JP3824168B2 - ディジタル映像再生装置 - Google Patents

ディジタル映像再生装置 Download PDF

Info

Publication number
JP3824168B2
JP3824168B2 JP2004323970A JP2004323970A JP3824168B2 JP 3824168 B2 JP3824168 B2 JP 3824168B2 JP 2004323970 A JP2004323970 A JP 2004323970A JP 2004323970 A JP2004323970 A JP 2004323970A JP 3824168 B2 JP3824168 B2 JP 3824168B2
Authority
JP
Japan
Prior art keywords
digital video
character information
dictionary
video content
index
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.)
Active
Application number
JP2004323970A
Other languages
English (en)
Other versions
JP2006134506A (ja
Inventor
篤 飯阪
敦士 山下
卓哉 平井
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Panasonic Corp
Panasonic Holdings Corp
Original Assignee
Panasonic Corp
Matsushita Electric Industrial Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Panasonic Corp, Matsushita Electric Industrial Co Ltd filed Critical Panasonic Corp
Priority to JP2004323970A priority Critical patent/JP3824168B2/ja
Priority to US11/666,678 priority patent/US7953602B2/en
Priority to PCT/JP2005/020300 priority patent/WO2006049249A1/ja
Priority to EP05805411A priority patent/EP1811776B1/en
Priority to CNB2005800381479A priority patent/CN100536552C/zh
Publication of JP2006134506A publication Critical patent/JP2006134506A/ja
Application granted granted Critical
Publication of JP3824168B2 publication Critical patent/JP3824168B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
    • G11B27/00—Editing; Indexing; Addressing; Timing or synchronising; Monitoring; Measuring tape travel
    • G11B27/10—Indexing; Addressing; Timing or synchronising; Measuring tape travel
    • G11B27/34—Indicating arrangements 
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
    • G06F16/78—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/783—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/7844—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using original textual content or text extracted from visual content or transcript of audio data
    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
    • G11B27/00—Editing; Indexing; Addressing; Timing or synchronising; Monitoring; Measuring tape travel
    • G11B27/10—Indexing; Addressing; Timing or synchronising; Measuring tape travel
    • G11B27/102—Programmed access in sequence to addressed parts of tracks of operating record carriers
    • G11B27/105—Programmed access in sequence to addressed parts of tracks of operating record carriers of operating discs
    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
    • G11B27/00—Editing; Indexing; Addressing; Timing or synchronising; Monitoring; Measuring tape travel
    • G11B27/10—Indexing; Addressing; Timing or synchronising; Measuring tape travel
    • G11B27/19—Indexing; Addressing; Timing or synchronising; Measuring tape travel by using information detectable on the record carrier
    • G11B27/28—Indexing; Addressing; Timing or synchronising; Measuring tape travel by using information detectable on the record carrier by using information signals recorded by the same method as the main recording
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/41—Structure of client; Structure of client peripherals
    • H04N21/422—Input-only peripherals, i.e. input devices connected to specially adapted client devices, e.g. global positioning system [GPS]
    • H04N21/42203—Input-only peripherals, i.e. input devices connected to specially adapted client devices, e.g. global positioning system [GPS] sound input device, e.g. microphone
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/41—Structure of client; Structure of client peripherals
    • H04N21/426—Internal components of the client ; Characteristics thereof
    • H04N21/42646—Internal components of the client ; Characteristics thereof for reading from or writing on a non-volatile solid state storage medium, e.g. DVD, CD-ROM
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/432—Content retrieval operation from a local storage medium, e.g. hard-disk
    • H04N21/4325—Content retrieval operation from a local storage medium, e.g. hard-disk by playing back content from the storage medium
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/439—Processing of audio elementary streams
    • H04N21/4394—Processing of audio elementary streams involving operations for analysing the audio stream, e.g. detecting features or characteristics in audio streams
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/472—End-user interface for requesting content, additional data or services; End-user interface for interacting with content, e.g. for content reservation or setting reminders, for requesting event notification, for manipulating displayed content
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N5/00—Details of television systems
    • H04N5/76—Television signal recording
    • H04N5/84—Television signal recording using optical recording
    • H04N5/85—Television signal recording using optical recording on discs or drums
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/79—Processing of colour television signals in connection with recording
    • H04N9/87—Regeneration of colour television signals
    • G—PHYSICS
    • G11—INFORMATION STORAGE
    • G11B—INFORMATION STORAGE BASED ON RELATIVE MOVEMENT BETWEEN RECORD CARRIER AND TRANSDUCER
    • G11B2220/00—Record carriers by type
    • G11B2220/20—Disc-shaped record carriers
    • G11B2220/25—Disc-shaped record carriers characterised in that the disc is based on a specific recording technology
    • G11B2220/2537—Optical discs
    • G11B2220/2562—DVDs [digital versatile discs]; Digital video discs; MMCDs; HDCDs

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Library & Information Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Television Signal Processing For Recording (AREA)
  • Signal Processing For Digital Recording And Reproducing (AREA)
  • Indexing, Searching, Synchronizing, And The Amount Of Synchronization Travel Of Record Carriers (AREA)

