Today's PICK UP

映像をAIで解析し臨場感を伝える「感情表現字幕システム」が開発

大日本印刷株式会社(以下、DNP)は、株式会社NHKテクノロジーズ(以下、NT)と共同で、映像と音声をAI(人工知能)で解析し、内容や感情に合わせた最適なイメージのフォントで字幕を表示する「感情表現字幕システム」のプロトタイプを開発したと発表した。本システムは、2018年にDNPが開発した文章の内容に合うフォントを自動で判別して表示する「DNP感情表現フォントシステム」を活用している。これにより、耳の不自由な人や音が出せない環境でも、番組の臨場感を伝えることができる。
出典元:プレスリリース

■「感情表現字幕システム」開発の背景

近年、多くの人にわかりやすく情報を伝える“ユニバーサルメディア”へのニーズが高まっており、テレビも聴覚に障がいのある人や高齢者などに向けて、より多くの番組への字幕付与が求められている。NTでは2018年度に「多様な視聴者が番組やコンテンツを楽しめる」をテーマに聴覚に障がいのある人とディスカッションを行い「これまでの字幕放送はフォントに抑揚が無い」、「タイミングがずれることがある」、「発話者がわかりにくい」といった課題があがる一方で、映像効果としてテロップに使われるユニークなフォントは印象深くなるという意見があがったという。また、制作側では番組に字幕を入れる作業が大きな負荷になっており、自動的に精度の高い字幕を付与できる技術が求められていた。こうしたニーズを受けて、両社は「感情表現字幕システム」の共同開発にいたったとのことだ。

■「感情表現字幕システム」の特長

1.映像と音声をAIで解析して、字幕の自動付与と最適なフォントへの自動変換表示
録画やライブ(生放送)の音声を解析して、リアルタイムで字幕を自動的に付与する。その際、字幕の内容や発話者の表情を解析して感情を把握し、その感情の表現に最適なフォントを12種類の中から自動で選んで字幕に使用する。例えば、楽しい内容は丸みのあるフォントで、怒っている内容は角ばったフォントで表示することで、より直感的に内容を伝える。

2.映像内の人物の顔を認識して、発話者の口元の近くに字幕を自動的に表示
映像内の発話者を特定して、自動的にその口元の近くに字幕を表示することができる。これにより、複数の人物が登場する映像でも、誰が何を話しているかを直感的に伝えることができる。

・12種類の感情・イメージと使用フォントの組み合わせ例(感情の分類やフォントは手動で変更可能)
出典元:プレスリリース

人気の記事