるユーザインタフェースコンポーネントは、オーディオおよびビデオストリーミングメディアならびに対応するテキストスクリプト１７を含むセグメントデータを並び替えて、最終的に表示する。

ポータル内に表示されるメディアファイルについてのセグメントデータは、ユーザ（ビューア）編集され、別の実施形態において先に説明された他のセグメントデータと共に順番に配置され、またリアルタイム再生モードでアクセスされる。ウェブ中心の（web-centric）実装において、このシーケンス（順番）は、「スレッド」に類似する。ここで、リアルタイム再生は図６Ａおよび６Ｂに示されたものと同様の構造に沿ったフローを対象とし、さらに、スレッド展開を追跡するか、または主スレッドに戻ることを、リアルタイムでユーザが演出する（つまり指定する）。図６Ａはユーザが演出した展開スレッドの再生を示すのに対して、図６Ｂは再生または主スレッドへの復帰を示している。

本発明は、好ましい実施形態に関して図示され、説明されているが、当業者であれば、形態および細部における様々な変更は、添付の特許請求の範囲に包含される本発明の範囲から逸脱することなく実施可能であることは理解されるであろう
う。

本発明の実施形態を実現できる、コンピュータネットワーク環境の概略図である。 図１のネットワークのノードの１つからのコンピュータのブロック図である。 本発明の実施形態のフロー図である。 図３の実施形態の１つをサポートするデータ構造の概略図である。 図３の実施形態の１つをサポートするデータ構造の概略図である。 本発明のウェブアプリケーション実施形態の概略図である。 本発明のグローバルコンピュータネットワークのディスカッションフォーラムのアプリケーションの概略図である。 本発明のグローバルコンピュータネットワークのディスカッションフォーラムのアプリケーションの概略図である。

符号の説明

１１ ビデオデータ
１３ 作業トランスクリプト
５０ ユーザコンピュータ
６０ ホストコンピュータ

Claims (29)

