TWI510940B

TWI510940B - 以語音訊號建立備註資料之影像瀏覽裝置及其方法

Info

Publication number: TWI510940B
Application number: TW103116479A
Authority: TW
Inventors: Hong Hsi Ko; Chi Tsung Huang
Original assignee: Univ Nan Kai Technology
Priority date: 2014-05-09
Filing date: 2014-05-09
Publication date: 2015-12-01
Also published as: TW201543236A

Description

以語音訊號建立備註資料之影像瀏覽裝置及其方法

一種提供建立備註資料之影像瀏覽裝置及其方法，特別係指一種以語音訊號建立備註資料之影像瀏覽裝置及其方法。

隨著數位技術的進步，數位相機的價格不斷降低，由於數位相機所拍攝的影像較傳統相機容易編修，因此近年來，數位相機的普及率大幅提高。另外，由於數位相機不需要額外花費底片，因此，人們使用數位相機拍照的時間與拍照的數量也越來越高。

事實上，拍攝出的影像並無法提供備註說明，因此，拍照的時間地點、拍照的天候狀況、拍照的原因、拍照的心情及/或想法等不容易由被拍攝之影像表達出的相關資訊，仍然需要由拍照者在拍照後另行找時間補充各個影像的備註資料，而無法在拍攝的當下記錄被拍攝之影像的相關資訊。

然而，由於拍照者所拍攝之影像的數量大增，因此，拍照者需要花費一定的時間來完成各個影像之備註資料的編輯，如此，在拍照者補充所拍攝之影像的備註資料時，可能距離拍攝影像的當下已有一段時間，這將使得拍照者看到所拍攝的影像時可能已經遺忘拍攝時的相關資訊，造成拍照者的困擾。

綜上所述，可知先前技術中長期以來一直存在無法在瀏覽被拍攝之影像時，有效率記錄被拍攝影像之相關資訊的問題，因此有必要提出改進的技術手段，來解決此一問題。

有鑒於先前技術存在無法有效率記錄被瀏覽影像之相關資訊的問題，本發明遂揭露一種以語音訊號建立備註資料之影像瀏覽裝置及其方法，其中：

本發明所揭露之以語音訊號建立備註資料之影像瀏覽裝置，至少包含：輸出模組，用以提供瀏覽目標影像；語音輸入模組，用以提供輸入語音訊號；語音處理模組，用以轉換語音訊號為與目標影像對應之備註資料；儲存模組，用以儲存備註資料。

本發明所揭露之以語音訊號建立備註資料之方法，其步驟至少包括：提供瀏覽目標影像；提供輸入語音訊號；轉換語音訊號為與目標影像對應之備註資料；儲存備註資料。

本發明所揭露之影像瀏覽裝置與方法如上，與先前技術之間的差異在於本發明透過轉換被輸入之語音訊號為與被瀏覽之目標影像對應的備註資料後，儲存備註資料，藉以解決先前技術所存在的問題，並可以達成同時記錄影像與當下之心得感想的技術功效

以下將配合圖式及實施例來詳細說明本發明之特徵與實施方式，內容足以使任何熟習相關技藝者能夠輕易地充分理解本發明解決技術問題所應用的技術手段並據以實施，藉此實現本發明可達成的功效。

本發明可以讓使用者在使用影像瀏覽裝置瀏覽照片等影像時，以語音的方式輸入影像的相關資訊，使得使用者在使用本發明瀏覽影像時，本發明可以一併輸出影像的相關資訊。

本發明所提之影像瀏覽裝置為具有顯示螢幕且可以提供使用者瀏覽影像的裝置，例如，數位相機、手機等，但本發明並不以上述為限。

以下先以「第1圖」本發明所提之以語音訊號建立備註資料之影像瀏覽裝置的元件示意架構圖來說明本發明的運作。如「第1圖」所示，本發明之影像瀏覽裝置100含有輸出模組110、語音輸入模組120、語音處理模組130、儲存模組140以及儲存媒體160。其中，儲存媒體160可以是內建於影像瀏覽裝置100中的記憶體，或是可插入影像瀏覽裝置100中使用的擴充卡等，但本發明並不以此為限。

