字幕編集システム

Caption Editing System

概要

背景

機能

コンテンツ作成方法

事例

今、ブロードバンドの普及に伴い、ポッドキャスト、動画によるe-ラーニングなど、音声を含むマルチメディア・コンテンツが増加しています。
現在、テレビ放送番組の字幕付与はだいぶ進んでいますが、インターネット環境で音声を含むマルチメディア・コンテンツの動画はほとんど字幕がついていません。そのため、聴覚に障害のある方や高齢者をはじめとする字幕を必要としている人たちにとっては、コンテンツの内容が理解できないということが起こっています。
また、音の聞き取りにくい環境や音を出せない場所での視聴や、難しい言葉、専門用語、同音異義語、同表記異音語などが含まれるときは、字幕があると便利です。字幕を付与することにより、アクセシビリティ、理解度の向上につなげることができます。
国や自治体や産業界が、JIS規格(JIS X 8341-3　5-4-d)や日本政府のu-Japan政策や国連の「障害者権利条約」により、聴覚に障害のある人たちなどへの情報保障の観点で動画の字幕付与が求められているという問題意識をもつようになってきています。
しかし、現実には、技術的な理由によって字幕はほとんど普及していません。

字幕編集の基本的な作業は、音声認識エンジンが文字化した字幕情報を、元の音声を聞きながら確認していき、誤っている箇所を修正することです。一見単純にみえるこの作業は、音声の再生操作と文字入力操作とを同時に行なうという煩雑さを伴うことから、作業者への負担は予想以上に大きく、時間のかかる作業です。さらに、その作業量が音声認識結果の良し悪しに大きく依存することも、編集作業を一段と複雑なものにしています。

e-ラーニング教材のように、音声を含むコンテンツはプレゼンテーション・ソフトウェアと一緒に利用されるケースが比較的多いといえます。そのような場合、音声データを単に字幕化するだけでは使い勝手としては不十分で、スライドや動画情報と時間的な同期をとった字幕の連携動作が必須です。この同期関係を、煩雑な字幕編集作業の前後で維持することが編集システムの重要な要件となります。

昨今、デジタルコンテンツに含まれる個人情報管理の重要性が声高に叫ばれています。音声を含むようなリッチ・コンテンツに機密情報や個人情報が入っている場合には、文字情報だけの場合に比べると、情報の安全化処理はけっして容易な作業ではありません。