1. ホストコンピュータおよびこのホストコンピュータと通信するように接続された複数のユーザコンピュータから構成されたコンピュータネットワークにおけるビデオ編集装置であって、
   前記ホストコンピュータの対象ビデオデータのソースであって、前記ビデオデータは対応するオーディオデータを含む、対象ビデオデータのソースと、
   前記ホストコンピュータから前記対象ビデオデータを受信するように接続されたトランスクリプションモジュールであって、このトランスクリプションモジュールは前記対象ビデオデータの対応するオーディオデータの作業トランスクリプトを作成し、この作業トランスクリプトの各部分を前記対象ビデオデータのそれぞれ対応する部分に関連付け、前記ホストコンピュータは、前記作業トランスクリプトの表示をユーザに提供し、前記表示された作業トランスクリプトを通じて前記対象ビデオデータの各部分の効率的なユーザ選択を可能にする、トランスクリプションモジュールと、
   前記表示された作業トランスクリプトのトランスクリプト部分のユーザ選択に応答し、ユーザによって選択された各トランスクリプト部分にそれぞれ対応するビデオデータ部分を取得する組立要素であって、リアルタイムに、（i）前記それぞれ対応するビデオデータ部分を取得して、（ii）前記取得されたビデオデータ部分を組み合わせて、対応するテキストスクリプトを有するビデオ作品を作成する、組立要素とを備え、
   前記ホストコンピュータが、前記表示される作業トランスクリプトとのユーザの対話中にユーザ命令を受けると、前記ユーザに前記ビデオ作品のリアルタイム表示を提供する、ビデオ編集装置。
2. 請求項１において、前記ホストコンピュータが、前記作業トランスクリプトの表示と前記ビデオ作品の前記テキストスクリプトの表示との任意の組み合わせと同時に、前記ビデオ作品を表示する、ビデオ編集装置。
3. 請求項１において、前記コンピュータネットワークがグローバルネットワークである、ビデオ編集装置。
4. 請求項１において、前記ホストコンピュータが、前記ビデオ作品を他のユーザに対して表示を可能にする、ビデオ編集装置。
5. 請求項１において、前記表示される作業トランスクリプトが一連の節から構成され、
   トランスクリプト部分のユーザ選択は、前記一連の節の少なくともいくつかのユーザによる順序付けを含む、ビデオ編集装置。
6. 請求項５において、各節は１つまたは複数のステートメントを有し、トランスクリプト部分のユーザ選択はある節におけるステートメントのサブセットのユーザ選択を含む、ビデオ編集装置。
7. 請求項５において、各節は、対象ビデオデータの対応部分の開始時間コードおよび終了時間コードのうちの少なくとも１つを有する、ビデオ編集装置。
8. 請求項１において、前記表示された作業トランスクリプトを通じて前記対象ビデオデータの各部分の効率的なユーザ選択を可能にする前記ホストコンピュータは、ユーザによって選択される部分のユーザ順序付けを可能にすることを含む、ビデオ編集装置。
9. 請求項１において、前記コンピュータネットワークがローカルエリアネットワークである、ビデオ編集装置。
10. 請求項９において、前記トランスクリプションモジュールが、前記ローカルエリアネットワークの外部のコンピュータで実行されるが、前記ホストコンピュータと通信し、
    前記作業トランスクリプトの表示および前記表示された作業トランスクリプトとのユーザの対話は前記ホストコンピュータを介してなされる、ビデオ編集装置。
11. 請求項１において、対象ビデオデータの前記ソースは、コンピュータネットワークによる、ビデオブログ、電子メール、ビデオによって強化されたユーザディスカッションスレッドおよびユーザフォーラムのいずれかである、ビデオ編集装置。
12. ホストコンピュータおよび前記ホストコンピュータと通信するように接続された複数のユーザコンピュータから構成されたコンピュータネットワークにおけるビデオ編集方法であって、
    前記ホストコンピュータにおける対象ビデオデータを受信する工程であって、前記ビデオデータは対応するオーディオデータを含む工程と、
    前記対応するオーディオデータの作業トランスクリプトを作成するように前記受信された対象ビデオデータを文字起こしする工程と、
    前記作業トランスクリプトの各部分を前記対象ビデオデータのそれぞれ対応する部分に関連付ける工程と、
    ユーザに対して前記作業トランスクリプトを表示し、前記表示された作業トランスクリプトを通じて前記対象ビデオデータの各部分のユーザ選択を可能にする工程であって、前記ユーザ選択が前記対象ビデオデータの各部分の順序付けを含む工程と、
    前記表示された作業トランスクリプトからユーザによって選択された各トランスクリプト部分に対して、リアルタイムに、（i）前記それぞれ対応するビデオデータ部分を取得し、（ii）前記取得されたビデオデータ部分を組み合わせて、対応するテキストスクリプトを有するビデオ作品を作成する工程と、
    前記表示される作業トランスクリプトとのユーザの対話中にユーザ命令を受けると、前記ユーザにビデオ作品の表示を提供する工程とを備えた、ビデオ編集方法。
13. 請求項１２において、表示を提供する前記工程が、前記ビデオ作品、前記テキストスクリプトおよび前記作業トランスクリプトの任意の組み合わせをユーザに対して同時に表示することを含む、ビデオ編集方法。
