JPH11175092A - オーディオから派生したテキストのイメージとの関連付け - Google Patents
オーディオから派生したテキストのイメージとの関連付けInfo
- Publication number
- JPH11175092A JPH11175092A JP10272969A JP27296998A JPH11175092A JP H11175092 A JPH11175092 A JP H11175092A JP 10272969 A JP10272969 A JP 10272969A JP 27296998 A JP27296998 A JP 27296998A JP H11175092 A JPH11175092 A JP H11175092A
- Authority
- JP
- Japan
- Prior art keywords
- image
- text
- audio
- data
- image data
- 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.)
- Withdrawn
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/32—Circuits or arrangements for control or supervision between transmitter and receiver or between image input and image output device, e.g. between a still-image camera and its memory or between a still-image camera and a printer device
- H04N1/32101—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title
- H04N1/32128—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title attached to the image data, e.g. file header, transmitted message header, information on the same page or in the same computer file as the image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/00127—Connection or combination of a still picture apparatus with another apparatus, e.g. for storage, processing or transmission of still picture signals or of information associated with a still picture
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/00127—Connection or combination of a still picture apparatus with another apparatus, e.g. for storage, processing or transmission of still picture signals or of information associated with a still picture
- H04N1/00129—Connection or combination of a still picture apparatus with another apparatus, e.g. for storage, processing or transmission of still picture signals or of information associated with a still picture with a display device, e.g. CRT or LCD monitor
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/0035—User-machine interface; Control console
- H04N1/00352—Input means
- H04N1/00392—Other manual input means, e.g. digitisers or writing tablets
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N2201/00—Indexing scheme relating to scanning, transmission or reproduction of documents or the like, and to details thereof
- H04N2201/0077—Types of the still picture apparatus
- H04N2201/0084—Digital still camera
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N2201/00—Indexing scheme relating to scanning, transmission or reproduction of documents or the like, and to details thereof
- H04N2201/32—Circuits or arrangements for control or supervision between transmitter and receiver or between image input and image output device, e.g. between a still-image camera and its memory or between a still-image camera and a printer device
- H04N2201/3201—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title
- H04N2201/3261—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title of multimedia information, e.g. a sound signal
- H04N2201/3264—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title of multimedia information, e.g. a sound signal of sound signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N2201/00—Indexing scheme relating to scanning, transmission or reproduction of documents or the like, and to details thereof
- H04N2201/32—Circuits or arrangements for control or supervision between transmitter and receiver or between image input and image output device, e.g. between a still-image camera and its memory or between a still-image camera and a printer device
- H04N2201/3201—Display, printing, storage or transmission of additional information, e.g. ID code, date and time or title
- H04N2201/3274—Storage or retrieval of prestored additional information
- H04N2201/3277—The additional information being stored in the same storage device as the image data
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Television Signal Processing For Recording (AREA)
- Studio Circuits (AREA)
- Document Processing Apparatus (AREA)
Abstract
(57)【要約】
【課題】 オーディオから変換させたテキストをイメー
ジと共に表示させる方法、システム及び装置を提供す
る。 【解決手段】 イメージが感光性フィルムカメラ又はデ
ジタルカメラを使用してキャプチャされ、又はコンピュ
ータグラフィックスソフトウエアを使用して作成され
る。オーディオがイメージのキャプチャと同時又は別の
時間のいずれかにキャプチャされる。これらのキャプチ
ャされたイメージ及びオーディオは格納され且つマルチ
メディアファイルフォーマットを使用して互いに関連付
けされる。オーディオは音声認識ソフトウエアを使用し
てテキストへ変換される。その変換されたテキストを該
イメージ上又はその近くに位置決めすることによって該
イメージと該変換したテキストから複合画像を形成す
る。その複合画像をコンピュータモニタ、プリンタ又は
その他の出力装置へ出力する。
ジと共に表示させる方法、システム及び装置を提供す
る。 【解決手段】 イメージが感光性フィルムカメラ又はデ
ジタルカメラを使用してキャプチャされ、又はコンピュ
ータグラフィックスソフトウエアを使用して作成され
る。オーディオがイメージのキャプチャと同時又は別の
時間のいずれかにキャプチャされる。これらのキャプチ
ャされたイメージ及びオーディオは格納され且つマルチ
メディアファイルフォーマットを使用して互いに関連付
けされる。オーディオは音声認識ソフトウエアを使用し
てテキストへ変換される。その変換されたテキストを該
イメージ上又はその近くに位置決めすることによって該
イメージと該変換したテキストから複合画像を形成す
る。その複合画像をコンピュータモニタ、プリンタ又は
その他の出力装置へ出力する。
Description
【０００１】
【発明の属する技術分野】本発明は、テキストをイメー
ジと関連付けさせる技術に関するものであって、その場
合に該テキストは該イメージと関連しているオーディオ
から派生させるものである。
ジと関連付けさせる技術に関するものであって、その場
合に該テキストは該イメージと関連しているオーディオ
から派生させるものである。
【０００２】
【従来の技術】カメラはイメージをキャプチャし且つそ
れらをフイルム又はデジタル媒体上に格納する。イメー
ジをキャプチャした時と、それを印刷又はその他の態様
で表示させる時との間において、写真家は例えばそれを
キャプチャした時又はその主題となった位置等のそのイ
メージに関連する情報を忘れたり又はその情報に対する
アクセスを失う場合がある。
れらをフイルム又はデジタル媒体上に格納する。イメー
ジをキャプチャした時と、それを印刷又はその他の態様
で表示させる時との間において、写真家は例えばそれを
キャプチャした時又はその主題となった位置等のそのイ
メージに関連する情報を忘れたり又はその情報に対する
アクセスを失う場合がある。
【０００３】幾つかのフィルムカメラ及びデジタルカメ
ラは、例えばイメージをキャプチャした日付を表わすテ
キスト等のテキスト又はデジタル情報を写真と関連づけ
させることを可能とする。このテキストは、典型的に、
そのカメラによって作成され且つ所定のフォーマットで
所定の位置においてそのイメージ上に重ね合わされる。
ラは、例えばイメージをキャプチャした日付を表わすテ
