JP2022188622A - 台本へのメタデータ付与装置、方法、およびプログラム - Google Patents
台本へのメタデータ付与装置、方法、およびプログラム Download PDFInfo
- Publication number
- JP2022188622A JP2022188622A JP2021096807A JP2021096807A JP2022188622A JP 2022188622 A JP2022188622 A JP 2022188622A JP 2021096807 A JP2021096807 A JP 2021096807A JP 2021096807 A JP2021096807 A JP 2021096807A JP 2022188622 A JP2022188622 A JP 2022188622A
- Authority
- JP
- Japan
- Prior art keywords
- text
- script
- metadata
- speech recognition
- morpheme
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 19
- 230000011218 segmentation Effects 0.000 description 22
- 238000012790 confirmation Methods 0.000 description 10
- 230000000877 morphologic effect Effects 0.000 description 10
- 238000006243 chemical reaction Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 235000016496 Panda oleosa Nutrition 0.000 description 3
- 240000000220 Panda oleosa Species 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- PCTMTFRHKVHKIS-BMFZQQSSSA-N (1s,3r,4e,6e,8e,10e,12e,14e,16e,18s,19r,20r,21s,25r,27r,30r,31r,33s,35r,37s,38r)-3-[(2r,3s,4s,5s,6r)-4-amino-3,5-dihydroxy-6-methyloxan-2-yl]oxy-19,25,27,30,31,33,35,37-octahydroxy-18,20,21-trimethyl-23-oxo-22,39-dioxabicyclo[33.3.1]nonatriaconta-4,6,8,10 Chemical compound C1C=C2C[C@@H](OS(O)(=O)=O)CC[C@]2(C)[C@@H]2[C@@H]1[C@@H]1CC[C@H]([C@H](C)CCCC(C)C)[C@@]1(C)CC2.O[C@H]1[C@@H](N)[C@H](O)[C@@H](C)O[C@H]1O[C@H]1/C=C/C=C/C=C/C=C/C=C/C=C/C=C/[C@H](C)[C@@H](O)[C@@H](C)[C@H](C)OC(=O)C[C@H](O)C[C@H](O)CC[C@@H](O)[C@H](O)C[C@H](O)C[C@](O)(C[C@H](O)[C@H]2C(O)=O)O[C@H]2C1 PCTMTFRHKVHKIS-BMFZQQSSSA-N 0.000 description 1
- 101000929663 Homo sapiens Phospholipid-transporting ATPase ABCA7 Proteins 0.000 description 1
- 102100036620 Phospholipid-transporting ATPase ABCA7 Human genes 0.000 description 1
- 235000010724 Wisteria floribunda Nutrition 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010297 mechanical methods and process Methods 0.000 description 1
- 230000005226 mechanical processes and functions Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
Images
Landscapes
- Character Discrimination (AREA)
Abstract
Description
も効率の面で十分ではなかった。
放送に表示する字幕に用いるテキストにメタデータを付与するメタデータ付与装置であって、
前記放送の少なくとも一部分を音声認識した音声認識テキストと、当該放送の前記一部分を含む発言内容である台本のテキストである台本テキストとをそれぞれ形態素分割する形態素分割手段と、
前記音声認識テキストと、前記台本テキストのそれぞれについて、形態素分割されたテキスト同士を比較し、一致度が高い箇所に、前記音声認識テキスト由来のタイムスタンプを含むメタデータを付与するメタデータ付与手段と、
を有するメタデータ付与装置によって、上記の課題を解決したのである。
前記メタデータ付与手段が、前記照合を行う際に、前記台本内における位置と、前記放送の時間中における位置とを元に探索する範囲を限定する構成を採用することができる。番組が長くテキストが長大になる場合に、番組のテキスト全てを検索して照合すると処理負荷が大きく、本来の箇所とは違う箇所で照合できてしまう可能性も高くなる。探索範囲を予め絞り込んでおくことで、照合の負荷が軽減され、正確性も向上する。
前記メタデータ付与手段が比較する連結パターンに用いる形態素分割されたテキストが、仮名化されたものである構成を採用することができる。音声認識の際に漢字変換が間違っている場合があり、そのままでは正しく分割されていても照合できなくなる場合がある。テキストを仮名化しておくことで、照合できる可能性を向上することができる。
前記放送の少なくとも一部分を音声認識した音声認識テキストと、当該放送の前記一部分を含む台本のテキストである台本テキストとを形態素分割するステップと、
前記音声認識テキストと、前記台本テキストのそれぞれについて、形態素分割されたテキストを連結させた連結パターン同士を比較し、前記台本テキストの連結パターンができるだけ長い連結数となる連続して照合できた箇所に、前記音声認識テキストに由来するタイムスタンプを付与するステップと、
前記タイムスタンプを付与した前記台本テキストの各行について、前記タイムスタンプの整合性を確認するステップと、
整合性が満たされなかった行に対して、前後の整合性が満たされた行のタイムスタンプに基づいた補正タイムスタンプを付与するステップと、
を実行する。
<音声認識側>
・nvoice:処理中行の番号。
・Nvoice:nvoiceに与えられたラベル名。
・Lvoice:全行数。
・Mvoice:処理中行の形態素。Mvoice(nvoice,i)としてアクセスする。
・NMvoice:処理中行の形態素数つまりiの最大値。
<OCR側>
・nocr:処理中行の番号。