輸出模組110負責顯示目標影像以提供使用者瀏覽。一般而言，輸出模組110可以使用清單等方式列出已儲存於儲存媒體160中之所有影像，藉以提供使用者任意選擇其中一張影像進行瀏覽，輸出模組110也可以依序顯示每一張影像。值得一提的是，若影像瀏覽裝置100具有拍照或擷取影像的功能，則輸出模組110也可以在使用者操作影像瀏覽裝置100拍照或擷取影像後，顯示影像瀏覽裝置100所拍攝之影像或所擷取之影像。

另外，輸出模組110也可以在使用者瀏覽目標影像的同時，依據備註資料的格式為音頻格式或文字格式，播放或顯示與被瀏覽之目標影像對應的備註資料。

語音輸入模組120負責接收使用者在瀏覽某張目標影像時所發出的聲音，並將所接收的聲音轉換為語音訊號，藉以提供使用者輸入語音訊號。一般而言，使用者可以透過影像瀏覽裝置100上的特定元件啟動語音輸入模組120，例如，按下影像瀏覽裝置100上的特定按鍵或是轉動影像瀏覽裝置100上的特定轉盤至特定位置等，而若影像瀏覽裝置100的顯示螢幕為觸控螢幕，則使用者也可以透過顯示於觸控螢幕上的特定圖像啟動語音輸入模組120。

語音處理模組130負責將語音輸入模組120轉換產生的語音訊號轉換為與被瀏覽之目標影像對應的備註資料。

在部分的實施例中，語音輸入模組120轉換產生的語音訊號為類比訊號，因此，語音處理模組130可以將類比的語音訊號進行音頻格式的編碼，藉以將語音訊號轉換為數位音頻格式的備註資料，此時，備註資料為音頻格式。而在部分的實施例中，語音處理模組130也可以對語音訊號進行語音辨識（speech recognizer），藉以將語音訊號轉換為數位文字格式的備註資料，其中，進行語音辨識的語音訊號可以是類比訊號，也可以是數位訊號。

在實務上，語音處理模組130可以根據轉換條件，選擇性的將語音訊號轉換為音頻格式的備註資料或是文字格式的備註資料，甚至將語音訊號先後轉換為音頻格式的備註資料以及文字格式的備註資料。其中，語音處理模組130所將語音訊號轉換為備註資料所根據之轉換條件例如，影像瀏覽裝置100中預定的設定值、使用者透過影像瀏覽裝置100上的特定按鍵組合所輸入的設定值、儲存媒體160的剩餘空間、語音訊號的音調變化等，但本發明並不以此為限。

另外，語音處理模組130也可以在將語音輸入模組120轉換產生的語音訊號轉換為與被瀏覽之目標影像對應的備註資料前，先過濾語音訊號中的特定頻率，例如，過濾語音訊號中頻率在300Hz以下的訊號，藉以減低語音訊號的噪音，又如過濾語音訊號中頻率在3400Hz以上的訊號，藉以在保留語音訊號之特徵的情況下減少語音訊號所占用的儲存空間。

語音處理模組130也可以在將語音訊號轉換為備註資料前，刪除語音訊號中之空白段落。

儲存模組140負責將語音處理模組130轉換產生之與目標影像對應的備註資料儲存到儲存媒體160中。儲存模組140可以不論備註資料的格式，將備註資料寫入相對應之目標影像的可交換影像檔案格式（Exchangeable Image file Format, EXIF）中，或將備註資料儲存為另一個檔案，記錄備註資料之檔案的檔案名稱即為相對應之目標影像的識別資料，例如，目標影像的檔案名稱等，但本發明並不以此為限。

另外，本發明還可以額外增加備註判斷模組180，備註判斷模組180負責判斷儲存媒體160中是否存在與被瀏覽之目標影像對應的備註資料，使得輸出模組110可以在備註判斷模組180判斷與被瀏覽之目標影像對應的備註資料存在後，由儲存媒體160中讀取並輸出被瀏覽之目標影像的備註資料。