キスト等のテキスト又はデジタル情報を写真と関連づけ
させることを可能とする。このテキストは、典型的に、
そのカメラによって作成され且つ所定のフォーマットで
所定の位置においてそのイメージ上に重ね合わされる。
【０００４】デジタルカメラはイメージをキャプチャし
且つそれをコンピュータによって読取可能なディスク、
フラッシュメモリ、又はその他の持続性のある格納（記
憶）媒体上にデジタル形態で格納する。各イメージはス
タンダードのフォーマットに従って別々のファイル内に
格納することが可能である。次いで、該ファイルをコン
ピュータのメモリへ転送し、そこで、それをコンピュー
タソフトウエア又はハードウエアによって処理すること
が可能である。
且つそれをコンピュータによって読取可能なディスク、
フラッシュメモリ、又はその他の持続性のある格納（記
憶）媒体上にデジタル形態で格納する。各イメージはス
タンダードのフォーマットに従って別々のファイル内に
格納することが可能である。次いで、該ファイルをコン
ピュータのメモリへ転送し、そこで、それをコンピュー
タソフトウエア又はハードウエアによって処理すること
が可能である。
【０００５】オーディオ及びその他の情報はイメージフ
ァイル即ち画像ファイルと関連づけさせることが可能で
ある。例えば、コダック社のフラッシュピックス（Ｆｌ
ａｓｈＰｉｘ）イメージ仕様は、デジタルカメラでキャ
プチャしたイメージ（画像）を格納するためのスタンダ
ードのファイルフォーマットを特定している。このフラ
ッシュピックスの仕様に対する拡張は、１つ又はそれ以
上のオーディオストリームを１つのイメージファイルと
関連づけさせ、従ってそれと共に格納させることを可能
とする。この拡張に従って動作するソフトウエアは、イ
メージファイルを表示させながら、そのイメージファイ
ルと関連するオーディオストリームのうちの１つ又はそ
れ以上をプレイバックすることを可能とする。
ァイル即ち画像ファイルと関連づけさせることが可能で
ある。例えば、コダック社のフラッシュピックス（Ｆｌ
ａｓｈＰｉｘ）イメージ仕様は、デジタルカメラでキャ
プチャしたイメージ（画像）を格納するためのスタンダ
ードのファイルフォーマットを特定している。このフラ
ッシュピックスの仕様に対する拡張は、１つ又はそれ以
上のオーディオストリームを１つのイメージファイルと
関連づけさせ、従ってそれと共に格納させることを可能
とする。この拡張に従って動作するソフトウエアは、イ
メージファイルを表示させながら、そのイメージファイ
ルと関連するオーディオストリームのうちの１つ又はそ
れ以上をプレイバックすることを可能とする。
【０００６】音声認識ソフトウエアは人間の音声を表わ
すオーディオ信号をテキストへ変換する。音声認識ソフ
トウエアは制限させたタスクに特化させることが可能で
あり且つ制限した数の単語を認識することをが可能であ
り、又はより一般的なものとし且つ音声を音声学的に種
類分けすることによってテキストを作成することが可能
である。音声認識ソフトウエアはデジタル的に表わされ
たオーディオからコンピュータによって読取可能なテキ
ストを作成することが可能である。そのようにして作成
されたテキストは、コンピュータソフトウエアによって
解釈し且つ処理を行ない且つコンピュータによって読取
可能な媒体上に格納することが可能である。
すオーディオ信号をテキストへ変換する。音声認識ソフ
トウエアは制限させたタスクに特化させることが可能で
あり且つ制限した数の単語を認識することをが可能であ
り、又はより一般的なものとし且つ音声を音声学的に種
類分けすることによってテキストを作成することが可能
である。音声認識ソフトウエアはデジタル的に表わされ
たオーディオからコンピュータによって読取可能なテキ
ストを作成することが可能である。そのようにして作成
されたテキストは、コンピュータソフトウエアによって
解釈し且つ処理を行ない且つコンピュータによって読取
可能な媒体上に格納することが可能である。
【０００７】写真を撮影した場合に関連する情報を記録
するためにカメラと共にテープレコーダ又はメモ帳を持
ち歩くことによって写真を撮影した時にオーディオ又は
テキストを写真と関連付けさせることが可能である。幾
つかのデジタルカメラでは撮影をしている間に画像と共
にオーディオを直接的に記録することを可能とする。次
いで、その画像を見る場合にオーディオをプレイバック
することが可能である。
するためにカメラと共にテープレコーダ又はメモ帳を持
ち歩くことによって写真を撮影した時にオーディオ又は
テキストを写真と関連付けさせることが可能である。幾
つかのデジタルカメラでは撮影をしている間に画像と共
にオーディオを直接的に記録することを可能とする。次
いで、その画像を見る場合にオーディオをプレイバック
することが可能である。
【０００８】
【発明が解決しようとする課題】本発明は、以上の点に
鑑みなされたものであって、オーディオから変換させた
テキストを画像と共に表示させることを可能とした技術
を提供することを目的とする。
鑑みなされたものであって、オーディオから変換させた
テキストを画像と共に表示させることを可能とした技術
を提供することを目的とする。
【０００９】
【課題を解決するための手段】１側面においては、本発
明は、変換させたテキストを発生させるためにコンピュ
ータによって読取可能なメモリ内のオーディオデータに
対して計算音声・テキスト変換プロセスを適用する技術
を提供している。コンピュータによって読取可能なメモ
リ内に格納されているイメージデータを該変換させたテ
キストと合成することによって複合イメージが作成され
る。次いで、この複合イメージをプリンタ又はその他の
適宜の出力装置において印刷する。該イメージデータ
は、カメラによって撮影したイメージによって表わされ
るものとするとことが可能であり且つ該オーディオデー
タはそのイメージを撮影したのとほぼ同時に記録した音
声を表わすものとすることが可能である。該カメラは、
マイクロフォンを有しており、且つ音声を記録し且つ記
録した音声を該カメラによって撮影したイメージと関連
付けすべく動作可能なデジタルカメラとすることが可能
である。
明は、変換させたテキストを発生させるためにコンピュ
ータによって読取可能なメモリ内のオーディオデータに
対して計算音声・テキスト変換プロセスを適用する技術
を提供している。コンピュータによって読取可能なメモ
リ内に格納されているイメージデータを該変換させたテ
キストと合成することによって複合イメージが作成され
る。次いで、この複合イメージをプリンタ又はその他の
適宜の出力装置において印刷する。該イメージデータ
は、カメラによって撮影したイメージによって表わされ
るものとするとことが可能であり且つ該オーディオデー
タはそのイメージを撮影したのとほぼ同時に記録した音
声を表わすものとすることが可能である。該カメラは、
マイクロフォンを有しており、且つ音声を記録し且つ記
録した音声を該カメラによって撮影したイメージと関連
付けすべく動作可能なデジタルカメラとすることが可能
である。
【００１０】該オーディオデータ及びイメージデータ
は、単一のソースファイルのコンポーネントとすること
が可能であり、該ファイルはフラッシュピックスのフォ
ーマットにおける１つのファイルとすることが可能であ
る。該オーディオデータ及びイメージデータは、別々の
ソースファイルからのものとすることが可能である。該
オーディオデータ及びイメージデータは、該オーディオ
データと共に又は該イメージデータと共に又は該オーデ
ィオデータとイメージデータの両方と共に格納されてい
るタグによってリンクさせることが可能である。該変換
されたテキストは、該オーディオデータに対するエイリ
アスとして大量格納装置に格納することが可能である。
該変換されたテキストは、該イメージデータによって表
わされるイメージの一部をカバーするように、又は該イ
メージデータによって表わされるイメージのいずれの部
分もカバーすることがないように合成させることが可能
である。
は、単一のソースファイルのコンポーネントとすること
が可能であり、該ファイルはフラッシュピックスのフォ
ーマットにおける１つのファイルとすることが可能であ
る。該オーディオデータ及びイメージデータは、別々の
ソースファイルからのものとすることが可能である。該
オーディオデータ及びイメージデータは、該オーディオ
データと共に又は該イメージデータと共に又は該オーデ
ィオデータとイメージデータの両方と共に格納されてい
るタグによってリンクさせることが可能である。該変換
されたテキストは、該オーディオデータに対するエイリ
アスとして大量格納装置に格納することが可能である。
該変換されたテキストは、該イメージデータによって表
わされるイメージの一部をカバーするように、又は該イ
メージデータによって表わされるイメージのいずれの部
分もカバーすることがないように合成させることが可能
である。
【００１１】該イメージデータは複数個の単一イメージ
からなるシーケンスを表わすことが可能であり、且つ該
オーディオデータは複数個のオーディオセグメントから
なるシーケンスを表わすことが可能である。複数個のオ
ーディオセグメントからなるシーケンスのうちの１つの
オーディオセグメントは、該１つのオーディオセグメン
トを変換させたテキストセグメントへ変換し且つ該１つ
の単一イメージと該変換させたテキストセグメントとを
合成することによって単一の複合イメージを作成する前
に、複数個の単一イメージからなるシーケンスのうちの
１つの単一イメージとマッチングさせることが可能であ
る。一方、該複数個の単一イメージからなるシーケンス
の各単一イメージに対して、該単一イメージを該変換さ
せたテキストと合成することによって１個の複合イメー
ジを作成することが可能である。本発明の１つの利点
は、それがオーディオデータから派生されたテキストを
イメージデータと関連付けさせることである。テキスト
は、典型的に、オーディオデータよりも一層迅速に且つ
効率的に格納され、転送され且つ処理させることが可能
なものであるから、オーディオデータをテキストへ変換
し且つ該変換させたテキストをイメージと関連付けさせ
ることは、イメージと共にオーディオを格納する場合と
比較して有益的なものである場合がある。
からなるシーケンスを表わすことが可能であり、且つ該
オーディオデータは複数個のオーディオセグメントから
なるシーケンスを表わすことが可能である。複数個のオ
ーディオセグメントからなるシーケンスのうちの１つの
オーディオセグメントは、該１つのオーディオセグメン
トを変換させたテキストセグメントへ変換し且つ該１つ
の単一イメージと該変換させたテキストセグメントとを
合成することによって単一の複合イメージを作成する前
に、複数個の単一イメージからなるシーケンスのうちの
１つの単一イメージとマッチングさせることが可能であ
る。一方、該複数個の単一イメージからなるシーケンス
の各単一イメージに対して、該単一イメージを該変換さ
せたテキストと合成することによって１個の複合イメー
ジを作成することが可能である。本発明の１つの利点
は、それがオーディオデータから派生されたテキストを
イメージデータと関連付けさせることである。テキスト
は、典型的に、オーディオデータよりも一層迅速に且つ
効率的に格納され、転送され且つ処理させることが可能
なものであるから、オーディオデータをテキストへ変換
し且つ該変換させたテキストをイメージと関連付けさせ
ることは、イメージと共にオーディオを格納する場合と
比較して有益的なものである場合がある。
【００１２】本発明の別の利点としては、それがオーデ
ィオデータを変換させたテキストへ変換させ且つ該変換
させたテキストを該イメージデータと共に印刷させるこ
とによって、イメージデータが印刷される場合、又は音
声の再生が可能でないか又は実際的なものでない場合
に、オーディオデータとイメージデータとの関連付けが
持続することを可能とするということである。このよう
に、本発明は、ユーザによる付加的な努力を必要とする
ことなしに、イメージデータに関連しているオーディオ
データ内に含まれているような印刷した記述的情報を提
供する。
ィオデータを変換させたテキストへ変換させ且つ該変換
させたテキストを該イメージデータと共に印刷させるこ
とによって、イメージデータが印刷される場合、又は音
