JP2010081141A

JP2010081141A - 字幕放送システム及び字幕放送方法

Info

Publication number: JP2010081141A
Application number: JP2008245265A
Authority: JP
Inventors: Akira Kamimura; 明上村; Hidehiko Kikuchi; 秀彦菊地; Yasuo Yoshizawa; 康雄吉澤; Hisaaki Suzuki; 寿晃鈴木; Yuichi Suzuki; 祐一鈴木
Original assignee: Nippon Television Network Corp
Current assignee: Nippon Television Network Corp
Priority date: 2008-09-25
Filing date: 2008-09-25
Publication date: 2010-04-08
Anticipated expiration: 2028-09-25
Also published as: JP5274179B2

Abstract

【課題】字幕放送システムにおいて、映像・音声と字幕との時間的なずれを減少させる字幕放送システム及び字幕放送方法を提供すること。
【解決手段】字幕データのＰＴＳの値を、データのうち最もエンコードに時間がかかるデータのエンコード時間と、字幕データのエンコード時間との差分時間分、少なくとも減算して設定する字幕ＰＴＳ設定手段を有することを特徴とする字幕放送システムである。
【選択図】図１

Description

本発明は、字幕放送システム及び字幕放送方法に関する。

近年、ニュースなどの生のテレビ番組では、聴覚障害者向けサービスとして字幕を放送することが増えている。この「生」の字幕放送（「生字幕放送」、「リアルタイム字幕放送」）では、時として映像に対して字幕が数秒〜数十秒遅れて放送され、視聴者が違和感を覚えることがある。これは、生の音声より、字幕データを作成するので、時間的に字幕データが映像・音声に対して遅れてしまうからである。

このような字幕遅延を補償する手法が例えば特許文献１に提案されている。

ところで、デジタル放送では、地上アナログ放送と異なり字幕（文字）重畳映像は映像信号に、重畳するように挿入されない。そして、字幕データのパケット（ＰＥＳ）は、映像信号チャネルとは別の字幕データとしてで伝送される。受信した映像情報と字幕データとの表示は同期しなければならない。

この字幕と映像が対応して表示されるよう、字幕放送信号には、シーン（画面、フレーム等）毎に対応する映像信号、音声、字幕の間のタイミング調整を行うためにＰＴＳ（ＰｒｅｓｅｎｔａｔｉｏｎＴｉｍｅＳｔａｍｐ）が用いられる。

例えば、ＰＴＳについて模式的に説明すれば、例えば、ある特定のシーン（例えば、シーン「１」、それに続くシーン「２」とする。）に対して、映像信号、音声信号、字幕データのパケットに、それぞれ、ＰＴＳとして、シーン「１」についてＰＴＳ−Ｖ１、ＰＴＳ−Ａ１、ＰＴＳ−Ｃ１、シーン「２」には、ＰＴＳ−Ｖ２、ＰＴＳ−Ａ２、ＰＴＳ−Ｃ２が付与されるとする。受信側では、各シーンに対応して、各信号のＰＴＳの添字「１」、「２」が一組になるように各信号が揃って出力され、モニタ等に表示される。
特開２００４−２１５０３３号公報

しかしながら、上述したリアルタイム字幕放送のような、生の映像・音声から字幕データを作成する場合には、映像に対して字幕が遅れて表示されることには変わらず、字幕放送に対して視聴者が違和感を覚えていた。

そこで、本発明は上記課題に鑑みて発明されたものであって、その目的は、字幕放送システムにおいて、映像・音声と字幕との時間的なずれを減少させる字幕放送システム及び字幕放送方法を提供することにある。

上記課題を解決する本発明は、字幕データのＰＴＳの値を、データのうち最もエンコードに時間がかかるデータのエンコード時間と、字幕データのエンコード時間との差分時間分、少なくとも減算して設定する字幕ＰＴＳ設定手段を有することを特徴とする字幕放送システムである。

また、上記課題を解決する本発明は、字幕データのＰＴＳの値を、データのうち最もエンコードに時間がかかるデータのエンコード時間と、字幕データのエンコード時間との差分時間少なくとも減算して設定することを特徴とする字幕放送方法である。