Description

本発明はディジタル映像コンテンツを再生するためのディジタル映像再生装置に関する。
従来、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ）プレーヤーなどのディジタル映像再生装置では、コンテンツの再生開始時に、インデックス画像としてチャプターの一覧が表示され、装置本体やリモコンに設けられたキーを操作してチャプターの選択を行うことができる。これにより、ユーザは所望のチャプターからコンテンツを再生することができる。
ところで、最近のＢＳディジタルハイビジョンテレビには音声認識機能が搭載されているものがあり、放送局名やチャンネル名などを音声によって入力することによってチャンネルを切り替えることができる。
また、入力音声に対して音声認識処理を行い、この処理結果に基づいて入力音声に対応する文字列を画面に表示する装置が提案されている（例えば、特許文献１参照）。
特開平１１−４１５３８号公報
ところで、ＤＶＤプレーヤーなどの映像再生装置において、チャプターに付けられた名前を発声することによってチャプターを選択できれば便利である。しかしながら、音声によるチャプターの選択を可能とするためには、ユーザの発声した言葉がどのチャプターを表しているのかを判定するための参照テーブルが予め用意されている必要がある。
しかしながら、通常は、ディジタル映像コンテンツにはそのような参照テーブルが含まれていないので、仮に映像再生装置に音声認識機能を組み込むことによって、ユーザが発声した言葉を音声認識処理によって認識できるようにしたとしても、ユーザが発声した言葉からチャプターを特定することは不可能である。
それゆえに本発明は、ディジタル映像コンテンツの再生位置を音声によって指定することのできるディジタル映像再生装置を提供することを目的とする。
上記課題を解決するために、本発明は以下の構成を採用した。なお、括弧内の参照符号および図番号は、本発明の理解を助けるために、図面との対応関係を示したものであって、本発明の範囲を何ら限定するものではない。
第１の発明は、ディジタル映像コンテンツを再生するためのディジタル映像再生装置（１）であって、ディジタル映像コンテンツの信号に基づいて音声認識処理に利用可能な辞書を作成する辞書作成手段（１０２）と、前記辞書作成手段によって作成された辞書を用いて音声認識処理を行う音声認識手段（１０４）と、前記音声認識手段の音声認識結果に基づいてディジタル映像コンテンツの再生制御を行う再生制御手段（１０５）と、ディジタル映像コンテンツの映像信号に含まれている、当該ディジタル映像コンテンツの再生位置をユーザに選択させるための再生位置選択用画像（図２、図４、図５）から、文字情報を認識する文字情報認識手段（１０１）を備え、前記辞書作成手段は、前記文字情報認識手段によって認識された文字情報を用いて、ユーザに再生位置を音声で選択させるためのインデックス辞書を作成することを特徴とする。
第２の発明は、第１の発明において、前記再生位置選択用画像を表示装置に表示するときに、当該再生位置選択用画像に基づいて前記インデックス辞書に登録された文字情報に対応する文字列部分を、前記文字情報認識手段の認識結果に基づいて強調表示するインデックス表示手段（１０６）をさらに備えることを特徴とする。
第３の発明は、第１の発明において、前記文字情報認識手段によって認識された文字情報を、過去に利用したディジタル映像コンテンツのチャプター情報として不揮発的に記憶する不揮発性記憶手段（１０７）をさらに備えることを特徴とする。
第４の発明は、第３の発明において、前記不揮発性記憶手段は、前記文字情報認識手段によって認識された文字情報を、当該文字情報に対応する前記ディジタル映像コンテンツの部分が過去に再生されたかどうかを示す履歴情報とともに記憶することを特徴とする。
第５の発明は、第４の発明において、前記不揮発性記憶手段は、前記文字情報認識手段によって認識された文字情報を、前記履歴情報とともに、当該文字情報に対応する前記ディジタル映像コンテンツの部分が再生された日時とともに記憶することを特徴とする。
第６の発明は、第１の発明において、前記辞書作成手段は、前記文字情報認識手段によって認識された文字情報の字数が予め定めた閾値を超えていた場合に、当該文字情報の字数を短くしたものを用いて前記インデックス辞書を作成することを特徴とする。
第７の発明は、第１の発明において、前記文字情報認識手段によって認識された文字情報が日本語かどうかを判断する言語判断手段（１０１）と、前記文字情報認識手段によって文字情報が認識されなかった場合もしくは前記文字情報認識手段によって認識された文字情報が日本語でなかった場合に、前記再生位置選択用画像に対して予め定めた規則に従って符号を付加する符号付加手段（１０３）と、前記符号付加手段によって符号の付加された再生位置選択用画像を表示装置（５）に表示させるインデックス表示手段（１０６）とをさらに備え、前記辞書作成手段は、前記文字情報認識手段によって認識された日本語の文字情報と、前記符号付加手段によって再生位置選択用画像に付加された符号とを用いて、ユーザに再生位置を音声で選択させるためのインデックス辞書を作成することを特徴とする。
第８の発明は、ディジタル映像コンテンツを再生するためのディジタル映像再生装置（１）であって、ディジタル映像コンテンツの信号に基づいて音声認識処理に利用可能な辞書を作成する辞書作成手段（１０２）と、前記辞書作成手段によって作成された辞書を用いて音声認識処理を行う音声認識手段（１０４）と、前記音声認識手段の音声認識結果に基づいてディジタル映像コンテンツの再生制御を行う再生制御手段（１０５）と、ディジタル映像コンテンツの映像信号に含まれている、当該ディジタル映像コンテンツの再生位置をユーザに選択させるための再生位置選択用画像（図２、図４、図５）に対して、予め定めた規則に従って符号を付加する符号付加手段（１０３）と、前記符号付加手段によって符号の付加された再生位置選択用画像を表示装置（５）に表示させるインデックス表示手段（１０６）とを備え、前記辞書作成手段は、前記符号付加手段によって再生位置選択用画像に付加された符号を用いて、ユーザに再生位置を音声で選択させるためのインデックス辞書を作成することを特徴とする。