声の再生が可能でないか又は実際的なものでない場合
に、オーディオデータとイメージデータとの関連付けが
持続することを可能とするということである。このよう
に、本発明は、ユーザによる付加的な努力を必要とする
ことなしに、イメージデータに関連しているオーディオ
データ内に含まれているような印刷した記述的情報を提
供する。
【００１３】本発明の更に別の利点は、変換させたテキ
ストはスタンダードのコンピュータテキストフォーマッ
トで格納することが可能であり、従ってスタンダードの
コンピュータテキスト処理ソフトウエアによって処理及
びフォーマットすることが可能である。
ストはスタンダードのコンピュータテキストフォーマッ
トで格納することが可能であり、従ってスタンダードの
コンピュータテキスト処理ソフトウエアによって処理及
びフォーマットすることが可能である。
【００１４】本発明の更に別の利点は、イメージデータ
及びそれと関連するオーディオデータを同時的に又は異
なる時間にキャプチャすることが可能であるという点で
ある。それらは、例えばマイクロフォン及びオーディオ
キャプチャ能力を有するデジタルカメラ等の単一の装置
を使用して、又は異なる装置によってキャプチャするこ
とが可能である。イメージデータ又はオーディオデータ
のいずれか一方、又は両方を、人間が発生させたもの又
は人工的に作成したものとすることが可能である。従っ
て、本発明は、イメージ、オーディオ、テキストを作成
し、処理し、且つ格納する上での柔軟性を提供してい
る。
及びそれと関連するオーディオデータを同時的に又は異
なる時間にキャプチャすることが可能であるという点で
ある。それらは、例えばマイクロフォン及びオーディオ
キャプチャ能力を有するデジタルカメラ等の単一の装置
を使用して、又は異なる装置によってキャプチャするこ
とが可能である。イメージデータ又はオーディオデータ
のいずれか一方、又は両方を、人間が発生させたもの又
は人工的に作成したものとすることが可能である。従っ
て、本発明は、イメージ、オーディオ、テキストを作成
し、処理し、且つ格納する上での柔軟性を提供してい
る。
【００１５】
【発明の実施の形態】図１を参照すると、コンピュータ
１００ａはＩ／Ｏポート２００ａにおいて接続している
モニタ１１０上において出力を表示し、Ｉ／Ｏポート２
００ｂにおいて接続しているキーボード１２０からの入
力を得、且つＩ／Ｏポート２００ｄにおいて接続してい
るプリンタ１９０上にハードコピーを出力する。コンピ
ュータ１００ａは、更に、Ｉ／Ｏポート２００ｃにおい
てファイル及びその他のデータを格納し且つ検索するた
めのハードディスク１８０へ接続しており、他のコンピ
ュータ１００ｂ−ｄと通信するためにＬＡＮ２１０へ接
続しており、且つ情報を格納し、アーカイブし、検索す
るためにＬＡＮ２１０を介してインターネット２００へ
接続している。デジタルカメラ１７０はスチールイメー
ジ即ち静止画像をキャプチャ即ち撮影することが可能で
ある。デジタルカメラ１７０は、更に、イメージと関連
するオーディオデータをキャプチャ即ち採取するための
マイクロフォンを有している。デジタルカメラ１７０
は、これらのイメージデータ及びオーディオデータをデ
ジタルフォーマットへ変換し、それらをたとえばフラッ
シュピックスフォーマット等のオーディオコンポーネン
ト及びイメージコンポーネントを有するマルチメディア
ファイルフォーマットで格納する。そのファイルはＩ／
Ｏポート２００ｅを介してコンピュータ１００ａへ転送
される。
１００ａはＩ／Ｏポート２００ａにおいて接続している
モニタ１１０上において出力を表示し、Ｉ／Ｏポート２
００ｂにおいて接続しているキーボード１２０からの入
力を得、且つＩ／Ｏポート２００ｄにおいて接続してい
るプリンタ１９０上にハードコピーを出力する。コンピ
ュータ１００ａは、更に、Ｉ／Ｏポート２００ｃにおい
てファイル及びその他のデータを格納し且つ検索するた
めのハードディスク１８０へ接続しており、他のコンピ
ュータ１００ｂ−ｄと通信するためにＬＡＮ２１０へ接
続しており、且つ情報を格納し、アーカイブし、検索す
るためにＬＡＮ２１０を介してインターネット２００へ
接続している。デジタルカメラ１７０はスチールイメー
ジ即ち静止画像をキャプチャ即ち撮影することが可能で
ある。デジタルカメラ１７０は、更に、イメージと関連
するオーディオデータをキャプチャ即ち採取するための
マイクロフォンを有している。デジタルカメラ１７０
は、これらのイメージデータ及びオーディオデータをデ
ジタルフォーマットへ変換し、それらをたとえばフラッ
シュピックスフォーマット等のオーディオコンポーネン
ト及びイメージコンポーネントを有するマルチメディア
ファイルフォーマットで格納する。そのファイルはＩ／
Ｏポート２００ｅを介してコンピュータ１００ａへ転送
される。
【００１６】アドビアクロバット（Ａｃｒｏｂａｔ）プ
ログラム（カリフォルニア州サンノゼのアドビシステム
ズインコーレイテッドから入手可能）のようなイメージ
処理アプリケーション１４０がコンピュータ１００ａ上
で稼動される。コンピュータ１００ａ上においては、更
に、音声を表わすオーディオデータを変換させたテキス
トへ変換し且つその変換させたテキストをコンピュータ
によって読取可能なファイル内に格納することが可能な
例えばドラゴンシステムのドラゴンディクテイト（Ｄｒ
ａｇｏｎ Ｄｉｃｔａｔｅ）のような音声認識アプリケ
ーション１５０が稼動される。更に、コンピュータ１５
０ａ上においては、変換されたテキストをイメージと関
連付けさせるためのテキスト関連付けアプリケーション
１６０が稼動される。テキスト関連付けアプリケーショ
ン１６０は、イメージ処理ＡＰＩ１４５を介してイメー
ジ処理アプリケーションと通信を行ない、それは、イメ
ージ、オーディオ、テキストをイメージ処理アプリケー
ション１４０のファイル内にインポートする手順を包含
している。テキスト関連付けアプリケーション１６０
は、音声認識ＡＰＩを介して音声認識アプリケーション
１５０と通信を行ない、それはオーディオデータを変換
されたテキストへ変換し且つ変換されたテキストをテキ
ストファイル内に保存するための手順を包含している。
ログラム（カリフォルニア州サンノゼのアドビシステム
ズインコーレイテッドから入手可能）のようなイメージ
処理アプリケーション１４０がコンピュータ１００ａ上
で稼動される。コンピュータ１００ａ上においては、更
に、音声を表わすオーディオデータを変換させたテキス
トへ変換し且つその変換させたテキストをコンピュータ
によって読取可能なファイル内に格納することが可能な
例えばドラゴンシステムのドラゴンディクテイト（Ｄｒ
ａｇｏｎ Ｄｉｃｔａｔｅ）のような音声認識アプリケ
ーション１５０が稼動される。更に、コンピュータ１５
０ａ上においては、変換されたテキストをイメージと関
連付けさせるためのテキスト関連付けアプリケーション
１６０が稼動される。テキスト関連付けアプリケーショ
ン１６０は、イメージ処理ＡＰＩ１４５を介してイメー
ジ処理アプリケーションと通信を行ない、それは、イメ
ージ、オーディオ、テキストをイメージ処理アプリケー
ション１４０のファイル内にインポートする手順を包含
している。テキスト関連付けアプリケーション１６０
は、音声認識ＡＰＩを介して音声認識アプリケーション
１５０と通信を行ない、それはオーディオデータを変換
されたテキストへ変換し且つ変換されたテキストをテキ
ストファイル内に保存するための手順を包含している。
【００１７】テキスト関連付けアプリケーション１６０
はユーザに対して多数の選択可能なオプションを提供す
る。そのようなオプションのうちの１つは、例えばフラ
ッシュピックスファイル等のソースファイルを印刷する
ことである。ソースファイルは、最少で、イメージコン
ポーネントを有するものであるか、又、オーディオコン
ポーネントも包含するか又はそれと関連付けさせること
が可能である。図２を参照すると、ユーザが、ソースフ
ァイルを印刷するためのオプションを選択すると（ステ
ップ３００）、テキスト関連付けアプリケーション１６
０は、オーディオコンポーネントがソースファイル内に
包含されているイメージコンポーネントと関連付けされ
ているか否かを判別する（ステップ３１０）。オーディ
オコンポーネントがイメージンコンポーネントと関連付
けされていない場合には、テキスト関連付けアプリケー
ション１６０は、イメージ処理ＡＰＩ１４５のファイル
を開く機能を呼び出すことによってイメージ処理アプリ
ケーション１４０におけるソースファイルを開く（ステ
ップ３２０）。次いで、テキスト関連付けアプリケーシ
ョン１６０は、イメージ処理ＡＰＩ１４５の印刷機能を
呼び出すことによって該イメージコンポーネントを印刷
する（ステップ３７０）。
はユーザに対して多数の選択可能なオプションを提供す
る。そのようなオプションのうちの１つは、例えばフラ
ッシュピックスファイル等のソースファイルを印刷する
ことである。ソースファイルは、最少で、イメージコン
ポーネントを有するものであるか、又、オーディオコン
ポーネントも包含するか又はそれと関連付けさせること
が可能である。図２を参照すると、ユーザが、ソースフ
ァイルを印刷するためのオプションを選択すると（ステ
ップ３００）、テキスト関連付けアプリケーション１６
０は、オーディオコンポーネントがソースファイル内に
包含されているイメージコンポーネントと関連付けされ
ているか否かを判別する（ステップ３１０）。オーディ
オコンポーネントがイメージンコンポーネントと関連付
けされていない場合には、テキスト関連付けアプリケー
ション１６０は、イメージ処理ＡＰＩ１４５のファイル
を開く機能を呼び出すことによってイメージ処理アプリ
ケーション１４０におけるソースファイルを開く（ステ
ップ３２０）。次いで、テキスト関連付けアプリケーシ
ョン１６０は、イメージ処理ＡＰＩ１４５の印刷機能を
呼び出すことによって該イメージコンポーネントを印刷
する（ステップ３７０）。
【００１８】オーディオコンポーネントがソースファイ
ル内に含まれているか又はソースファイルと関連してい
る場合には、ユーザは、そのオーディオコンポーネント
を変換されたテキストへ変換するためのオプションが与
えられる（ステップ３３０）。ユーザがそのオプション
を辞退する場合には、イメージコンポーネントが開かれ
且つ印刷される（ステップ３２０及び３７０）。ユーザ
がそのオプションを採用する場合には、テキスト関連付
けアプリケーション１６０はそのオーディオコンポーネ
ントを探し出す（ステップ３４０）。次いで、テキスト
関連付けアプリケーション１６０は、音声認識アプリケ
ーションＡＰＩ１５５の音声・テキスト変換機能を呼び
出すことによってそのオーディオコンポーネントを変換
されたテキストへ変換する（ステップ３５０）。音声認
識アプリケーション１５０は、変換されたテキストをフ
ァイル内に格納し且つそのファイルの名前をテキスト関
連付けアプリケーション１６０へ送り、テキスト関連付
けアプリケーション１６０は、イメージ処理ＡＰＩ１４
５のテキストをインポートする機能を呼び出すことによ
って変換されたテキストを開いているソースファイル内
にインポートする（ステップ３５５）。
ル内に含まれているか又はソースファイルと関連してい
る場合には、ユーザは、そのオーディオコンポーネント
を変換されたテキストへ変換するためのオプションが与
えられる（ステップ３３０）。ユーザがそのオプション
を辞退する場合には、イメージコンポーネントが開かれ
且つ印刷される（ステップ３２０及び３７０）。ユーザ
がそのオプションを採用する場合には、テキスト関連付
けアプリケーション１６０はそのオーディオコンポーネ
ントを探し出す（ステップ３４０）。次いで、テキスト
関連付けアプリケーション１６０は、音声認識アプリケ
ーションＡＰＩ１５５の音声・テキスト変換機能を呼び
出すことによってそのオーディオコンポーネントを変換
されたテキストへ変換する（ステップ３５０）。音声認
識アプリケーション１５０は、変換されたテキストをフ
ァイル内に格納し且つそのファイルの名前をテキスト関
連付けアプリケーション１６０へ送り、テキスト関連付
けアプリケーション１６０は、イメージ処理ＡＰＩ１４
５のテキストをインポートする機能を呼び出すことによ
って変換されたテキストを開いているソースファイル内