本発明は、字幕放送システムにおいて、映像・音声と字幕との時間的なずれを減少させることができる。

本発明の実施の形態を説明する。

デジタル放送においては、「映像・音声」と「字幕」とでは、エンコードにかかる時間に差があり、「映像・音声」は、通常、エンコードに最も時間がかかる。そこで、本発明の実施の形態では、「映像・音声」のエンコードにかかる時間と、「字幕」のエンコードにかかる時間との差分時間を字幕データのＰＴＳ（ＰｒｅｓｅｎｔａｔｉｏｎＴｉｍｅＳｔａｍｐ）の値に反映し、リアルタイム字幕における表示タイミングの遅れを吸収する。

図１は本実施の形態における字幕放送システムのブロック図である。

まず、映像・音声データは字幕作成装置１に入力され、映像・音声データによる映像、音声をモニタし、この映像・音声に基づいて、オペレータがテキストを字幕作成装置１に打ち込み、字幕データが作成される。

続いて、字幕作成装置１は、作成されたた字幕データ（テキストや、書式情報）をＨＤ−ＳＤＩ信号（映像・音声）のＡＮＣ(Ａｎｃｉｌｌａｒｙ)領域に格納する。このとき、字幕データと共に、エンコーダ２による映像・音声データのエンコードにかかる時間とエンコーダ２による字幕データのエンコードにかかる時間との差分時間をオフセット値としてＨＤ−ＳＤＩ信号のＡＮＣ(Ａｎｃｉｌｌａｒｙ)領域に格納する。尚、差分時間であるが、エンコーダ２による映像・音声データのエンコード時間と字幕データのエンコード時間とを予め計測しておき、これらの差分時間をオフセット値として記憶しておく。

エンコーダ２は、映像・音声データにＰＴＳ値を付してエンコードする。また、その映像・音声データのＡＮＣ領域に格納されている字幕データ及びオフセット値を取り出し、映像・音声データに付されたＰＴＳ値からオフセット値を減算した値（ＰＴＳ値−オフセット値）を、字幕データのＰＴＳ値として付与し、字幕データをエンコードする。

このように構成することにより、テレビ受信機では、ＰＴＳ値をもとに、映像、音声及び字幕の表示タイミングを決定するので、音声と字幕表示タイミングのずれが減少する。

次に、本実施の形態の具体的な動作を説明する。

図２は本実施の形態の具体例を示した図である。

まず、エンコード前の状態で、映像・音声Ａ、…、映像・音声Ｂ、…、映像・音声Ｃ…、が存在している。

ここで、映像・音声Ａ、…、映像・音声Ｂ、…、映像・音声Ｃ…をモニタすることにより、それぞれの字幕Ａ、字幕Ｂ、字幕Ｃ…が作成される。ここでは、リアルタイム字幕システムを前提にしているので、これらの字幕データは対応する映像・音声データに対して字幕作成時間Ｘ分に遅れて作成される。例えば、字幕Ａは、オペレータが映像・音声Ａをモニタして作成するので、映像・音声Ａよりも、字幕作成時間Ｘだけ遅れている。

字幕作成装置１は、作成した字幕を映像、音声のＡＮＣ領域に格納すると共に、エンコーダ２が映像・音声をエンコードするのにかかる時間ＶＥとエンコーダ２が字幕をエンコードするのにかかる時間ＧＥとの差分時間をオフセット値ＴとしてＡＮＣ領域に格納する。オフセット値Ｔは、各エンコード時間を予め計測しておき、これらの時間の差分時間をオフセット値Ｔとして記憶しておき、このオフセット値ＴをＡＮＣ領域に格納する。

尚、映像・音声Ａに対応した字幕Ａは、上述したように時間的に遅れて作成されるので、映像・音声ＡのＡＮＣ領域には格納されず、時間的に後の映像・音声ＡのＡＮＣ領域に格納される。

字幕データ及びオフセット値ＴがＡＮＣ領域に格納された映像・音声は、エンコーダ２に入力される。そして、映像・音声はエンコードされて、ＰＴＳ値が付される。図２では、映像・音声ＡにＰＴＳ（ａ）が付され、映像・音声ＢにＰＴＳ（ｂ）が付され、映像・音声ＣにＰＴＳ（ｃ）が付される。

一方、映像・音声のＡＮＣ領域に格納された字幕データもエンコードされ、ＰＴＳ値が付される。このとき従来では、図２示すごとく、字幕ＡにＰＴＳ（ａ＋Ｘ）が付され、字幕ＢにＰＴＳ（ｂ＋Ｘ）が付され、字幕ＣにＰＴＳ（ｃ＋Ｘ）が付される。尚、Ｘは字幕作成時間である。