本發明也可以額外增加備註編輯模組190，備註編輯模組190負責提供修改該備註資料，也就是說，當使用者瀏覽已存在備註資料的目標影像時，備註編輯模組190可以提供使用者在原先的備註資料後增加語音處理模組130新轉換產生的備註資料、提供使用者以語音處理模組130新轉換產生的備註資料覆蓋原先的備註資料、以及提供使用者刪除原先的備註資料等，但本發明並不以此為限。其中，若備註資料為文字格式，則備註編輯模組190還可以提供使用者選取備註資料中特定文字，並提供被選擇之文字的同音字讓使用者挑選，藉以修改備註資料中的文字。

接著以第一實施例來解說本發明的運作裝置與方法，並請參照「第2A圖」本發明所提之以語音訊號建立備註資料之方法流程圖。在本實施例中，影像瀏覽裝置100以數位相機為例，但本發明並不以此為限。

當使用者操作數位相機完成目標影像的拍攝後，數位相機的輸出模組110可以顯示使用者瀏覽使用者剛完成拍攝的目標影像，藉以提供使用者瀏覽目標影像（步驟201）。

接著，數位相機的語音輸入模組120可以提供使用者輸入語音訊號（步驟240）。在本實施例中，假設數位相機的操作面板中包含輸入備註的按鍵，則當使用者係按下輸入備註的按鍵後，使用者可以說出與當前正被使用者瀏覽之目標影像的相關訊息，例如拍照的時間地點、拍照的原因、拍照的心情及/或想法、拍照的構圖方式等，此時，數位相機的語音輸入模組120便會將使用者說出相關訊息時所發出之聲音轉換為語音訊號。

在數位相機的語音輸入模組120提供輸入語音訊號（步驟240）後，數位相機的語音處理模組130可以將語音輸入模組120提供輸入的語音訊號轉換為與目標影像對應之備註資料（步驟260）。其中，語音處理模組130可以將語音訊號轉換為如MP3等數位音頻格式的備註資料，也可以將語音訊號轉換為純文字等數位文字格式的備註資料，甚至也可以將語音訊號轉換為數位音頻格式以及數位文字格式兩種備註資料。

在本實施例中，假設使用者在按下數位相機上表示輸入備註的按鍵前，先透過數位相機上所提供的設定界面完成語音處理模組130所使用之轉換條件的設定，例如，使用者可以設定轉換條件為無條件將語音訊號轉換為音頻格式的備註資料，如此，語音處理模組130會根據轉換條件，選擇將語音訊號轉換為音頻格式的備註資料。使用者也可以透過設定界面設定轉換條件為無條件將語音訊號轉換為文字格式的備註資料，或是兩種格式的備註資料都轉換等。

在實務上，使用者也可以透過數位相機所提供之設定界面，設定語音處理模組130所使用之轉換條件為當儲存媒體160的剩餘空間高於一定比例（例如20%）或是高於一定值（例如1G）時，由語音處理模組130直接將語音訊號轉換為音頻格式的備註資料，而當儲存媒體160的剩餘空間低於該比例或低於該定值時，由語音處理模組130將語音訊號轉換為文字格式的備註資料。

而若使用者希望在其所發出之聲音的音調變化較大時，也就是情緒較激動或情緒起伏較大時，以音頻格式儲存備註資料，藉以記錄當下所表現出的情緒，而當使用者所發出之聲音的音調變化較小時，也就是使用者的情緒沒有太大變化時，則以文字格式儲存備註資料，如此，本發明也提供使用者設定轉換條件為當語音訊號的音調變化大於特定的幅度時，語音處理模組130會將語音訊號轉換為音頻格式的備註資料，而當語音訊號的音調變化小於該幅度時，語音處理模組130則會將語音訊號轉換為文字格式的備註資料。