14. 請求項１２において、前記コンピュータネットワークがグローバルネットワークである、ビデオ編集方法。
15. 請求項１２において、さらに、他のユーザに対して前記ビデオ作品の表示を可能にする工程を備えた、ビデオ編集方法。
16. 請求項１２において、前記表示される作業トランスクリプトは一連の節から構成され、
    トランスクリプト部分のユーザ選択は、前記一連の節の少なくともいくつかのユーザによる順序付けを含む、ビデオ編集方法。
17. 請求項１６において、各節は１つまたは複数のステートメントを有し、トランスクリプト部分のユーザ選択はある節におけるステートメントのサブセットのユーザ選択を含む、ビデオ編集方法。
18. 請求項１６において、さらに、対象ビデオデータの対応部分の開始時間コードおよび終了時間コードの少なくとも１つを有する各節を提供する工程を備えた、ビデオ編集方法。
19. 請求項１２において、さらに、グラフィックス、画像、アニメーションおよび付加的なオーディオの任意の組み合わせを前記ビデオ作品に組み込む工程を備えた、ビデオ編集方法。
20. 請求項１２において、前記文字起こし工程が、１つまたは複数のトランスクリプションジョブを取得するように前記ホストにトランスクライバユーザを接続することを含み、このトランスクライバユーザは、（i）ホストの許可により対象ビデオデータにアクセスし、（ii）前記作業トランスクリプトを作成する、ビデオ編集方法。
21. 請求項１２において、前記コンピュータネットワークがローカルエリアネットワークである、ビデオ編集方法。
22. 請求項２１において、前記文字起こし工程が、前記ローカルエリアネットワークの外部のコンピュータで実行され、前記作業トランスクリプトは前記ホストコンピュータと電気的通信を行う、ビデオ編集方法。
23. 請求項１２において、対象ビデオデータを受信する前記工程が、コンピュータネットワークによる、ビデオブログ、電子メール、ビデオによって強化されたユーザディスカッションスレッドおよびユーザフォーラムのいずれかからのビデオデータを含む、ビデオ編集方法。
24. ビデオ編集のコンピュータシステムであって、
    対象ビデオデータを受信する手段であって、この対象ビデオデータが対応するオーディオデータを含む手段と、
    前記対象ビデオデータの前記対応するオーディオデータを文字起こしする手段であって、前記対応するオーディオデータの作業トランスクリプトを作成し、前記作業トランスクリプトの各部分を前記対象ビデオデータのそれぞれの対応する各部分に関連付ける手段と、
    ユーザに対して前記作業トランスクリプトを表示し、前記表示された作業トランスクリプトを通じて前記対象ビデオデータの各部分のユーザ選択を可能にする手段であって、前記表示された作業トランスクリプトからユーザによって選択されたトランスクリプトの部分に対して、リアルタイムに、（i）前記それぞれ対応するビデオデータ部分を取得し、（ii）前記取得されたビデオデータ部分を組み合わせて、ビデオ作品を作成し、（iii）前記表示された作業トランスクリプトとのユーザの対話中にユーザ命令を受けると、前記ユーザにビデオ作品を表示することを含む、手段とを備えたコンピュータシステム。
25. 請求項２４において、前記表示される作業トランスクリプトは一連の節から構成され、各節は１つまたは複数のステートメントを有し、
    トランスクリプト部分のユーザ選択は、前記一連の節の少なくともいくつかのユーザ順序付けおよび／またはある節におけるステートメントのサブセットのユーザ選択を含む、コンピュータシステム。
26. 請求項２４において、前記ビデオ作品が対応するテキストスクリプトを含む、コンピュータシステム。
27. 請求項２４において、前記文字起こし手段が、前記表示手段から遠隔に位置する、コンピュータシステム。
28. 請求項２４において、前記対象ビデオデータは、コンピュータネットワークによる、ビデオブログ、電子メール、ユーザディスカッションスレッドおよびユーザフォーラムのいずれかからのビデオデータを含む、コンピュータシステム。
29. ビデオ編集のコンピュータによる方法であって、
    ユーザコンピュータにおいて対象ビデオデータを受信する工程であって、前記ビデオデータが対応するオーディオデータを含む工程と、
    前記対応するオーディオデータの作業トランスクリプトを構成するように前記受信された対象ビデオデータを文字起こしする工程と、
    前記ユーザコンピュータにおいて、前記作業トランスクリプトの各部分を前記対象ビデオデータのそれぞれの対応する部分に関連付ける工程と、
    ユーザに対して前記作業トランスクリプトを表示し、前記表示された作業トランスクリプトを通じて前記対象ビデオデータの各部分のユーザ選択を可能にする工程であって、前記ユーザ選択が前記対象ビデオデータの各部分の順序付けを含む工程と、
    前記表示された作業トランスクリプトから各ユーザによって選択されたトランスクリプト部分に対して、リアルタイムに、（i）前記それぞれ対応するビデオデータ部分を取得し、（ii）前記取得されたビデオデータ部分を組み合わせて、対応するテキストスクリプトを有するビデオ作品を作成する工程と、
    前記表示される作業トランスクリプトとのユーザの対話中にユーザ命令を受けると、前記ユーザにビデオ作品の表示を提供する工程とを備えたビデオ編集のコンピュータによる方法。
    

Images