第９の発明は、ディジタル映像コンテンツを再生するためのディジタル映像再生装置（１）であって、ディジタル映像コンテンツの信号に基づいて音声認識処理に利用可能な辞書を作成する辞書作成手段（１０２）と、前記辞書作成手段によって作成された辞書を用いて音声認識処理を行う音声認識手段（１０４）と、前記音声認識手段の音声認識結果に基づいてディジタル映像コンテンツの再生制御を行う再生制御手段（１０５）とを備え、前記辞書作成手段は、ディジタル映像コンテンツの信号に含まれている、当該ディジタル映像コンテンツの再生位置をユーザに選択させるためのテキスト情報を用いて、ユーザに再生位置を音声で選択させるためのインデックス辞書を作成することを特徴とする。
第１の発明によれば、例えば、ＤＶＤビデオなどのチャプター選択画面などでチャプターを音声で選択することが可能となる。
第２の発明によれば、例えば、所望のチャプターを選択するためにどの言葉を発声すればよいのかをユーザに分かり易く提示することができる。
第３の発明によれば、例えば、ユーザは、メディアをセットせずとも過去に利用したことのあるＤＶＤ等のメディアのチャプター情報を見られるようになる。
第４の発明によれば、例えば、ユーザは、過去に再生したチャプターがどれであるか、再生していないチャプターがどれであるかを確認することができる。
第５の発明によれば、例えば、過去の再生日時を手がかりに過去に見たチャプターを選択することができる。
第６の発明によれば、例えば、チャプター名が長い場合に、チャプター名の全てを発声することなくより簡単に選択することが可能となる。
第７の発明によれば、例えば、チャプター名が特に付されていないチャプターや、日本語以外の言語のチャプター名が付されたチャプターであっても、符号を発声することによって簡単に選択することが可能となる。
第８の発明によれば、例えば、ＤＶＤビデオなどのチャプター選択画面などでチャプター選択用のボタンに文字列が含まれていない場合であっても、符号を発声することによってチャプターを選択することが可能となる。
第９の発明によれば、例えば、ディジタルＴＶのコンテンツなどのように、映像中の選択用ボタンに対応するテキスト情報がコンテンツ自体に予め含まれている場合に、このテキスト情報を用いて音声認識用の辞書を簡単に作成することができる。
以下、図面を参照しながら、本発明の一実施形態に係るディジタル映像再生装置について説明する。
図１において、ディジタル映像再生装置１は、ＤＶＤビデオを再生できるＤＶＤドライブ２と、ＤＶＤドライブ２によって再生された映像を一時的に記憶するバッファ３と、ディジタル映像再生装置１を全体的に制御するシステムコントローラ４と、映像を表示する表示装置５と、ユーザが音声入力を開始しようとするときに押すボタン６と、音声を入力するためのマイク８と、マイク８からのアナログ音声信号をディジタル音声信号に変換するＡＤＣ（Ａｎａｌｏｇ ｔｏ Ｄｉｇｉｔａｌ Ｃｏｎｖｅｒｔｅｒ）７とを備えている。なお、ＤＶＤドライブ２やマイク８は必ずしもディジタル映像再生装置１に内蔵されている必要はない。
ユーザがディジタル映像コンテンツ（ここではＤＶＤビデオとする）を記録したＤＶＤをＤＶＤドライブ２に装着すると、初期画面としてＤＶＤビデオから図２に示すようなインデックス画像が読み出されて表示装置５に表示される。ＤＶＤビデオは複数のチャプターに区分されており、インデックス画像には各チャプターを選択するための選択用ボタン２１〜２５が表示される。なお、選択用ボタンは必ずしも図２のようなボタンに限らず、選択用ボタンの輪郭が表示されない（すなわち背景と同一色）場合や、チャプターの先頭の映像の縮小画像を選択用ボタンとして利用する場合もある。なお、図２の２０は選択用ボタンではなく背景表示の一部である。図２は、ＤＶＤビデオが５つのチャプターで構成されている場合の例を示している。ユーザは、図示しない入力装置を用いて、このチャプターの一覧から所望のチャプターを選択することによって、そのチャプターからＤＶＤビデオをを再生することができる。
選択用ボタン２１〜２５に表示されているチャプター名（「入学式」、「遠足」など）は、ＤＶＤビデオにテキスト情報（文字コード）としては含まれておらず、選択用ボタン２１〜２５を含むインデックス画像が単なる画像情報としてＤＶＤビデオに記憶されているに過ぎない。インデックス画像のうち、どの領域がどの選択用ボタンに対応するかを区別するための情報は、ＤＶＤビデオに記憶されている。
次に、図５を用いてシステムコントローラ４の機能について説明する。システムコントローラ４は、マイコン、ＤＳＰ、メモリーなどのハードウェアと、ＲＯＭなどに記憶されたソフトウェアとの組み合わせによって実現され、画像情報内の文字認識処理や、音声認識処理や、チャプターの再生処理などを行う。具体的には、システムコントローラ４は、文字情報認識手段１０１、インデックス辞書作成手段１０２、符号付加手段１０３、音声認識手段１０４、再生制御手段１０５、インデックス表示手段１０６および記憶手段１０７として機能する。以下、各手段について詳細に説明する。