另外，數位相機的語音處理模組130也可以先對語音輸入模組120所產生的語音訊號先進行特定的處理，而後再將經過處理的轉換語音訊號為與目標影像對應之備註資料（步驟260）。在本實施例中，語音處理模組130可以先過濾語音訊號中的特定頻率（步驟253），例如，由語音訊號中過濾出頻率300~3400Hz的部分，也可以先刪除語音訊號中的空白段落（步驟255）。

在數位相機的語音處理模組130轉換語音訊號為與目標影像對應之備註資料（步驟260）後，數位相機的儲存模組140可以將語音處理模組130轉換產生的備註資料儲存到儲存媒體160中（步驟270）。在本實施例中，若當下被使用者瀏覽之目標影像的檔案名稱為「IMG41328.JPG」，假設儲存模組140會將文字格式的備註資料儲存到目標影像「IMG41328.JPG」的EXIF資訊中，並將音頻格式的備註資料以與當下被使用者瀏覽之目標影像的相同檔案名稱儲存到儲存媒體160的特定目錄中，例如根目錄下的Remarks目錄等，也就是說，記錄備註資料之音頻檔案的檔案路徑為「/Remarks/」，檔案名稱可以是「IMG41328.MP3」等。

如此，透過本發明，使用者便可以在拍攝目標影像後，以語音方便且快速的記錄下拍攝目標影像的原因、拍攝目標影像的心情等相關資訊。

另外，若本實施例中之數位相機中包含備註編輯模組190，則在數位相機的儲存模組140儲存備註資料（步驟270）後，備註編輯模組190可以提供使用者編輯已儲存的備註資料（步驟280）。

在本實施例中，若使用者希望增加備註資料，則使用者可以再次透過數位相機的語音輸入模組120輸入新的語音訊號（步驟240），並在數位相機的語音處理模組130將新的語音訊號轉換為與目標影像對應之新的備註資料（步驟260）後，在數位相機的操作畫面中選擇附加備註資料，如此，備註編輯模組190可以將新的備註資料新增到原本的備註資料之後。也就是說，當備註資料為文字格式時，備註編輯模組190會將新的備註資料新增到被瀏覽之目標影像的EXIF資訊中原本的備註資料之後，而當備註資料為音頻格式時，備註編輯模組190會將新的備註資料加入另外記錄原本備註資料之檔案的最後，並在需要時修改記錄原本備註資料之檔案中的相關參數，例如將記錄原本備註資料之播放長度的欄位修改為新的備註資料之播放長度等。

若使用者希望覆蓋備註資料，則在數位相機的語音處理模組130將新的語音訊號轉換為與目標影像對應之新的備註資料（步驟260）後，在數位相機的操作畫面中選擇覆蓋備註資料，如此，備註編輯模組190可以新的備註資料覆蓋原本的備註資料。而若使用者希望刪除備註資料，則使用者可以在數位相機的操作畫面中選擇刪除備註資料，如此，備註編輯模組190可以刪除原本的備註資料，也就是刪除被記錄在被瀏覽之目標影像的EXIF資訊中的備註資料，或是刪除以與被瀏覽之目標影像相同檔案名稱之檔案。

接著再以第二實施例來解說本發明的運作裝置與方法，並請參照「第2B圖」本發明所提之另一種以語音訊號建立備註資料之方法流程圖。在本實施例中，影像瀏覽裝置100同樣以數位相機為例。

當使用者欲操作數位相機瀏覽所有儲存在數位相機之儲存媒體160中的所有影像時，數位相機的輸出模組110可以顯示儲存媒體160中所有影像的縮圖或清單，藉以提供使用者在選擇某個縮圖或清單中的某個項目後瀏覽目標影像（步驟201）。在本實施例中，假設使用者選擇檔案名稱為「IMG41328.JPG」的目標影像進行瀏覽。