にインポートする（ステップ３５５）。
【００１９】次に、テキスト関連付けアプリケーション
は、イメージ処理ＡＰＩ１４５のテキスト位置決め機能
を呼び出すことによってそのイメージコンポーネントに
関連し変換しインポートしたテキストの位置決めを行な
い、複合画像を作成する（ステップ３６０）。変換させ
たテキストの位置決め操作は、デフォルトのテキスト位
置を包含することが可能であり、そのデフォルトのテキ
スト位置はイメージコンポーネントの下側中央部分とす
ることが可能である。然しながら、変換されたテキスト
は、任意の配向状態でイメージコンポーネントの区域内
の任意の位置に配置させることが可能である。それは、
又、例えば右−左−中央揃え、又は曲線に沿ってのフロ
ー即ち流れ状態等の任意のテキスト配置特徴を使用して
配置させることが可能である。変換されたテキストは、
更に、イメージコンポーネントの区域外部の任意の位置
に配置させることが可能であり、例えば、キャプション
としてイメージの下側に配置させるか、又は例えばマイ
クロソフトパワーポイントノーツ頁としてイメージから
離れた位置に配置させることも可能である。変換された
テキストは、イメージ処理アプリケーション１４０にお
いて使用可能なテキストフォーマットを使用してフォー
マットすることが可能であり、それは、デフォルトのフ
ォント及びデフォルトのポイント寸法を包含することが
可能である。変換されたテキストは、ベクトルフォーマ
ット又はビットマップフォーマットで、又は別のテキス
トコンポーネントファイルとして、イメージ処理アプリ
ケーションテキストフォーマットで格納することが可能
である。
は、イメージ処理ＡＰＩ１４５のテキスト位置決め機能
を呼び出すことによってそのイメージコンポーネントに
関連し変換しインポートしたテキストの位置決めを行な
い、複合画像を作成する（ステップ３６０）。変換させ
たテキストの位置決め操作は、デフォルトのテキスト位
置を包含することが可能であり、そのデフォルトのテキ
スト位置はイメージコンポーネントの下側中央部分とす
ることが可能である。然しながら、変換されたテキスト
は、任意の配向状態でイメージコンポーネントの区域内
の任意の位置に配置させることが可能である。それは、
又、例えば右−左−中央揃え、又は曲線に沿ってのフロ
ー即ち流れ状態等の任意のテキスト配置特徴を使用して
配置させることが可能である。変換されたテキストは、
更に、イメージコンポーネントの区域外部の任意の位置
に配置させることが可能であり、例えば、キャプション
としてイメージの下側に配置させるか、又は例えばマイ
クロソフトパワーポイントノーツ頁としてイメージから
離れた位置に配置させることも可能である。変換された
テキストは、イメージ処理アプリケーション１４０にお
いて使用可能なテキストフォーマットを使用してフォー
マットすることが可能であり、それは、デフォルトのフ
ォント及びデフォルトのポイント寸法を包含することが
可能である。変換されたテキストは、ベクトルフォーマ
ット又はビットマップフォーマットで、又は別のテキス
トコンポーネントファイルとして、イメージ処理アプリ
ケーションテキストフォーマットで格納することが可能
である。
【００２０】変換されインポートしたテキストがイメー
ジコンポーネントに関連して位置決めされた後に、テキ
スト関連付けアプリケーション１６０は、イメージ処理
アプリケーションＡＰＩ１４５の印刷機能を呼び出すこ
とによってその変換されインポートされ位置決めされた
テキストを包含するイメージコンポーネントを印刷する
（ステップ３７０）。イメージと関連付けされている変
換されたテキストの１例を図３に示してある。
ジコンポーネントに関連して位置決めされた後に、テキ
スト関連付けアプリケーション１６０は、イメージ処理
アプリケーションＡＰＩ１４５の印刷機能を呼び出すこ
とによってその変換されインポートされ位置決めされた
テキストを包含するイメージコンポーネントを印刷する
（ステップ３７０）。イメージと関連付けされている変
換されたテキストの１例を図３に示してある。
【００２１】上述したような図２の方法はユーザに対し
てステップ３３０及び３６０において入力を行なうため
のプロンプトを与えるものであるが、ユーザ入力なしで
自動的に動作するようにすることも可能である。自動的
に動作する場合には、ステップ３３０及び３３５が取り
除かれ、且つソースファイル内に含まれているか又はそ
れと関連しているオーディオコンポーネントはステップ
３４０及び３５０において自動的に探し出され且つ変換
されたテキストへ変換される。テキストがステップ３５
５においてインポートされた後に、その変換されたテキ
ストはデフォルトの位置決め設定を使用してステップ３
６０において自動的に位置決めされる。変換されインポ
ートされ位置決めされたテキストを包含するイメージコ
ンポーネントはステップ３７０において印刷される。こ
のプロセスは、ステップ３００においてソースファイル
の仕様においてワイルドカードを使用することにより、
又はスクリプト又はバッチファイルを使用することによ
って複数個のソースファイルに関して自動的に実施させ
ることが可能である。
てステップ３３０及び３６０において入力を行なうため
のプロンプトを与えるものであるが、ユーザ入力なしで
自動的に動作するようにすることも可能である。自動的
に動作する場合には、ステップ３３０及び３３５が取り
除かれ、且つソースファイル内に含まれているか又はそ
れと関連しているオーディオコンポーネントはステップ
３４０及び３５０において自動的に探し出され且つ変換
されたテキストへ変換される。テキストがステップ３５
５においてインポートされた後に、その変換されたテキ
ストはデフォルトの位置決め設定を使用してステップ３
６０において自動的に位置決めされる。変換されインポ
ートされ位置決めされたテキストを包含するイメージコ
ンポーネントはステップ３７０において印刷される。こ
のプロセスは、ステップ３００においてソースファイル
の仕様においてワイルドカードを使用することにより、
又はスクリプト又はバッチファイルを使用することによ
って複数個のソースファイルに関して自動的に実施させ
ることが可能である。
【００２２】一方、テキスト関連付けアプリケーション
１６０は、イメージ処理アプリケーション１４０に対す
るプラグインとして実現することが可能である。この形
態においては、テキスト関連付けアプリケーション１６
０はイメージ処理アプリケーション１４０に対して幾つ
かのオプションを付加し、それはイメージをモニタ１１
０上に表示する任意の時間においてユーザによって選択
することが可能である。ユーザはソーステキストファイ
ルを選択することによって前にオーディオから変換した
変換されたテキストを表示されたイメージへ付加させる
ことが可能であり、次いで、それに対してステップ３６
０の方法が適用される。オーディオコンポーネントが現
在表示されている画像と関連付けされている場合には、
ユーザは、ステップ３５０及び３５５の方法を使用し
て、オーディオコンポーネントを変換されたテキストへ
変換し且つその変換されたテキストをイメージ処理アプ
リケーションへインポートすることを選択することが可
能である。ユーザは、更に、別のオーディオファイルを
選択することによって又はイメージ処理アプリケーショ
ンに対してオーディオデータを供給するための別の手段
を使用することによって、オーディオを表示されたイメ
ージと関連付けさせ、次いで、該オーディオをステップ
３５０及び３５５の方法を使用して変換されたテキスト
へ変換させることを選択することが可能である。
１６０は、イメージ処理アプリケーション１４０に対す
るプラグインとして実現することが可能である。この形
態においては、テキスト関連付けアプリケーション１６
０はイメージ処理アプリケーション１４０に対して幾つ
かのオプションを付加し、それはイメージをモニタ１１
０上に表示する任意の時間においてユーザによって選択
することが可能である。ユーザはソーステキストファイ
ルを選択することによって前にオーディオから変換した
変換されたテキストを表示されたイメージへ付加させる
ことが可能であり、次いで、それに対してステップ３６
０の方法が適用される。オーディオコンポーネントが現
在表示されている画像と関連付けされている場合には、
ユーザは、ステップ３５０及び３５５の方法を使用し
て、オーディオコンポーネントを変換されたテキストへ
変換し且つその変換されたテキストをイメージ処理アプ
リケーションへインポートすることを選択することが可
能である。ユーザは、更に、別のオーディオファイルを
選択することによって又はイメージ処理アプリケーショ
ンに対してオーディオデータを供給するための別の手段
を使用することによって、オーディオを表示されたイメ
ージと関連付けさせ、次いで、該オーディオをステップ
３５０及び３５５の方法を使用して変換されたテキスト
へ変換させることを選択することが可能である。
【００２３】イメージは、多数の手段によってそれと関
連するオーディオ及び／又は変換されたテキストコンポ
ーネントと共に保存することが可能である。変換された
テキストコンポーネントは、イメージ処理アプリケーシ
ョン１４０のスタンダードの態様でイメージに対して直
接的に取付けることが可能である。変換されたテキスト
コンポーネントは、イメージコンポーネントファイル内
において、又は別のテキストファイルにおいて、オーデ
ィオコンポーネントファイルと同一のファイル内に格納
することが可能である。そのファイルは、該変換された
テキストを該アプリケーションプログラムのオーディオ
コンポーネントに対するエイリアスとさせることによっ
て保存することが可能であり、それは保存されたファイ
ルの付加的なコンポーネントである。オーディオコンポ
ーネントが変化した場合には、エイリアスを使用するこ
とは、ステップ３５０の方法を使用して該変換されたテ
キストコンポーネントの自動的なアップデートを行なう
ことを可能とする。イメージが複数個のイメージを包含
する単一ファイル内に保存されるべき場合には、該複数
個のイメージのうちの特定の１つと該変換されたテキス
トコンポーネントを関連付けさせるタグ又は識別子を形
成することが可能である。
連するオーディオ及び／又は変換されたテキストコンポ
ーネントと共に保存することが可能である。変換された
テキストコンポーネントは、イメージ処理アプリケーシ
ョン１４０のスタンダードの態様でイメージに対して直
接的に取付けることが可能である。変換されたテキスト
コンポーネントは、イメージコンポーネントファイル内
において、又は別のテキストファイルにおいて、オーデ
ィオコンポーネントファイルと同一のファイル内に格納
することが可能である。そのファイルは、該変換された
テキストを該アプリケーションプログラムのオーディオ
コンポーネントに対するエイリアスとさせることによっ
て保存することが可能であり、それは保存されたファイ
ルの付加的なコンポーネントである。オーディオコンポ
ーネントが変化した場合には、エイリアスを使用するこ
とは、ステップ３５０の方法を使用して該変換されたテ
キストコンポーネントの自動的なアップデートを行なう
ことを可能とする。イメージが複数個のイメージを包含
する単一ファイル内に保存されるべき場合には、該複数
個のイメージのうちの特定の１つと該変換されたテキス
トコンポーネントを関連付けさせるタグ又は識別子を形
成することが可能である。
【００２４】オーディオコンポーネントは多数の手段に
よってイメージコンポーネントと関連付けさせることが
可能である。オーディオコンポーネントは、イメージ処
理アプリケーション１４０のスタンダードの手順に従っ
てイメージコンポーネントと同一のファイル内に保存す
ることが可能であり、その場合には、該オーディオコン
ポーネント及び該イメージコンポーネントに対するタグ
を使用してこれら２つのコンポーネントの間の関連を表
わす。このようなタグによる方法は、例えば、フラッシ
ュピックスフォーマットによって使用されている。
よってイメージコンポーネントと関連付けさせることが
可能である。オーディオコンポーネントは、イメージ処
理アプリケーション１４０のスタンダードの手順に従っ
てイメージコンポーネントと同一のファイル内に保存す