文字情報認識手段１０１は、ＤＶＤドライブ２から読み出されたインデックス画像に含まれている図２の選択用ボタン２１〜２５（すなわち各チャプターを選択するための画像領域）から文字認識処理によって文字情報を抽出する。なお、文字情報認識手段１０１は、文字認識処理によって抽出された文字情報が日本語か否かを判断する機能を有しており、ここで日本語の文字情報が抽出されたか否かに応じて、この後の処理手順が変化する。なお、ここではディジタル映像再生装置１が日本語圏で使用されることを前提として説明しているが、例えばディジタル映像再生装置１が英語圏で使用される場合には、英語の文字情報が抽出されたか否かに応じて、この後の処理手順が変化することになる。すなわち、より一般的には、文字情報認識手段１０１は、文字認識処理によって抽出された文字情報が特定の言語か否かを判断する機能を有していればよい。
文字情報認識手段１０１において日本語の文字情報が抽出された場合には、文字情報認識手段１０１は、抽出した文字情報をテキストデータとしてインデックス辞書作成手段１０２へ出力する。一方、日本語の文字情報が抽出されなかった場合（すなわち、文字情報が何ら抽出されなかった場合もしくは外国語の文字情報が抽出された場合）には、文字情報認識手段１０１は、符号付加手段１０３に対して符号付加処理を依頼する。例えば、図４のように選択用ボタンにおいてチャプター名が外国語で表示されている場合や、図５のように選択用ボタンがチャプターの先頭映像の縮小画像（サムネイル）である場合に、文字情報認識手段１０１は符号付加手段１０３に符号付加処理を依頼することになる。
なお、文字情報認識手段１０１において利用される文字認識技術としては、公知の任意の技術を用いることができる。
符号付加手段１０３は、日本語の文字情報が含まれていない選択用ボタンに対して予め定めた規則に従って番号などの符号を割り当て、各選択用ボタンに割り当てた符号に対応するテキストデータをインデックス辞書作成手段１０２へ出力する。
インデックス辞書作成手段１０２は、文字情報認識手段１０１から出力されたテキストデータ（「入学式」、「遠足」など）または符号付加手段１０３から出力されたテキストデータ（「１」、「２」など）に基づいて、音声認識手段１０４による音声認識処理に利用可能なインデックス辞書を作成する。以下、インデックス辞書作成手段１０２の処理をより具体的に説明する。
インデックス辞書作成手段１０２は、まず、文字情報認識手段１０１または符号付加手段１０３から出力されたテキストデータをカタカナデータ（「ニュウガクシキ」、「エンソク」、「イチ」、「ニ」など）に変換する。このとき、変換後のカタカナデータの中に同一のカタカナデータが無いかどうかをチェックし、同一のカタカナデータがある場合は、それらのカタカナデータを区別できるようにカタカナデータの後ろに数字（より正確には数字に対応するカタカナデータ）等を追加する。例えば、インデックス辞書作成手段１０２に入力されるカタカナデータの中に「エンソク」が２つあった場合には、一方を「エンソクイチ」に、他方を「エンソクニ」に変換する。
インデックス画像に含まれている全ての選択用ボタンについてカタカナデータが作成できたら、インデックス辞書作成手段１０２は、これらのカタカナデータを用いて音声認識処理用のインデックス辞書を作成し、記憶手段１０７に記憶する。記憶手段１０７は、電源が切れても記憶内容を保持し続ける不揮発性の記憶手段であってもよいし、電源が切れれば記憶内容が失われる揮発性の記憶手段であってもよい。インデックス辞書には、カタカナデータと関連付けて、文字情報認識手段１０１および符号付加手段１０３から出力されたテキストデータや、対応する選択用ボタンのインデックス画像における表示位置も同時に記録される。図６は、図２のインデックス画像に基づいて作成されるインデックス辞書の内容を示している。図７は、図４または図５のインデックス画像に基づいて作成されるインデックス辞書の内容を示している。
なお、インデックス辞書作成手段１０２は、前述のように同一のカタカナデータが複数存在していたことからカタカナデータに数字等を追加したものについては、数字等を追加した後のものをカタカナデータとして記録すると同時に、この記録されているカタカナデータが本来のカタカナデータに数字等を追加したものであることを示す情報（フラグ）をこのカタカナデータと関連付けてインデックス辞書に記録する。
インデックス表示手段１０６は、インデックス画像に含まれる各選択用ボタンを選択するためにユーザが発声すべき言葉をユーザに提示するための表示制御を行う。より具体的には、文字情報認識手段１０１によって日本語として認識された文字列については、必要に応じてインデックス画像におけるその文字列の表示位置を文字情報認識手段１０１から取得し、図８のように文字列にアンダーライン５１〜５５を引いたり、文字列を枠で囲ったり、文字列の近くにその文字列が発話すべき文字列であることを示す発話マーク６１〜６５を付加したりすることによって、その文字列を強調する。また、インデックス辞書作成手段１０２において、そのカタカナデータに数字等を追加した文字列については、図９のようにその文字列の後に数字（７１、７２）を追加表示する。また、文字情報認識手段１０１によって日本語以外の言語として認識された文字列については、符号付加手段１０３によってこの文字列に割り当てられた符号（８１〜８５）を追加表示する。このようなインデックス表示手段１０６の処理の結果、ユーザはインデックス画面において所望のチャプターを選択したいときにどの文字列を発声すれば良いかが一目で分かるようになる。
ユーザが音声入力を開始するためにボタン６を押すと、ボタン６から音声認識開始信号Ｓ１が出力される。音声認識手段１０４は、音声認識開始信号Ｓ１を受信すると、ＡＤＣ７を通じて取り込まれる音声データＤ１と記憶手段１０７に記憶されているインデックス辞書を用いて音声認識処理を行う。この音声認識処理の結果、インデックス辞書において音声データＤ１に対応するカタカナデータが見つかった場合には、音声認識手段１０４はインデックス辞書からこのカタカナデータに対応する選択用ボタンの表示位置情報を取得して、これを再生制御手段１０５に出力する。