しかし、本実施の形態では、エンコーダ２は、字幕データをエンコードする際に付するＰＴＳ値から、ＡＮＣ領域に格納されているオフセット値を引いたものを字幕データのＰＴＳ値とする。

例えば、図２では、字幕ＡにＰＴＳ（ａ＋Ｘ−Ｔ）が付され、字幕ＢにＰＴＳ（ｂ＋Ｘ−Ｔ）が付され、字幕ＣにＰＴＳ（ｃ＋Ｘ−Ｔ）が付される。尚、Ｔはオフセット値である。

上述の如くエンコードされた映像、音声及び字幕は、受信機で受信され、各ＰＴＳ値を参照し、映像、音声、字幕が再生される。例えば、字幕ＡのＰＴＳ値は（ａ＋Ｘ−Ｔ）なので、ＰＴＳ値が（ａ＋Ｘ−Ｔ）に近い映像・音声ともに再生される。

このように、本実施の形態では、映像・音声のエンコードに時間がかかるエンコード時間と、字幕データのエンコード時間との差分時間分、字幕のＰＴＳ値を減算しているので、映像・音声と字幕との時間的なずれを減少させることができる。

尚、上述の実施の形態では、映像・音声のエンコードに時間がかかるエンコード時間と字幕データのエンコード時間との差分時間を、オフセット値とした。これは、受信機のデコードのためのバッファを考慮したためである。受信機は少なくとも映像・音声をエンコード又はデコードする時間を吸収するバッファを持っているので、映像・音声のエンコードに時間がかかるエンコード時間と字幕データのエンコード時間との差分時間分、字幕のＰＴＳ値を減算しても、字幕のデータのＰＴＳ値に近い映像・音声のデータがバッファから削除されず、その映像・音声とともに再生することができる。

従って、バッファの容量に余裕がある場合や、蓄積型のハードディスクレコーダのように即時性を要求しないものであれば、オフセット値を差分時間よりも大きくしても良い。この場合、より、映像・音声と字幕とのずれをより多く吸収することができる。

また、オフセット値を可変としても良い。この場合、字幕を作成するに要した時間をオフセット値にしても良いし、字幕の作成にかかる時間に比例するようにオフセット時間を設定するようにしても良い。

図1は本実施の形態のブロック図である。図２は本実施の形態の動作を説明する為の図である。

符号の説明

１字幕作成装置
２エンコーダ

Claims

字幕データのＰＴＳの値を、データのうち最もエンコードに時間がかかるデータのエンコード時間と、字幕データのエンコード時間との差分時間分、少なくとも減算して設定する字幕ＰＴＳ設定手段を有することを特徴とする字幕放送システム。
字幕ＰＴＳ設定手段は、字幕データと、その字幕データのＰＴＳの値を少なくとも前記差分時間分減算する為のオフセット値とを、映像・音声データのＡＮＣ領域に格納する手段と、
字幕データに付与されるＰＴＳ値から前記オフセット値を減算してＰＴＳ値を設定する手段と
を有することを特徴とする請求項１に記載の字幕放送システム。
前記差分時間が、映像・音声データのエンコード時間と、字幕データのエンコード時間との差分時間であることを特徴とする請求項１又は請求項２に記載の字幕放送システム。
前記オフセット値を可変にすることを特徴とする請求項２に記載の字幕放送システム。
字幕データのＰＴＳの値を、データのうち最もエンコードに時間がかかるデータのエンコード時間と、字幕データのエンコード時間との差分時間少なくとも減算して設定することを特徴とする字幕放送方法。
字幕データと、その字幕データのＰＴＳの値を少なくとも前記差分時間分減算する為のオフセット値とを、映像・音声データのＡＮＣ領域に格納し、
字幕データに付与されるＰＴＳ値から前記オフセット値を減算してＰＴＳ値を設定する
ことを特徴とする請求項５に記載の字幕放送方法。
前記差分時間が、映像・音声データのエンコード時間と、字幕データのエンコード時間との差分時間であることを特徴とする請求項５又は請求項６に記載の字幕放送方法。
前記オフセット値を可変にすることを特徴とする請求項６に記載の字幕放送方法。