ることが可能であり、その場合には、該オーディオコン
ポーネント及び該イメージコンポーネントに対するタグ
を使用してこれら２つのコンポーネントの間の関連を表
わす。このようなタグによる方法は、例えば、フラッシ
ュピックスフォーマットによって使用されている。
【００２５】一方、オーディオコンポーネントはイメー
ジコンポーネントが格納されているファイルとは別のフ
ァイル内に格納することが可能である。この場合には、
別のオーディオファイルのファイルの名前のコンポーネ
ントがイメージコンポーネントファイルのファイルの名
前のコンポーネントとマッチングする場合がある。オー
ディオコンポーネントファイル内のデジタルタグは、イ
メージコンポーネントファイル内のデジタルタグとマッ
チングする場合がある。イメージコンポーネントファイ
ルと関連付けされるべき１つを超えたオーディオコンポ
ーネントが存在する場合には、同一のオーディオタグが
オーディオコンポーネントファイル間において共用され
ている。１つ又はそれ以上のオーディオコンポーネント
によって共用されている１つを超えるイメージコンポー
ネントが存在する場合には、同一のオーディオタグが夫
々のイメージコンポーネントファイルの間で共用されて
いる。ユーザは、手作業によってオーディオコンポーネ
ントをイメージコンポーネントと関連付けさせることが
可能である（例えば、オーディオをイメージとは独立的
に採取しオーディオテープをアナログフィルムに関連付
けさせる場合）。オーディオコンポーネントの一部は、
イメージコンポーネントの一部に対するタグとすること
が可能である（例えば、「３」という単語は、イメージ
コンポーネントにおける複数個のイメージの３番目のイ
メージとマッチングするために使用することが可能であ
る）。
ジコンポーネントが格納されているファイルとは別のフ
ァイル内に格納することが可能である。この場合には、
別のオーディオファイルのファイルの名前のコンポーネ
ントがイメージコンポーネントファイルのファイルの名
前のコンポーネントとマッチングする場合がある。オー
ディオコンポーネントファイル内のデジタルタグは、イ
メージコンポーネントファイル内のデジタルタグとマッ
チングする場合がある。イメージコンポーネントファイ
ルと関連付けされるべき１つを超えたオーディオコンポ
ーネントが存在する場合には、同一のオーディオタグが
オーディオコンポーネントファイル間において共用され
ている。１つ又はそれ以上のオーディオコンポーネント
によって共用されている１つを超えるイメージコンポー
ネントが存在する場合には、同一のオーディオタグが夫
々のイメージコンポーネントファイルの間で共用されて
いる。ユーザは、手作業によってオーディオコンポーネ
ントをイメージコンポーネントと関連付けさせることが
可能である（例えば、オーディオをイメージとは独立的
に採取しオーディオテープをアナログフィルムに関連付
けさせる場合）。オーディオコンポーネントの一部は、
イメージコンポーネントの一部に対するタグとすること
が可能である（例えば、「３」という単語は、イメージ
コンポーネントにおける複数個のイメージの３番目のイ
メージとマッチングするために使用することが可能であ
る）。
【００２６】オーディオデータから変換されたテキスト
への変換、及びその後の変換されたテキストとイメージ
データとの関連付けは、多数の手段によって実行するこ
とが可能である。オーディオデータが音声認識アプケー
ション１５０によって認識されることのないデジタルオ
ーディオフォーマットで格納されている場合には、その
オーディオデータは、スピーカを介して発声させるか、
又はアナログオーディオ信号へ変換させ且つ適宜のプレ
イヤーソフトウエアを使用して出力ライン上で出力さ
せ、次いでマイクロフォン又は入力ラインを介して適宜
のデジタルオーディオフォーマットで音声認識アプリケ
ーション１５０内へインポートさせることが可能であ
る。
への変換、及びその後の変換されたテキストとイメージ
データとの関連付けは、多数の手段によって実行するこ
とが可能である。オーディオデータが音声認識アプケー
ション１５０によって認識されることのないデジタルオ
ーディオフォーマットで格納されている場合には、その
オーディオデータは、スピーカを介して発声させるか、
又はアナログオーディオ信号へ変換させ且つ適宜のプレ
イヤーソフトウエアを使用して出力ライン上で出力さ
せ、次いでマイクロフォン又は入力ラインを介して適宜
のデジタルオーディオフォーマットで音声認識アプリケ
ーション１５０内へインポートさせることが可能であ
る。
【００２７】ドラゴンシステムのドラゴンディクテイト
とすることの可能な音声認識アプリケーション１５０
は、スタンダードのＡＰＩを使用してデジタルオーディ
オを変換されたテキストへ変換させるために使用するこ
とが可能である。次いで、イメージ処理アプリケーショ
ン１４０は、スタンダードのテキストをインポートする
技術を使用し、その変換されたテキストをインポートし
且つその変換されたテキストをステップ３６０に従って
イメージに関連付けて位置決めさせる。その変換され位
置決めされたテキストを包含するイメージは、ステップ
３７０に従って印刷させるか、又はモニタ上で表示させ
るか、又は上述したようにファイル内に保存することが
可能である。
とすることの可能な音声認識アプリケーション１５０
は、スタンダードのＡＰＩを使用してデジタルオーディ
オを変換されたテキストへ変換させるために使用するこ
とが可能である。次いで、イメージ処理アプリケーショ
ン１４０は、スタンダードのテキストをインポートする
技術を使用し、その変換されたテキストをインポートし
且つその変換されたテキストをステップ３６０に従って
イメージに関連付けて位置決めさせる。その変換され位
置決めされたテキストを包含するイメージは、ステップ
３７０に従って印刷させるか、又はモニタ上で表示させ
るか、又は上述したようにファイル内に保存することが
可能である。
【００２８】イメージが例えばネガフィルム又はプリン
ト等のデジタルイメージ以外のものである場合には、ス
テップ３５０の方法を使用してオーディオデータを変換
されたテキストへ変換することが可能である。次いで、
スタンダードの印刷技術を使用してその変換されたテキ
ストをイメージ上に物理的に印刷させることが可能であ
る。
ト等のデジタルイメージ以外のものである場合には、ス
テップ３５０の方法を使用してオーディオデータを変換
されたテキストへ変換することが可能である。次いで、
スタンダードの印刷技術を使用してその変換されたテキ
ストをイメージ上に物理的に印刷させることが可能であ
る。
【００２９】オーディオ、テキスト、イメージコンポー
ネントは、多数の形態をとることが可能であり、且つ以
下のものに制限するわけではないが以下のものを包含す
る多数の手段によって作成することが可能である。
ネントは、多数の形態をとることが可能であり、且つ以
下のものに制限するわけではないが以下のものを包含す
る多数の手段によって作成することが可能である。
【００３０】イメージは、デジタルカメラ又は例えばフ
ィルムカメラ又はＶＨＳレコーダ等のその他の画像形成
装置によってイメージをキャプチャ即ち採取することに
より作成することが可能である。イメージは、写真をデ
ジタル化させるか、オブジェクトをスキャニングする
か、又はベクトルイメージをラスタライズ形態へ変換さ
せることによって作成することが可能である。
ィルムカメラ又はＶＨＳレコーダ等のその他の画像形成
装置によってイメージをキャプチャ即ち採取することに
より作成することが可能である。イメージは、写真をデ
ジタル化させるか、オブジェクトをスキャニングする
か、又はベクトルイメージをラスタライズ形態へ変換さ
せることによって作成することが可能である。
【００３１】次のものに制限されるべきものではない
が、使用することの可能なデジタルビットマップ及びピ
クセルマップイメージフォーマットとしては、グラフィ
ックスインターチェンジフォーマット（ＧＩＦ）、ジョ
イントフォトグラフィックエキスパーツグループフォー
マット（ＪＰＥＧ）、タグ付きイメージファイルフォー
マット（ＴＩＦＦ）、マイクロソフトウインドウズビッ
トマップグラフィックスフォーマット（ＢＭＰ）、アド
ビフォトショップフォーマット、及びフラッシュピック
スフォーマット等がある。次のものに制限されるべきも
のではないが、使用可能なベクトルイメージとしては、
ポストスクリプトファイル、アドビイラストレイターフ
ァイル、変換ビットマップイメージ等がある。次のもの
に制限されるべきものではないが、使用可能なアナログ
イメージとしては、写真フィルムイメージ（単一又はマ
ルチフレーム、ネガ又はポジ）、及び例えばＶＨＳ等の
動画ビデオイメージ等がある。使用することの可能なド
キュメント頁又はドキュメント頁コンポーネントを表わ
すイメージとしては、アドビポータブルドキュメントフ
ォーマット（ＰＤＦ）頁又はサブ頁、文書処理ドキュメ
ントにおけるイメージ、又はスプレットシートの１つ又
はそれ以上のセル等がある。
が、使用することの可能なデジタルビットマップ及びピ
クセルマップイメージフォーマットとしては、グラフィ
ックスインターチェンジフォーマット（ＧＩＦ）、ジョ
イントフォトグラフィックエキスパーツグループフォー
マット（ＪＰＥＧ）、タグ付きイメージファイルフォー
マット（ＴＩＦＦ）、マイクロソフトウインドウズビッ
トマップグラフィックスフォーマット（ＢＭＰ）、アド
ビフォトショップフォーマット、及びフラッシュピック
スフォーマット等がある。次のものに制限されるべきも
のではないが、使用可能なベクトルイメージとしては、
ポストスクリプトファイル、アドビイラストレイターフ
ァイル、変換ビットマップイメージ等がある。次のもの
に制限されるべきものではないが、使用可能なアナログ
イメージとしては、写真フィルムイメージ（単一又はマ
ルチフレーム、ネガ又はポジ）、及び例えばＶＨＳ等の
動画ビデオイメージ等がある。使用することの可能なド
キュメント頁又はドキュメント頁コンポーネントを表わ
すイメージとしては、アドビポータブルドキュメントフ
ォーマット（ＰＤＦ）頁又はサブ頁、文書処理ドキュメ
ントにおけるイメージ、又はスプレットシートの１つ又
はそれ以上のセル等がある。
【００３２】イメージは複数個のフレームを包含するこ
とが可能であり、その場合には、ユーザは単に最初のフ
レーム上の又は複数個のマルチフレーム上に関連付けさ
れた変換されたテキストを包含させるためのオプション
を提供させることが可能である。ユーザは、又、例え
ば、変換されたテキストの特別の部分をイメージコンポ
ーネント内のマルチフレームの各々と関連付けさせるこ
とにより、その変換され関連付けされたテキストをマル
チフレームの１つ又はそれ以上を横断して分布させるこ
とを選択することが可能である。
とが可能であり、その場合には、ユーザは単に最初のフ
レーム上の又は複数個のマルチフレーム上に関連付けさ
れた変換されたテキストを包含させるためのオプション
を提供させることが可能である。ユーザは、又、例え
ば、変換されたテキストの特別の部分をイメージコンポ
ーネント内のマルチフレームの各々と関連付けさせるこ
とにより、その変換され関連付けされたテキストをマル
チフレームの１つ又はそれ以上を横断して分布させるこ
とを選択することが可能である。
【００３３】オーディオデータは、イメージデータを作
成又は採取するために使用される装置とは独立している
デジタル又はアナログオーディオレコーダを使用して作
成することが可能である。例えば、イメージデータは、
デジタルカメラ１７０によってキャプチャすることが可
能であり且つオーディオデータはマイクロフォン及びＤ
ＡＴレコーダによってデジタルオーディオテープ（ＤＡ
Ｔ）上にキャプチャすることが可能である。次いで、そ
のイメージデータ及びオーディオデータは、各々、スタ
ンダードの手段を使用してコンピュータ１００ａ内に別
々にインポートされる。そのオーディオデータは、そう
である必要はないが、記録した人間の音声とすることが
可能である。
成又は採取するために使用される装置とは独立している
デジタル又はアナログオーディオレコーダを使用して作
成することが可能である。例えば、イメージデータは、
デジタルカメラ１７０によってキャプチャすることが可