再生制御手段１０５は、音声認識手段１０４から受け取った表示位置情報からチャプターを特定し、そのチャプターの再生を開始する。
以上のようなシステムコントローラ４の機能により、ユーザはインデックス画像に含まれている選択用ボタンから任意の選択用ボタンを音声で選択して、その選択用ボタンに対応するチャプターの視聴を開始することができる。このように、本実施の形態によれば、チャプターを音声で選択することができるため、特に車載用のＤＶＤ再生装置として特に有用である。また、本実施の形態にさらにナビゲーション機能を追加することによって、ディジタル映像コンテンツの再生機能を備えたナビゲーション装置としてもよい。
なお、記憶手段１０７として不揮発性の記憶手段を利用し、インデックス辞書作成手段１０２によって作成したインデックス辞書を、ディジタル映像再生装置１の電源を切った後も保持しておくようにすれば、ディジタル映像再生装置１の電源を一度切ってから入れ直したときに、記憶手段１０７に過去に記憶されたデータを使用することができるので、ディジタル映像再生装置１の使い勝手を向上することができる。以下、記憶手段１０７として不揮発性の記憶手段を利用した応用例について説明する。
この応用例においては、インデックス辞書作成手段１０２によって作成されたインデックス辞書は、図１１に示すように、ＤＶＤビデオのタイトルやＤＶＤに固有の情報や他の付加情報と関連付けて記憶手段１０７に記録される。ＤＶＤに固有の情報としては、例えば、ＤＶＤに記録されているデータの大きさや映像の時間やチャプター数などである。また、再生制御手段１０５は、チャプターの再生を行ったときに、その再生日時をそのチャプターに対応する選択用ボタンの表示位置情報と関連づけて再生履歴情報として記憶手段１０７に記憶する。また、ユーザがチャプターの途中で再生を停止した場合には、再生制御手段１０５は、停止時点における映像のタイムカウンター値を再生時の日時と関連づけて再生履歴情報として記憶手段１０７に記憶する。
ディジタル映像再生装置１の電源が投入されると、システムコントローラ４は、まずＤＶＤドライブ２にＤＶＤが挿入されているかを確認する。ＤＶＤドライブ２にＤＶＤが挿入されていた場合には、システムコントローラ４は、記憶手段１０７に記憶されている図１１のような情報を参照して、現在ＤＶＤドライブ２に挿入されているＤＶＤが過去に挿入されたことのあるＤＶＤかどうかを確認する。そして、現在ＤＶＤドライブ２に挿入されているＤＶＤが過去に挿入されたことのあるＤＶＤであった場合は、過去に作成したインデックス辞書を利用して音声認識処理を実行し、初めて挿入されたＤＶＤであった場合は、インデックス画像からインデックス辞書を作成して記憶手段１０７に記憶し、このインデックス辞書を利用して音声認識処理を実行する。これにより、過去に利用したことのあるＤＶＤについてはインデックス辞書を改めて作成する手間が省けるため、ＤＶＤドライブ２にＤＶＤを挿入してから音声によってチャプターを選択可能となるまでに時間を短縮することができる。
また、記憶手段１０７に記憶されている再生日時情報を利用すれば、チャプター毎に過去に再生したか否かを示す情報をインデックス表示手段１０６によってインデックス画像に付加してから表示装置５に表示させることもできる。
また、記憶手段１０７に記憶されているカウンター値情報を利用すれば、ユーザが過去に再生を途中で停止したチャプターを再び選択したときに、その停止時点からチャプターの再生を開始することができる。
なお、本実施の形態では、ＤＶＤに記録されたディジタル映像コンテンツを再生する場合を例に説明したが、本発明はこれに限らず、他の記録媒体に記録されたディジタル映像コンテンツを再生する場合や、通信回線を通じて供給されるディジタル映像コンテンツを再生する場合や、放送波によって供給されるディジタル映像コンテンツを再生する場合にも、本発明を同様に適用することができる。なお、ディジタルＴＶのコンテンツなどのように、映像中の選択用ボタンに対応するテキスト情報がコンテンツ自体に予め含まれている場合には、文字情報認識手段１０１による文字認識処理を行うことなしに、インデックス辞書作成手段１０２はそのテキスト情報を用いてインデックス辞書を作成すればよい。
車両搭載用のナビゲーションシステムには音声認識機能を有するものが多く存在し、ＤＶＤの再生が可能なものが広く普及している。このようなシステムに本発明のディジタル信号から音声認識で使用できる辞書を作成する手段を追加することにより、ドライバが運転中であっても音声によって安全にチャプターの選択を行うことができ、特に車載用として有用である。
本発明の一実施形態に係るディジタル映像再生装置の構成を示す図 インデックス画像の第１の例 システムコントローラ４の機能を示す図 インデックス画像の第２の例 インデックス画像の第３の例 インデックス辞書の第１の例 インデックス辞書の第２の例 インデックス表示手段１０６によって加工されたインデックス画像の第１の例 インデックス表示手段１０６によって加工されたインデックス画像の第２の例 インデックス表示手段１０６によって加工されたインデックス画像の第３の例 インデックス辞書とともに記憶手段１０７に記憶される情報の一例
符号の説明
１ ディジタル映像再生装置
２ ＤＶＤドライブ
３ バッファ
４ システムコントローラ
５ 表示装置
６ ボタン
７ ＡＤＣ
８ マイク
１０ インデックス画像
２０ 背景表示
２１〜２５ 選択用ボタン
５１〜５５ アンダーライン
６１〜６５ 発話マーク
７１、７２ 符号
８１〜８５ 符号
１０１ 文字情報認識手段
１０２ インデックス辞書作成手段
１０３ 符号付加手段
１０４ 音声認識手段
１０５ 再生制御手段
１０６ インデックス表示手段
１０７ 記憶手段