・Nocr:nocrに与えられたラベル名。
・Locr:全行数。
・Mocr:処理中行の形態素。Mocr(nocr,i)としてアクセスする。
・NMocr:処理中行の形態素数つまりiの最大値。
TMvoice(nvoice,i) = Tvoice_start(nvoice) + (Tvoice_stop(nvoice) - Tvoice_start(nvoice))*(i-1)/NMvoice(nvoice) ……(1)
TMvoice(nvoice,i) = Tvoice_start(nvoice) + (Tvoice_stop(nvoice) - Tvoice_start(nvoice))*num(i)/NUM ……(2)
なお、
・num(i):Mvoice(nvoice,i)の先頭文字について文頭からの文字数。
・NUM:Mvoice(nvoice,i)・・(i<=NMvoice(nvoice))に含まれる文字総数。
である。
Tout(nocr+q) = Tout(nocr -1) + (Tout(nocr +p) - Tout(nocr -1))/(p+1) * q (0 =< q < p) ・・(3)
2 音声ファイル
3 台本
4 トークデータ
5 台本テキスト
11 音声認識部
12 文字認識部
13 テキスト照合部
Claims (7)
- 放送に表示する字幕に用いるテキストにメタデータを付与するメタデータ付与装置であって、
前記放送の少なくとも一部分を音声認識した音声認識テキストと、当該放送の前記一部分を含む発言内容である台本のテキストである台本テキストとをそれぞれ形態素分割する形態素分割手段と、
前記音声認識テキストと、前記台本テキストのそれぞれについて、形態素分割されたテキスト同士を比較し、一致度が高い箇所に、前記音声認識テキストに由来するタイムスタンプを含むメタデータを付与するメタデータ付与手段と、
を実行するメタデータ付与装置。 - 上記メタデータ付与手段における、一致度が高い箇所が、
前記音声認識テキストと、前記台本テキストのそれぞれについて、形態素分割されたテキストを連続的に複数個連結させた連結パターン同士を比較し、前記台本テキストの連結パターンができるだけ長い連結数となる連続して照合できた箇所である
請求項1に記載のメタデータ付与装置。 - 前記メタデータ付与手段により前記タイムスタンプを付与した前記台本テキストの各行について、前記タイムスタンプの整合性を確認する整合性確認手段と、
整合性が満たされなかった行に対して、前後の整合性が満たされた行の前記タイムスタンプに基づいた補正タイムスタンプを付与する補正手段と、
を有する請求項1又は2に記載のメタデータ付与装置。 - 前記メタデータ付与手段が、前記照合を行う際に、前記台本内における位置と、前記放送の時間中における位置とを元に探索する範囲を限定する
請求項2又は3に記載のメタデータ付与装置。 - 前記メタデータ付与手段が比較する連結パターンに用いる形態素分割されたテキストが、仮名化されたものである、請求項1乃至4のいずれかに記載のメタデータ付与装置。
- 台本を有する放送に表示する字幕に用いるテキストにメタデータを付与する字幕付与方法であって、
前記放送の少なくとも一部分を音声認識した音声認識テキストと、当該放送の前記一部分を含む台本のテキストである台本テキストとをそれぞれ形態素分割するステップと、
前記音声認識テキストと、前記台本テキストのそれぞれについて、形態素分割されたテキストを連続的に複数個連結させた連結パターン同士を比較し、前記台本テキストの連結パターンができるだけ長い連結数となる連続して照合できた箇所に、前記音声認識テキストに由来するタイムスタンプを付与するステップと、
を実行するメタデータ付与方法。 - コンピュータを、請求項1乃至5のいずれか1項に記載のメタデータ付与装置として機能させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021096807A JP7216771B2 (ja) | 2021-06-09 | 2021-06-09 | 台本へのメタデータ付与装置、方法、およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021096807A JP7216771B2 (ja) | 2021-06-09 | 2021-06-09 | 台本へのメタデータ付与装置、方法、およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022188622A true JP2022188622A (ja) | 2022-12-21 |
JP7216771B2 JP7216771B2 (ja) | 2023-02-01 |
Family
ID=84532304
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021096807A Active JP7216771B2 (ja) | 2021-06-09 | 2021-06-09 | 台本へのメタデータ付与装置、方法、およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7216771B2 (ja) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000270263A (ja) * | 1999-03-17 | 2000-09-29 | Telecommunication Advancement Organization Of Japan | 自動字幕番組制作システム |
JP2003186491A (ja) * | 2001-12-13 | 2003-07-04 | Telecommunication Advancement Organization Of Japan | 電子化テキスト作成支援システム |
JP2003244539A (ja) * | 2002-02-18 | 2003-08-29 | Telecommunication Advancement Organization Of Japan | 逐次自動字幕制作処理システム |
JP2005258198A (ja) * | 2004-03-12 | 2005-09-22 | Internatl Business Mach Corp <Ibm> | 設定装置、プログラム、記録媒体、及び設定方法 |
JP2009182859A (ja) * | 2008-01-31 | 2009-08-13 | Ntt Communications Kk | 字幕出力装置、字幕出力方法、及びプログラム |
JP2010233019A (ja) * | 2009-03-27 | 2010-10-14 | Kddi Corp | 字幕ずれ補正装置、再生装置および放送装置 |
-
2021
- 2021-06-09 JP JP2021096807A patent/JP7216771B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000270263A (ja) * | 1999-03-17 | 2000-09-29 | Telecommunication Advancement Organization Of Japan | 自動字幕番組制作システム |