若本實施例之數位相機中包含備註判斷模組180，則在使用者瀏覽目標影像時，備註判斷模組180可以判斷數位相機中之儲存媒體160中是否存在與目標影像對應的備註資料（步驟220）。在本實施例中，假設與目標影像「IMG41328.JPG」對應的備註資料被記錄在目標影像「IMG41328.JPG」的EXIF資訊中，因此，備註判斷模組180將判斷數位相機的儲存媒體160中存在與目標影像「IMG41328.JPG」對應的備註資料。

如此，在數位相機的輸出模組110提供使用者瀏覽目標影像「IMG41328.JPG」（步驟201）的同時，輸出模組110也會輸出記錄在目標影像「IMG41328.JPG」之EXIF資訊中的備註資料（步驟230）。若備註資料為音頻格式，則輸出模組110可以播放備註資料，而若備註資料為文字格式，則輸出模組110可以在數位相機的顯示螢幕上的特定位置顯示備註資料，其中，輸出模組110顯示備註資料的位置可以與目標影像重疊，也可以不與目標影像重疊。

在數位相機的輸出模組110提供使用者瀏覽目標影像（步驟201）以及輸出目標影像的備註資料（步驟230）後，若數位相機中包含備註編輯模組190，則使用者可以修改備註資料。在這情況下，數位相機的語音輸入模組120可以提供使用者輸入語音訊號（步驟240），數位相機的語音處理模組130可以將語音輸入模組120提供輸入的語音訊號轉換為與目標影像對應之備註資料（步驟260）。甚至語音處理模組130還可以過濾語音訊號中的特定頻率（步驟253）以及刪除語音訊號中的空白段落（步驟255）。上述之步驟240至步驟260與第一實施例的過程相同，故不再贅述。

在數位相機的語音處理模組130將語音輸入模組120提供輸入的語音訊號轉換為與目標影像對應之備註資料（步驟260）後，備註編輯模組190可以與第一實施例相同的過程提供使用者新增、覆蓋或刪除備註資料，藉以對被記錄在目標影像之EXIF資訊中的備註資料進行編輯（步驟280），其中，在備註資料需要新增或覆蓋時，備註編輯模組190還需要儲存編輯後之備註資料（步驟270）。

在備註編輯模組190提供編輯備註資料時，若語音處理模組130轉換產生的備註資料為文字格式，則備註編輯模組190還可以在顯示螢幕中顯示語音處理模組130轉換產生的備註資料，並提供使用者選取被顯示之備註資料中的任何文字，當使用者操作數位相機選擇某一文字後，備註編輯模組190可以顯示被選擇之文字的同音字，並提供使用者挑選，如此，使用者可以修改語音處理模組130轉換產生的備註資料中的錯字。在使用者完成錯字的修改後，備註編輯模組190將以使用者修改後的備註資料覆蓋原先被記錄在目標影像之EXIF資訊中的備註資料。

在實務上，不論原先的備註資料被記錄在被瀏覽之目標影像的EXIF資訊中或是被記錄在檔案名稱與被瀏覽之目標影像相同的檔案中，備註編輯模組190都可以相似的過程編輯備註資料，差別在於當備註資料被記錄在檔案名稱與被瀏覽之目標影像相同的檔案中時，備註編輯模組190可以經過使用者修改的備註資料置換檔案中所記錄之原先的備註資料，或是先將記錄原先之備註資料的檔案刪除後，再建立相同檔案名稱的檔案記錄使用者修改的備註資料。

綜上所述，可知本發明與先前技術之間的差異在於具有轉換被輸入之語音訊號為與被瀏覽之目標影像對應的備註資料後，儲存備註資料之技術手段，藉由此一技術手段可以解決先前技術所存在無法有效率記錄被瀏覽影像之相關資訊的問題，進而達成同時記錄影像與當下之心得感想的技術功效。

再者，本發明之以語音訊號建立備註資料之方法，可實現於硬體、軟體或硬體與軟體之組合中，亦可在電腦裝置中以集中方式實現或以不同元件散佈於若干互連之電腦裝置的分散方式實現。