Claims (9)

  1. ディジタル映像コンテンツを再生するためのディジタル映像再生装置であって、
    ディジタル映像コンテンツの信号に基づいて音声認識処理に利用可能な辞書を作成する辞書作成手段と、
    前記辞書作成手段によって作成された辞書を用いて音声認識処理を行う音声認識手段と、
    前記音声認識手段の音声認識結果に基づいてディジタル映像コンテンツの再生制御を行う再生制御手段と、
    ディジタル映像コンテンツの映像信号に含まれている、当該ディジタル映像コンテンツの再生位置をユーザに選択させるための再生位置選択用画像から、文字情報を認識する文字情報認識手段とを備え、
    前記辞書作成手段は、前記文字情報認識手段によって認識された文字情報を用いて、ユーザに再生位置を音声で選択させるためのインデックス辞書を作成することを特徴とする、ディジタル映像再生装置。
  2. 前記再生位置選択用画像を表示装置に表示するときに、当該再生位置選択用画像に基づいて前記インデックス辞書に登録された文字情報に対応する文字列部分を、前記文字情報認識手段の認識結果に基づいて強調表示するインデックス表示手段をさらに備えることを特徴とする、請求項１に記載のディジタル映像再生装置。
  3. 前記文字情報認識手段によって認識された文字情報を、過去に利用したディジタル映像コンテンツのチャプター情報として不揮発的に記憶する不揮発性記憶手段をさらに備えることを特徴とする、請求項１に記載のディジタル映像再生装置。
  4. 前記不揮発性記憶手段は、前記文字情報認識手段によって認識された文字情報を、当該文字情報に対応する前記ディジタル映像コンテンツの部分が過去に再生されたかどうかを示す履歴情報とともに記憶することを特徴とする、請求項３に記載のディジタル映像再生装置。
  5. 前記不揮発性記憶手段は、前記文字情報認識手段によって認識された文字情報を、前記履歴情報とともに、当該文字情報に対応する前記ディジタル映像コンテンツの部分が再生された日時とともに記憶することを特徴とする、請求項４に記載のディジタル映像再生装置。
  6. 前記辞書作成手段は、前記文字情報認識手段によって認識された文字情報の字数が予め定めた閾値を超えていた場合に、当該文字情報の字数を短くしたものを用いて前記インデックス辞書を作成することを特徴とする、請求項１に記載のディジタル映像再生装置。
  7. 前記文字情報認識手段によって認識された文字情報が日本語かどうかを判断する言語判断手段と、
    前記文字情報認識手段によって文字情報が認識されなかった場合もしくは前記文字情報認識手段によって認識された文字情報が日本語でなかった場合に、前記再生位置選択用画像に対して予め定めた規則に従って符号を付加する符号付加手段と、
    前記符号付加手段によって符号の付加された再生位置選択用画像を表示装置に表示させるインデックス表示手段とをさらに備え、
    前記辞書作成手段は、前記文字情報認識手段によって認識された日本語の文字情報と、前記符号付加手段によって再生位置選択用画像に付加された符号とを用いて、ユーザに再生位置を音声で選択させるためのインデックス辞書を作成することを特徴とする、請求項１に記載のディジタル映像再生装置。
  8. ディジタル映像コンテンツを再生するためのディジタル映像再生装置であって、
    ディジタル映像コンテンツの信号に基づいて音声認識処理に利用可能な辞書を作成する辞書作成手段と、
    前記辞書作成手段によって作成された辞書を用いて音声認識処理を行う音声認識手段と、
    前記音声認識手段の音声認識結果に基づいてディジタル映像コンテンツの再生制御を行う再生制御手段と、
    ディジタル映像コンテンツの映像信号に含まれている、当該ディジタル映像コンテンツの再生位置をユーザに選択させるための再生位置選択用画像に対して、予め定めた規則に従って符号を付加する符号付加手段と、
    前記符号付加手段によって符号の付加された再生位置選択用画像を表示装置に表示させるインデックス表示手段とを備え、
    前記辞書作成手段は、前記符号付加手段によって再生位置選択用画像に付加された符号を用いて、ユーザに再生位置を音声で選択させるためのインデックス辞書を作成することを特徴とする、ディジタル映像再生装置。
  9. ディジタル映像コンテンツを再生するためのディジタル映像再生装置であって、
    ディジタル映像コンテンツの信号に基づいて音声認識処理に利用可能な辞書を作成する辞書作成手段と、
    前記辞書作成手段によって作成された辞書を用いて音声認識処理を行う音声認識手段と、
    前記音声認識手段の音声認識結果に基づいてディジタル映像コンテンツの再生制御を行う再生制御手段とを備え、
    前記辞書作成手段は、ディジタル映像コンテンツの信号に含まれている、当該ディジタル映像コンテンツの再生位置をユーザに選択させるためのテキスト情報を用いて、ユーザに再生位置を音声で選択させるためのインデックス辞書を作成することを特徴とする、ディジタル映像再生装置。
JP2004323970A 2004-11-08 2004-11-08 ディジタル映像再生装置 Active JP3824168B2 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
JP2004323970A JP3824168B2 (ja) 2004-11-08 2004-11-08 ディジタル映像再生装置
US11/666,678 US7953602B2 (en) 2004-11-08 2005-11-04 Digital video reproducing apparatus for recognizing and reproducing a digital video content
PCT/JP2005/020300 WO2006049249A1 (ja) 2004-11-08 2005-11-04 ディジタル映像再生装置
EP05805411A EP1811776B1 (en) 2004-11-08 2005-11-04 Digital video reproduction apparatus
CNB2005800381479A CN100536552C (zh) 2004-11-08 2005-11-04 数字视频再现设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2004323970A JP3824168B2 (ja) 2004-11-08 2004-11-08 ディジタル映像再生装置

Publications (2)

Publication Number Publication Date
JP2006134506A JP2006134506A (ja) 2006-05-25
JP3824168B2 true JP3824168B2 (ja) 2006-09-20

Family

ID=36319249

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2004323970A Active JP3824168B2 (ja) 2004-11-08 2004-11-08 ディジタル映像再生装置

Country Status (5)

Country Link
US (1) US7953602B2 (ja)
EP (1) EP1811776B1 (ja)
JP (1) JP3824168B2 (ja)
CN (1) CN100536552C (ja)
WO (1) WO2006049249A1 (ja)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8418201B2 (en) 2006-12-14 2013-04-09 Koninklijke Philips Electronics, N.V. System and method for reproducing and displaying information
US7929764B2 (en) 2007-06-15 2011-04-19 Microsoft Corporation Identifying character information in media content
JP5223318B2 (ja) * 2007-12-07 2013-06-26 ソニー株式会社 画像処理装置、画像処理方法およびプログラム
CN101472082B (zh) * 2007-12-25 2012-07-25 新奥特（北京）视频技术有限公司 一种场记系统和方法
KR20120080069A (ko) * 2011-01-06 2012-07-16 삼성전자주식회사 디스플레이 장치 및 그 음성 제어 방법
KR101295711B1 (ko) * 2011-02-15 2013-08-16 주식회사 팬택 음성 인식으로 애플리케이션의 실행 가능한 이동통신 단말 장치 및 방법
WO2014203370A1 (ja) * 2013-06-20 2014-12-24 株式会社東芝 音声合成辞書作成装置及び音声合成辞書作成方法
JP6739907B2 (ja) * 2015-06-18 2020-08-12 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ 機器特定方法、機器特定装置及びプログラム