能であり且つオーディオデータはマイクロフォン及びＤ
ＡＴレコーダによってデジタルオーディオテープ（ＤＡ
Ｔ）上にキャプチャすることが可能である。次いで、そ
のイメージデータ及びオーディオデータは、各々、スタ
ンダードの手段を使用してコンピュータ１００ａ内に別
々にインポートされる。そのオーディオデータは、そう
である必要はないが、記録した人間の音声とすることが
可能である。
【００３４】オーディオデータは、デジタル又はアナロ
グ記録とすることが可能である。オーディオデータは圧
縮されたもの又は圧縮されていないものとすることが可
能である。デジタル記録は、例えばリアルオーディオ
（ＲｅａｌＡｕｄｉｏ）、クイックタイム（Ｑｕｉｃｋ
Ｔｉｍｅ）、又はフラッシュピックス（ＦｌａｓｈＰｉ
ｘ）等のコンピュータによってサポートされているフォ
ーマットで格納することが可能である。アナログ記録
は、従来のテープ、フィルムストリップ、又はその他の
媒体上に格納し、且つ例えば、スピーカを介してその記
録をプレイさせることによって音声認識アプリケーショ
ン１５０によりオーディオテキストへ変換させ且つその
オーディオデータをコンピュータ１００ａのＩ／Ｏポー
ト２００ａ−ｆへ取付けられているマイクロフォンで採
取するか、又はアナログオーディオ信号へ変換させ且つ
適宜のプレイヤーソフトウエアを使用して出力ライン上
に出力させ、次いで入力ラインを介して音声認識アプリ
ケーション１５０内へインポートさせることが可能であ
る。
グ記録とすることが可能である。オーディオデータは圧
縮されたもの又は圧縮されていないものとすることが可
能である。デジタル記録は、例えばリアルオーディオ
（ＲｅａｌＡｕｄｉｏ）、クイックタイム（Ｑｕｉｃｋ
Ｔｉｍｅ）、又はフラッシュピックス（ＦｌａｓｈＰｉ
ｘ）等のコンピュータによってサポートされているフォ
ーマットで格納することが可能である。アナログ記録
は、従来のテープ、フィルムストリップ、又はその他の
媒体上に格納し、且つ例えば、スピーカを介してその記
録をプレイさせることによって音声認識アプリケーショ
ン１５０によりオーディオテキストへ変換させ且つその
オーディオデータをコンピュータ１００ａのＩ／Ｏポー
ト２００ａ−ｆへ取付けられているマイクロフォンで採
取するか、又はアナログオーディオ信号へ変換させ且つ
適宜のプレイヤーソフトウエアを使用して出力ライン上
に出力させ、次いで入力ラインを介して音声認識アプリ
ケーション１５０内へインポートさせることが可能であ
る。
【００３５】イメージデータ及びそれと関連するオーデ
ィオデータは、必ずしも必要であるというわけではない
が、同時に発生させるか又はキャプチャ即ち採取するこ
とが可能である。例えば、予め記録してあるサンプルか
らなるライブラリからのオーディオデータをイメージを
キャプチャする時又は後の時のいずれかにイメージデー
タと関連付けさせることが可能である。ある場合には、
イメージデータをキャプチャし且つ例えばコンピュータ
モニタ上でそのイメージデータを見る場合等の後の時間
において関連するオーディオデータを記録することが有
用な場合がある。
ィオデータは、必ずしも必要であるというわけではない
が、同時に発生させるか又はキャプチャ即ち採取するこ
とが可能である。例えば、予め記録してあるサンプルか
らなるライブラリからのオーディオデータをイメージを
キャプチャする時又は後の時のいずれかにイメージデー
タと関連付けさせることが可能である。ある場合には、
イメージデータをキャプチャし且つ例えばコンピュータ
モニタ上でそのイメージデータを見る場合等の後の時間
において関連するオーディオデータを記録することが有
用な場合がある。
【００３６】本発明は音声から派生させた変換テキスト
を使用するものであるが、オーディオ記録の任意のコン
ポーネントから変換テキストを派生させることも可能で
ある。例えば、ステップ３５０において、人の歌声の記
録をテキストへ変換させることが可能であり、又は複数
個の音声を包含するオーディオ記録から単一の音声を選
択し、次いで変換テキストへ変換させることが可能であ
る。
を使用するものであるが、オーディオ記録の任意のコン
ポーネントから変換テキストを派生させることも可能で
ある。例えば、ステップ３５０において、人の歌声の記
録をテキストへ変換させることが可能であり、又は複数
個の音声を包含するオーディオ記録から単一の音声を選
択し、次いで変換テキストへ変換させることが可能であ
る。
【００３７】別の実施例においては、サブタイトル即ち
説明字幕を映画の上に重ね合わせるが、その場合にオー
ディオデータはフィルムの元の言語のままであり、且つ
変換されたテキストは別の言語である。図４を参照する
と、フィルムからのオーディオデータをキャプチャ即ち
採取する（ステップ４００）。そのオーディオデータ
は、音声認識ソフトウエア１５０を使用して変換された
テキストへ変換する（ステップ４１０）。その変換され
たテキストは、例えばカリフォルニア州メンローパーク
のニュアンスコミュニケーションズ（Ｎｕａｎｃｅ Ｃ
ｏｍｍｕｎｉｃａｔｉｏｎｓ）及びＳＲＩインターナシ
ョナルによって開発されたニュアンススピーチ認識エン
ジン（Ｎｕａｎｃｅ Ｓｐｅｅｃｈ Ｒｅｃｏｇｎｉｔ
ｉｏｎ Ｅｎｇｉｎｅ）のようなソフトウエアを使用し
て所望の説明字幕用の言語へ翻訳される。変換され翻訳
されたテキストは、そのオーディオデータが関連してい
る一連のイメージの上に重ね合わされる（ステップ４３
０）。同様に、例えばテレビ等のビデオディスプレイ上
で表示されるビデオからのオーディオデータに関連し
て、そのオーディオデータが変換されたテキストへ変換
され且つそのビデオと共に表示され聴力障害者に対する
サポートを与える。
説明字幕を映画の上に重ね合わせるが、その場合にオー
ディオデータはフィルムの元の言語のままであり、且つ
変換されたテキストは別の言語である。図４を参照する
と、フィルムからのオーディオデータをキャプチャ即ち
採取する（ステップ４００）。そのオーディオデータ
は、音声認識ソフトウエア１５０を使用して変換された
テキストへ変換する（ステップ４１０）。その変換され
たテキストは、例えばカリフォルニア州メンローパーク
のニュアンスコミュニケーションズ（Ｎｕａｎｃｅ Ｃ
ｏｍｍｕｎｉｃａｔｉｏｎｓ）及びＳＲＩインターナシ
ョナルによって開発されたニュアンススピーチ認識エン
ジン（Ｎｕａｎｃｅ Ｓｐｅｅｃｈ Ｒｅｃｏｇｎｉｔ
ｉｏｎ Ｅｎｇｉｎｅ）のようなソフトウエアを使用し
て所望の説明字幕用の言語へ翻訳される。変換され翻訳
されたテキストは、そのオーディオデータが関連してい
る一連のイメージの上に重ね合わされる（ステップ４３
０）。同様に、例えばテレビ等のビデオディスプレイ上
で表示されるビデオからのオーディオデータに関連し
て、そのオーディオデータが変換されたテキストへ変換
され且つそのビデオと共に表示され聴力障害者に対する
サポートを与える。
【００３８】図５を参照すると、本発明は、デジタル電
子回路において、又はコンピュータハードウエア、ファ
ームウエア、ソフトウエア又はそれらの組合わせで実現
することが可能である。本発明装置は、コンピュータプ
ロセサによって実行するための機械読取可能な格納装置
において実現したコンピュータプログラム製品の形態で
実現することが可能であり、且つ本発明の方法ステップ
は、入力データに関して操作を行ない且つ出力を発生す
ることにより本発明の機能を実行するためのプログラム
を実行するコンピュータプロセサによって実行すること
が可能である。適切なプロセサ５００は、１例として
は、汎用及び特別目的の両方のマイクロプロセサを包含
している。一般的には、プロセサは、リードオンリメモ
リ（ＲＯＭ）５１０及び／又はランダムアクセスメモリ
（ＲＡＭ）５０５からＣＰＵバス５２０を介して命令及
びデータを受取る。コンピュータは、通常、更に、大量
格納（記憶）インターフェース５４０を介して動作する
内部ディスク５４５又はＩ／Ｏインターフェース５３０
を介して動作する着脱自在のディスク５３５等の格納媒
体からプログラム及びデータを受取ることが可能であ
る。Ｉ／Ｏバス５２５を介してＩ／Ｏ装置５３５及び５
４５、プロセサ５００、メモリ５０５，５１０への及び
それらからのデータの流れはＩ／Ｏ制御器５１５によっ
て制御される。ユーザ入力は、キーボード、マウス、ス
タイラス、マイクロフォン、トラックボール、タッチス
クリーン又はその他の入力装置によって得られる。これ
らの要素は従来のディスクトップ又はワークステーショ
ンコンピュータ及び任意のデジタルプリントエンジン６
００又はマーキングエンジン、ディスプレイモニタ、又
は用紙、フィルム、ディスプレイスクリーン又はその他
の出力媒体上にカラー又はグレイスケールのピクセルを
発生させることの可能なその他のラスター出力装置と関
連して使用することの可能な本明細書に記載した方法を
実現するコンピュータプログラムを実行するのに適した
その他のコンピュータにおいて使用されるものである。
子回路において、又はコンピュータハードウエア、ファ
ームウエア、ソフトウエア又はそれらの組合わせで実現
することが可能である。本発明装置は、コンピュータプ
ロセサによって実行するための機械読取可能な格納装置
において実現したコンピュータプログラム製品の形態で
実現することが可能であり、且つ本発明の方法ステップ
は、入力データに関して操作を行ない且つ出力を発生す
ることにより本発明の機能を実行するためのプログラム
を実行するコンピュータプロセサによって実行すること
が可能である。適切なプロセサ５００は、１例として
は、汎用及び特別目的の両方のマイクロプロセサを包含
している。一般的には、プロセサは、リードオンリメモ
リ（ＲＯＭ）５１０及び／又はランダムアクセスメモリ
（ＲＡＭ）５０５からＣＰＵバス５２０を介して命令及
びデータを受取る。コンピュータは、通常、更に、大量
格納（記憶）インターフェース５４０を介して動作する
内部ディスク５４５又はＩ／Ｏインターフェース５３０
を介して動作する着脱自在のディスク５３５等の格納媒
体からプログラム及びデータを受取ることが可能であ
る。Ｉ／Ｏバス５２５を介してＩ／Ｏ装置５３５及び５
４５、プロセサ５００、メモリ５０５，５１０への及び
それらからのデータの流れはＩ／Ｏ制御器５１５によっ
て制御される。ユーザ入力は、キーボード、マウス、ス
タイラス、マイクロフォン、トラックボール、タッチス
クリーン又はその他の入力装置によって得られる。これ
らの要素は従来のディスクトップ又はワークステーショ
ンコンピュータ及び任意のデジタルプリントエンジン６
００又はマーキングエンジン、ディスプレイモニタ、又
は用紙、フィルム、ディスプレイスクリーン又はその他
の出力媒体上にカラー又はグレイスケールのピクセルを
発生させることの可能なその他のラスター出力装置と関
連して使用することの可能な本明細書に記載した方法を
実現するコンピュータプログラムを実行するのに適した
その他のコンピュータにおいて使用されるものである。
【００３９】１例として、例えばポストスクリプト言語
等の頁記述言語用のインタプリタを実現する印刷装置５
５０は、プリンタランダムアクセスメモリ（ＲＡＭ）５
８０及びプリンタリードオンリメモリ（ＲＯＭ）５９０
上に格納されており且つプリンタマーキングエンジン６
００を制御するプログラム命令（フォント命令を含む）
を実行するためのマイクロプロセサ５７０を有してい
る。ＲＡＭ５８０は、オプションとして、例えばハード
ディスク（不図示）等の大量格納装置によって補充され
る。
等の頁記述言語用のインタプリタを実現する印刷装置５
５０は、プリンタランダムアクセスメモリ（ＲＡＭ）５
８０及びプリンタリードオンリメモリ（ＲＯＭ）５９０
上に格納されており且つプリンタマーキングエンジン６
００を制御するプログラム命令（フォント命令を含む）
を実行するためのマイクロプロセサ５７０を有してい
る。ＲＡＭ５８０は、オプションとして、例えばハード
ディスク（不図示）等の大量格納装置によって補充され
る。
【００４０】コンピュータプログラム命令を実施するの
に適した格納装置としては、例えばＥＰＲＯＭ、ＥＥＰ
ＲＯＭ、フラッシュメモリ装置等の半導体メモリ装置を
包含する全ての形態の非揮発性メモリ、例えば内部ハー
ドディスク５４５及び着脱自在なディスク５３５等の磁
気ディスク、ＭＯディスク、及びＣＤ−ＲＯＭディスク
等がある。前述したもののいずれの場合にも、特別に設
計されたＡＳＩＣ（応用特定集積回路）によって補充さ
れるものであるか又はその中に組込んだものとすること
が可能である。
に適した格納装置としては、例えばＥＰＲＯＭ、ＥＥＰ
ＲＯＭ、フラッシュメモリ装置等の半導体メモリ装置を
包含する全ての形態の非揮発性メモリ、例えば内部ハー
ドディスク５４５及び着脱自在なディスク５３５等の磁
気ディスク、ＭＯディスク、及びＣＤ−ＲＯＭディスク
等がある。前述したもののいずれの場合にも、特別に設
計されたＡＳＩＣ（応用特定集積回路）によって補充さ
れるものであるか又はその中に組込んだものとすること
が可能である。
【００４１】本発明の要素はソフトウエアとして実現さ
れた場合について説明したものであるが、本発明はソフ
トウエア又はハードウエア又はファームウエア又はそれ
ら３つの組合わせで実現することが可能である。
れた場合について説明したものであるが、本発明はソフ
トウエア又はハードウエア又はファームウエア又はそれ
ら３つの組合わせで実現することが可能である。
【００４２】以上、本発明の具体的実施の態様について
詳細に説明したが、本発明は、これら具体例にのみ制限
されるべきものではなく、本発明の技術的範囲を逸脱す
ることなしに種々の変形が可能であることは勿論であ
る。
詳細に説明したが、本発明は、これら具体例にのみ制限
されるべきものではなく、本発明の技術的範囲を逸脱す
ることなしに種々の変形が可能であることは勿論であ
る。
【図１】 本発明に基づいて構成したシステムを示した
概略ブロック図。
概略ブロック図。
【図２】 テキスト関連付けアプリケーションを使用し
てイメージファイルを印刷するためにユーザの選択によ
って開始されるイベントのシーケンスを示したフローチ
ャート。
てイメージファイルを印刷するためにユーザの選択によ
って開始されるイベントのシーケンスを示したフローチ
ャート。
【図３】 イメージに関連付けされている変換されたテ
キストを示した説明図。
キストを示した説明図。
【図４】 ある言語におけるオーディオデータを別の言
語で説明字幕へ変換する方法を示したフローチャート。
語で説明字幕へ変換する方法を示したフローチャート。
【図５】 本発明を実現するのに適したコンピュータ及
びコンピュータ要素を示した概略図。
びコンピュータ要素を示した概略図。
１００ａ コンピュータ １０５ ＣＰＵ １１０ モニタ １２０ キーボード １３０ オペレーティングシステム １４０ イメージ処理アプリケーション １４５ イメージ処理ＡＰＩ １５０ 音声認識アプリケーション １５５ 音声認識ＡＰＩ １６０ テキスト関連付けアプリケーション １７０ デジタルカメラ １８０ ハードディスク １９０ プリンタ ２００ Ｉ／Ｏポート
Claims (19)
- 【請求項１】 テキストと共にイメージを表示するため
のコンピュータによって実行される方法において、 コンピュータによって読取可能なメモリ内にオーディオ
データとイメージデータとを与え、 前記オーディオデータに対して計算音声・テキスト変換
プロセスを適用して変換させたテキストを発生し、 前記イメージデータを前記変換させたテキストと合成さ
せることにより複合イメージを作成し、 前記複合イメージを表示する、ことを特徴とする方法。 - 【請求項２】 請求項１において、前記表示を行なう場
合に、前記複合イメージを印刷することを特徴とする方
法。 - 【請求項３】 請求項２において、前記オーディオデー
タ及び前記イメージデータが好適にはフラッシュピック
ス（ＦｌａｓｈＰｉｘ）ファイルである単一のソースフ
ァイルのコンポーネントであることを特徴とする方法。 - 【請求項４】 請求項２において、前記オーディオデー
タ及び前記イメージデータが別々のソースファイルから
発生することを特徴とする方法。 - 【請求項５】 請求項２において、 前記コンピュータによって読取可能なメモリがコンピュ
ータプログラム命令を実行するために動作可能なコンピ
ュータのランダムアクセスメモリであり、 前記計算音声・テキスト変換プロセスが前記コンピュー
タ上で実行されるコンピュータプログラム命令を有して
おり、 前記コンピュータによって読取可能なメモリ内にオーデ
ィオデータとイメージデータとを与えるステップが、前
記オーディオデータと前記イメージデータとを互いにリ
ンクさせる情報を得、大量格納装置に格納されている前
記イメージデータ及び前記オーディオデータを見つけ出
し、且つ前記大量格納装置から前記ランダムアクセスメ
モリ内に前記イメージデータ及び前記オーディオデータ
を読込むことを包含しており、 前記複合画像を作成するステップが、前記イメージデー
タと前記変換したテキストとをイメージ処理アプリケー
ションプログラム内へインポートし、前記イメージ処理
アプリケーションプログラムを実行して前記変換させた
テキストをフォーマットし、前記テキストを前記イメー
ジに関連して配置させ、且つ前記フォーマットし且つ配
置させたテキストを前記イメージデータと合成させて前
記複合画像を発生させることを包含している、ことを特
徴とする方法。 - 【請求項６】 請求項５において、前記イメージデータ
及び前記オーディオデータが前記大量格納装置に格納さ
れている別々のファイル内に存在しており、且つ前記オ
ーディオデータと前記イメージデータとを互いにリンク
させる情報が前記別々のファイルのうちの少なくとも１
つに格納されているタグであることを特徴とする方法。 - 【請求項７】 請求項５において、前記変換させたテキ
ストが前記イメージデータによって表わされるイメージ
の一部をカバーするように合成されることを特徴とする
方法。 - 【請求項８】 請求項５において、前記変換されたデキ
ストが、前記イメージデータによって表わされるイメー
ジのいずれの部分もカバーすることがないように合成さ
れることを特徴とする方法。 - 【請求項９】 請求項５において、前記イメージデータ
が単一のイメージを表わすことを特徴とする方法。 - 【請求項１０】 請求項５において、前記イメージデー
タが複数個の単一のイメージのシーケンスを表わしてお
り且つ前記オーディオデータが複数個のオーディオセグ
メントのシーケンスを表わしており、本方法が、更に、 前記オーディオセグメントのシーケンスのうちの１つの
オーディオセグメントを前記単一イメージのシーケンス
のうちの１つの単一イメージとマッチングさせ、 前記１つのオーディオセグメントを変換されたテキスト
セグメントへ変換し、 前記１つの単一イメージと前記変換させたテキストセグ
メントとを合成することにより単一の複合イメージを作
成する、ことを特徴とする方法。 - 【請求項１１】 請求項２において、前記イメージデー
タが複数個の単一イメージからなるシーケンスを表わし
ており、本方法が、更に、 前記単一イメージのシーケンスのうちの各単一イメージ
に対して、前記単一イメージと前記変換したテキストと
を合成することによって複合イメージを作成し、且つ前
記複合イメージの各々を印刷する、ことを特徴とする方
法。 - 【請求項１２】 請求項１１において、前記カメラは、
マイクロフォンを有しており且つ音声を記録し且つ記録
した音声を前記カメラによってとったイメージと関連付
けるべく動作可能なデジタルカメラであることを特徴と
する方法。 - 【請求項１３】 請求項１において、更に、 前記コンピュータプログラム命令を実行すべく動作可能
なコンピュータのランダムアクセスメモリ内にイメージ
データとオーディオデータとを読込み、 前記コンピュータ上で実行されるコンピュータプログラ
ム命令を包含する計算音声・テキスト変換プロセスを前
記ランダムアクセスメモリ内の前記オーディオデータに
対して適用して変換させたテキストを発生し、 前記イメージデータと前記変換させたテキストとをイメ
ージ処理アプリケーションプログラム内にインポート
し、前記イメージ処理アプリケーションプログラムを実
行して前記変換させたテキストをフォーマットし、前記
テキストを前記イメージの底部中央近くに配置させ、且
つ前記フォーマットし中心位置決めさせたテキストを前
記イメージデータと合成して複合画像を発生し、 前記複合画像を印刷する、ことを特徴とする方法。 - 【請求項１４】 コンピュータによって読取可能な媒体
に格納されているコンピュータプログラム製品におい
て、 オーディオデータとイメージデータとをコンピュータに
よって読取可能なメモリ内に読み込ませ、 前記オーディオデータをテキストへ変換させ、 前記イメージデータと前記変換したテキストとを合成さ
せて、複合画像を作成し、 好適には前記複合画像を印刷することにより前記複合画
像を表示させる、上記各命令を有することを特徴とする
コンピュータプログラム製品。 - 【請求項１５】 テキストと共にイメージを表示させる
システムにおいて、 オーディオデータとイメージデータとをコンピュータに
よって読取可能なメモリ内に読込む手段、 前記オーディオデータをテキストへ変換させる手段、 複合イメージを作成するために前記イメージデータと前
記変換させたテキストとを合成する手段、 好適には前記複合イメージを印刷することにより前記複
合画像を表示する手段、を有することを特徴とするシス
テム。 - 【請求項１６】 請求項１５において、更に、 コンピュータプログラム命令を実行すべく動作可能なコ
ンピュータのランダムアクセスメモリ内にイメージデー
タとオーディオデータとを読込む手段、 前記コンピュータ上で実行されるコンピュータプログラ
ム命令を有する計算音声・テキスト変換プロセスを変換
させたテキストを発生させるために前記ランダムアクセ
スメモリ内の前記オーディオデータに対して適用させる
手段、 イメージ処理アプリケーションプログラム内に前記イメ
ージデータと前記変換させたテキストとをインポート
し、前記変換させたテキストをフォーマットし、前記テ
キストを前記イメージの底部中心近くに配置させ、且つ
前記フォーマットし中心位置決めさせたテキストを前記
イメージデータと合成させて複合画像を発生させるため
に前記イメージ処理アプリケーションプログラムを実行
する手段、を有することを特徴とするシステム。 - 【請求項１７】 請求項１５において、前記コンピュー
タによって読取可能なメモリがコンピュータプログラム
命令を実行すべく動作可能なコンピュータのランダムア
クセスメモリであり、本システムが、更に、 コンピュータプログラム命令を実行すべく動作可能なコ
ンピュータのランダムアクセスメモリ内にイメージデー
タとオーディオデータとを読込む手段、 変換させたテキストを発生させるために前記ランダムア
クセスメモリ内の前記オーディオデータに対して前記コ
ンピュータ上で実行されるコンピュータプログラム命令
を有する計算音声・テキスト変換プロセスを適用する手
段、 前記オーディオデータと前記イメージデータとを互いに
リンクさせる情報を得、大量格納装置に格納されている
前記イメージデータと前記オーディオデータとを見つけ
出し、且つ前記大量格納装置から前記ランダムアクセス
メモリ内に前記イメージデータと前記オーディオデータ
とを読込む手段、 前記イメージデータと前記変換されたテキストとをイメ
ージ処理アプリケーションプログラム内にインポート
し、前記変換させたテキストをフォーマットし、前記テ
キストを前記イメージに関して配置させ、前記フォーマ
ットし配置させたテキストを前記イメージデータと合成
して前記複合画像を発生させるために前記イメージ処理
アプリケーションプログラムを実行する手段、を有する
ことを特徴とするシステム。 - 【請求項１８】 請求項１５において、前記イメージデ
ータが複数個の単一イメージからなるシーケンスを表わ
しており且つオーディオデータが複数個のオーディオセ
グメントからなるシーケンスを表わしており、本システ
ムが、更に、 前記複数個のオーディオセグメントからなるシーケンス
のうちの１つのオーディオセグメントを前記複数個の単
一イメージからなるシーケンスのうちの１つの単一イメ
ージとマッチングさせる手段、 前記１つのオーディオセグメントを変換させたテキスト
セグメントへ変換する手段、 前記１つの単一イメージを前記変換させたテキストセグ
メントと合成することによって単一複合画像を作成する
手段、を有することを特徴とするシステム。 - 【請求項１９】 請求項１５において、前記イメージデ