雖然本發明所揭露之實施方式如上，惟所述之內容並非用以直接限定本發明之專利保護範圍。任何本發明所屬技術領域中具有通常知識者，在不脫離本發明所揭露之精神和範圍的前提下，對本發明之實施的形式上及細節上作些許之更動潤飾，均屬於本發明之專利保護範圍。本發明之專利保護範圍，仍須以所附之申請專利範圍所界定者為準。

100 影像瀏覽裝置 110 輸出模組 120 語音輸入模組 130 語音處理模組 140 儲存模組 160 儲存媒體 180 備註判斷模組 190 備註編輯模組步驟201 提供瀏覽目標影像步驟220 判斷與目標影像對應之備註資料是否存在步驟230 輸出備註資料步驟240 提供輸入語音訊號步驟253 過濾語音訊號中之特定頻率步驟255 刪除語音訊號中之空白段落步驟260 轉換語音訊號為與目標影像對應之備註資料步驟270 儲存備註資料步驟280 提供編輯備註資料

第1圖為本發明所提之以語音訊號建立備註資料之影像瀏覽裝置之元件示意圖。第2A圖為本發明所提之以語音訊號建立備註資料之方法流程圖。第2B圖為本發明所提之另一種以語音訊號建立備註資料之方法流程圖。

步驟201 提供瀏覽目標影像步驟220 判斷與目標影像對應之備註資料是否存在步驟230 輸出備註資料步驟240 提供輸入語音訊號步驟253 過濾語音訊號中之特定頻率步驟255 刪除語音訊號中之空白段落步驟260 轉換語音訊號為與目標影像對應之備註資料步驟270 儲存備註資料步驟280 提供編輯備註資料

Claims

一種以語音訊號建立備註資料之方法，係應用於一影像瀏覽裝置，該方法至少包含下列步驟：提供瀏覽至少一目標影像；提供輸入一語音訊號；過濾該語音訊號中之特定頻率及/或刪除該語音訊號中之空白段落；轉換該語音訊號為與該目標影像對應之一備註資料；及將該備註資料寫入該目標影像之可交換影像檔案格式(Exchangeable Image file Format,EXIF)資訊中加以儲存。
如申請專利範圍第1項所述之以語音訊號建立備註資料之方法，其中該轉換該語音訊號為與該目標影像對應之該備註資料之步驟更包含依據轉換條件轉換該語音訊號為音頻格式及/或文字格式之該備註資料。
如申請專利範圍第1項所述之以語音訊號建立備註資料之方法，其中該方法於該提供瀏覽該目標影像之步驟時，更包含判斷與該目標影像對應之該備註資料存在時，輸出該備註資料之步驟。
如申請專利範圍第1項所述之以語音訊號建立備註資料之方法，其中該方法於該轉換該語音訊號為與該目標影像對應之該備註資料之步驟後，更包含提供編輯該備註資料之步驟。
一種以語音訊號建立備註資料之影像瀏覽裝置，該影像瀏覽裝置至少包含：一輸出模組，用以提供瀏覽至少一目標影像；一語音輸入模組，用以提供輸入一語音訊號；一語音處理模組，用以過濾該語音訊號中之特定頻率及/或刪除該語音訊號中之空白段落後，轉換該語音訊號為與該目標影像對應之一備註資料；及一儲存模組，用以將該備註資料寫入該目標影像之可交換影像檔案格式(Exchangeable Image file Format,EXIF)資訊中加以儲存。
如申請專利範圍第5項所述之以語音訊號建立備註資料之影像瀏覽裝置，其中該語音處理模組是依據轉換條件轉換該語音訊號為音頻格式及/或文字格式之該備註資料。
如申請專利範圍第5項所述之以語音訊號建立備註資料之影像瀏覽裝置，其中該裝置更包含一備註判斷模組，用以判斷該備註資料是否存在，該輸出模組更用以於該備註判斷模組判斷該備註資料存在後，輸出該備註資料。
如申請專利範圍第5項所述之以語音訊號建立備註資料之影像瀏覽裝置，其中該裝置更包含一備註編輯模組，用以提供增加、修改及刪除該備註資料。