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5031206A (en) * 1987-11-30 1991-07-09 Fon-Ex, Inc. Method and apparatus for identifying words entered on DTMF pushbuttons
JPH02253369A (ja) * 1989-03-28 1990-10-12 Canon Inc 電子辞書
US5890123A (en) * 1995-06-05 1999-03-30 Lucent Technologies, Inc. System and method for voice controlled video screen display
US5809471A (en) * 1996-03-07 1998-09-15 Ibm Corporation Retrieval of additional information not found in interactive TV or telephony signal by application using dynamically extracted vocabulary
KR100217179B1 (ko) * 1997-03-25 1999-09-01 윤종용 디지털비디오디스크 재생장치에서의 메뉴재생방법
JPH1141538A (ja) 1997-07-17 1999-02-12 Nec Home Electron Ltd 音声認識文字表示装置
EP0911808B1 (en) * 1997-10-23 2002-05-08 Sony International (Europe) GmbH Speech interface in a home network environment
US6408128B1 (en) * 1998-11-12 2002-06-18 Max Abecassis Replaying with supplementary information a segment of a video
US6314398B1 (en) * 1999-03-01 2001-11-06 Matsushita Electric Industrial Co., Ltd. Apparatus and method using speech understanding for automatic channel selection in interactive television
US6643620B1 (en) * 1999-03-15 2003-11-04 Matsushita Electric Industrial Co., Ltd. Voice activated controller for recording and retrieving audio/video programs
JP2001028722A (ja) * 1999-07-13 2001-01-30 Matsushita Electric Ind Co Ltd 動画像管理装置及び動画像管理システム
JP2001101805A (ja) * 1999-10-04 2001-04-13 L & G Kikaku:Kk 音声認識自在な記録再生装置
JP3639776B2 (ja) 2000-07-28 2005-04-20 シャープ株式会社 音声認識用辞書作成装置および音声認識用辞書作成方法、音声認識装置、携帯端末器、並びに、プログラム記録媒体
DE60120062T2 (de) * 2000-09-19 2006-11-16 Thomson Licensing Sprachsteuerung von elektronischen Geräten
WO2003001505A1 (en) * 2001-06-22 2003-01-03 Koninklijke Philips Electronics N.V. Device having speech-control means and having test-means for testing a function of the speech-control means
US20030069734A1 (en) * 2001-10-05 2003-04-10 Everhart Charles Allen Technique for active voice recognition grammar adaptation for dynamic multimedia application
JP2003230094A (ja) * 2002-02-06 2003-08-15 Nec Corp チャプター作成装置及びデータ再生装置及びその方法並びにプログラム
US20040177317A1 (en) 2003-03-07 2004-09-09 John Bradstreet Closed caption navigation
US7437296B2 (en) * 2003-03-13 2008-10-14 Matsushita Electric Industrial Co., Ltd. Speech recognition dictionary creation apparatus and information search apparatus
US7508984B2 (en) * 2003-07-31 2009-03-24 Ricoh Company, Ltd. Language recognition method, system and software
US20060075429A1 (en) * 2004-04-30 2006-04-06 Vulcan Inc. Voice control of television-related information
JP2006018336A (ja) * 2004-06-30 2006-01-19 Toshiba Corp メタデータ生成装置および方法、メタデータ生成プログラム
US20070143117A1 (en) * 2005-12-21 2007-06-21 Conley Kevin M Voice controlled portable memory storage device

Also Published As

Publication number Publication date
US20080208576A1 (en) 2008-08-28
EP1811776B1 (en) 2011-06-01
CN100536552C (zh) 2009-09-02
US7953602B2 (en) 2011-05-31
CN101057497A (zh) 2007-10-17
JP2006134506A (ja) 2006-05-25
EP1811776A1 (en) 2007-07-25
WO2006049249A1 (ja) 2006-05-11
EP1811776A4 (en) 2009-10-28

Similar Documents

Publication Publication Date Title
US5850500A (en) Recording medium comprising a plurality of different languages which are selectable independently of each other
US7953602B2 (en) Digital video reproducing apparatus for recognizing and reproducing a digital video content
KR100323556B1 (ko) 정보 재생 장치 및 정보 기록 재생 장치
EP0677843A1 (en) Recording medium which can cope with various languages and reproduction apparatus
JP2008145693A (ja) 情報処理装置及び情報処理方法
US8224152B2 (en) Apparatus and method for reproducing text file in digital video device
US20040102955A1 (en) DVD driver for language study and method of processing audio streams thereof
JP2007503747A (ja) リアルタイムのメディア辞書
JP4872249B2 (ja) オンスクリーンディスプレイ装置
JP4895759B2 (ja) 音声メッセージ出力装置
US20070165505A1 (en) Information playback apparatus and recording medium
KR20150055921A (ko) 동영상 재생 제어 방법 및 장치
KR101074018B1 (ko) 학습 보조 장치
JP4415846B2 (ja) 視聴制限設定方法
KR19980075479A (ko) 디브이디 시스템을 이용한 어학 학습 방법
KR0146103B1 (ko) 디지탈 영상 기기의 한글 자막 처리 방법 및 장치
JP2006011002A (ja) 音声応答装置、音声応答方法および音声応答プログラム
JP2006079688A (ja) 遠隔操作装置
JP2008103905A (ja) ディジタルテレビジョン受信機
KR20080016206A (ko) 언어 인식을 이용한 시스템 언어 설정방법
JP2008097712A (ja) 再生装置
KR970071761A (ko) 비디오 콤팩트 디스크 플레이어에서의 어학 학습을 위한 재생 방법
JP2006228329A (ja) 再生装置、再生システム、送出装置及びコンピュータプログラム
JP2005317088A (ja) 光ディスク記録再生装置
JP2001006259A (ja) 操作ガイダンス方法および操作ガイダンス装置

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20060315

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20060315

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20060413

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20060601

TRDD Decision of grant or rejection written
A975 Report on accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A971005

Effective date: 20060620

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20060621

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20060621

R150 Certificate of patent or registration of utility model

Ref document number: 3824168

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

Free format text: JAPANESE INTERMEDIATE CODE: R150

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20090707

Year of fee payment: 3

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20100707

Year of fee payment: 4

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20110707

Year of fee payment: 5

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20110707

Year of fee payment: 5

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20120707

Year of fee payment: 6

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20120707

Year of fee payment: 6

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20130707

Year of fee payment: 7