ータが複数個の単一イメージからなるシーケンスを表わ
しており、本システムが、更に、 前記単一イメージと前記変換させたテキストとを合成す
ることによって前記複数個の単一イメージからなるシー
ケンスの各単一イメージに対して複合イメージを作成す
る手段、 前記複合イメージの各々を印刷する手段、を有すること
を特徴とするシステム。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US93873597A | 1997-09-26 | 1997-09-26 | |
| US08/938735 | 1997-09-26 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH11175092A true JPH11175092A (ja) | 1999-07-02 |
Family
ID=25471886
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP10272969A Withdrawn JPH11175092A (ja) | 1997-09-26 | 1998-09-28 | オーディオから派生したテキストのイメージとの関連付け |
Country Status (3)
| Country | Link |
|---|---|
| EP (1) | EP0905679A3 (ja) |
| JP (1) | JPH11175092A (ja) |
| CA (1) | CA2247795A1 (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR19990073418A (ko) * | 1999-07-10 | 1999-10-05 | 신광영 | 즉석사진출력자판,카드제조및그제어방법 |
| US7702996B2 (en) | 2003-03-19 | 2010-04-20 | Fujitsu Limited | Apparatus and method for converting multimedia contents |
| WO2015073928A1 (en) * | 2013-11-15 | 2015-05-21 | Glumobile, Inc. | Systems and methods for providing fused images to remote recipients for descrambling and interpretation |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4124402B2 (ja) * | 2000-03-31 | 2008-07-23 | 株式会社リコー | 画像入力装置 |
| AU2002227215A1 (en) | 2000-11-10 | 2002-05-21 | Eric N. Clark | Wireless digital camera adapter and systems and methods related thereto and for use with such an adapter |
| US7013273B2 (en) * | 2001-03-29 | 2006-03-14 | Matsushita Electric Industrial Co., Ltd. | Speech recognition based captioning system |
| US7539086B2 (en) | 2002-10-23 | 2009-05-26 | J2 Global Communications, Inc. | System and method for the secure, real-time, high accuracy conversion of general-quality speech into text |
| US20070236583A1 (en) * | 2006-04-07 | 2007-10-11 | Siemens Communications, Inc. | Automated creation of filenames for digital image files using speech-to-text conversion |
| US8375283B2 (en) * | 2006-06-20 | 2013-02-12 | Nokia Corporation | System, device, method, and computer program product for annotating media files |
| CN109584864B (zh) * | 2017-09-29 | 2023-11-24 | 上海寒武纪信息科技有限公司 | 图像处理装置和方法 |
| CN111399788B (zh) * | 2018-12-29 | 2023-09-08 | 西安诺瓦星云科技股份有限公司 | 媒体文件播放方法和媒体文件播放装置 |
| CN112087653A (zh) * | 2020-09-18 | 2020-12-15 | 北京搜狗科技发展有限公司 | 一种数据处理方法、装置和电子设备 |
| CN112581965A (zh) * | 2020-12-11 | 2021-03-30 | 天津讯飞极智科技有限公司 | 转写方法、装置、录音笔和存储介质 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5032918A (en) * | 1989-10-06 | 1991-07-16 | Nikon Corporation | Electronic still camera |
| JP3235903B2 (ja) * | 1992-06-11 | 2001-12-04 | 株式会社リコー | スチルカメラ |
| US5692225A (en) * | 1994-08-30 | 1997-11-25 | Eastman Kodak Company | Voice recognition of recorded messages for photographic printers |
| JPH08298614A (ja) * | 1995-02-21 | 1996-11-12 | Ricoh Co Ltd | デジタル電子スチル・カメラ |
-
1998
- 1998-09-22 CA CA002247795A patent/CA2247795A1/en not_active Abandoned
- 1998-09-23 EP EP98307716A patent/EP0905679A3/en not_active Withdrawn
- 1998-09-28 JP JP10272969A patent/JPH11175092A/ja not_active Withdrawn
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR19990073418A (ko) * | 1999-07-10 | 1999-10-05 | 신광영 | 즉석사진출력자판,카드제조및그제어방법 |
| US7702996B2 (en) | 2003-03-19 | 2010-04-20 | Fujitsu Limited | Apparatus and method for converting multimedia contents |
| WO2015073928A1 (en) * | 2013-11-15 | 2015-05-21 | Glumobile, Inc. | Systems and methods for providing fused images to remote recipients for descrambling and interpretation |
| US9336189B2 (en) | 2013-11-15 | 2016-05-10 | Glu Mobile Inc. | Systems and methods for providing fused images to remote recipients for descrambling and interpretation |
| US10510169B2 (en) | 2013-11-15 | 2019-12-17 | Glu Mobile, Inc. | Systems and methods for providing fused images to remote recipients for descrambling and interpretation |
Also Published As
| Publication number | Publication date |
|---|---|
| EP0905679A2 (en) | 1999-03-31 |
| EP0905679A3 (en) | 1999-11-03 |
| CA2247795A1 (en) | 1999-03-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPH11175092A (ja) | オーディオから派生したテキストのイメージとの関連付け | |
| JP2005293589A (ja) | 複合的な電子表現物を作成する方法、コンピュータプログラム及びデータ処理システム | |
| KR20070046981A (ko) | 영상 처리 장치 및 음성 코드화 기록 매체 | |
| JP2006101521A (ja) | 入力メディアオブジェクトの視覚的表現を決定する方法、コンピュータプログラム及びデータ処理システム | |
| JPH11122401A (ja) | 音声コード付き写真作成装置 | |
| US20040076342A1 (en) | Automatic image placement and linking | |
| JP2006135939A (ja) | 入力メディアオブジェクトをエンコードする方法、コンピュータプログラム及びデータ処理システム | |
| JP2006155580A (ja) | メディアオブジェクトを生成する方法、コンピュータプログラム及びデータ処理システム | |
| JP2006293783A (ja) | 画像処理装置及び画像処理プログラム | |
| JP2002041502A (ja) | ドキュメント作成システム及びドキュメント作成方法 | |
| JP2003111009A (ja) | 電子アルバム編集装置 | |
| JP5674451B2 (ja) | ビューワ装置、閲覧システム、ビューワプログラム及び記録媒体 | |
| JP6996212B2 (ja) | 履歴書作成システム | |
| JPH1155614A (ja) | 音声認識画像処理装置 | |
| US6804652B1 (en) | Method and apparatus for adding captions to photographs | |
| JP2005101931A (ja) | 画像プリント装置 | |
| CN106022332A (zh) | 终端设备、将纸质读物转为待听读物播放的装置及方法 | |
| JP3122900B2 (ja) | 電子画像アルバム装置 | |
| JP2001326806A (ja) | 画像処理システム | |
| US20050149336A1 (en) | Voice to image printing | |
| JP2000358205A (ja) | 音声認識による画像分類装置、方法及び記憶媒体 | |
| JP2007049245A (ja) | 音声入力機能付撮影装置 | |
| JP4319334B2 (ja) | 音声・画像処理装置 | |
| JP7447633B2 (ja) | 情報処理装置及び情報処理方法 | |
| JP2003085069A (ja) | データ送信装置、データ送信方法、データ送信プログラム及びデータ送信プログラムを記録したコンピュータ読み取り可能な記録媒体 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20060110 |