JP2003186491A (ja) * | 2001-12-13 | 2003-07-04 | Telecommunication Advancement Organization Of Japan | 電子化テキスト作成支援システム |
JP2003244539A (ja) * | 2002-02-18 | 2003-08-29 | Telecommunication Advancement Organization Of Japan | 逐次自動字幕制作処理システム |
JP2005258198A (ja) * | 2004-03-12 | 2005-09-22 | Internatl Business Mach Corp <Ibm> | 設定装置、プログラム、記録媒体、及び設定方法 |
JP2009182859A (ja) * | 2008-01-31 | 2009-08-13 | Ntt Communications Kk | 字幕出力装置、字幕出力方法、及びプログラム |
JP2010233019A (ja) * | 2009-03-27 | 2010-10-14 | Kddi Corp | 字幕ずれ補正装置、再生装置および放送装置 |
Non-Patent Citations (3)
Title |
---|
丸山一郎、外3名: "ワードスポッティングと動的計画法を用いたテレビ番組に対する字幕提示タイミング検出法", 電子情報通信学会論文誌, vol. 第85巻、第2号, JPN6022030077, February 2002 (2002-02-01), JP, pages 184 - 192, ISSN: 0004835111 * |
西沢容子、外1名: "字幕表示のための音声とテキストの自動対応付け手法とその評価", 電子情報通信学会技術研究報告, vol. 第103巻、第633号, JPN6022030079, 30 January 2004 (2004-01-30), JP, pages 7 - 12, ISSN: 0004835112 * |
谷村正剛、外1名: "テレビドラマのシナリオと音声トラックの自動対応付け", 情報処理学会研究報告, vol. 第99巻、第49号, JPN6022030076, 28 May 1999 (1999-05-28), JP, pages 23 - 29, ISSN: 0004835110 * |
Also Published As
Publication number | Publication date |
---|---|
JP7216771B2 (ja) | 2023-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8515755B2 (en) | Replacing text representing a concept with an alternate written form of the concept | |
US9066049B2 (en) | Method and apparatus for processing scripts | |
US6442518B1 (en) | Method for refining time alignments of closed captions | |
US7676373B2 (en) | Displaying text of speech in synchronization with the speech | |
US8041565B1 (en) | Precision speech to text conversion | |
US7881930B2 (en) | ASR-aided transcription with segmented feedback training | |
US20160133251A1 (en) | Processing of audio data | |
JP4241376B2 (ja) | 認識されたテキスト中の音声シーケンスと手動入力される補正ワードの音声転写との比較を通した音声認識により認識されたテキストの補正 | |
US20030083885A1 (en) | Method of and system for transcribing dictations in text files and for revising the text | |
WO2007022058A9 (en) | Processing of synchronized pattern recognition data for creation of shared speaker-dependent profile | |
US9635219B2 (en) | Supplementary media validation system | |
CN105931641B (zh) | 字幕数据生成方法和装置 | |
US20190221213A1 (en) | Method for reducing turn around time in transcription | |
WO2004093078A1 (en) | Process for adding subtitles to video content | |
WO2014033855A1 (ja) | 音声検索装置、計算機読み取り可能な記憶媒体、及び音声検索方法 | |
JP7216771B2 (ja) | 台本へのメタデータ付与装置、方法、およびプログラム | |
JP5243886B2 (ja) | 字幕出力装置、字幕出力方法及びプログラム | |
JP2001282779A (ja) | 電子化テキスト作成システム | |
JP2003186491A (ja) | 電子化テキスト作成支援システム | |
CN116153293A (zh) | 基于动态规划的长音频和文本对齐方法 | |
JP2002091967A (ja) | 言語モデル作成装置および言語モデル作成プログラムを記録した記録媒体 | |
JP7481894B2 (ja) | 発話音声テキスト生成装置、発話音声テキスト生成プログラムおよび発話音声テキスト生成方法 | |
JP2004334133A (ja) | 字幕番組データ制作システム | |
Ahmer et al. | Automatic speech recognition for closed captioning of television: data and issues | |
WO2004100164A1 (en) | Voice script system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210609 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220726 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220921 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230117 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230120 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7216771 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |