来源：广播与电视技术

翻译：梁启蓉

审稿：杨 宇

日本广播协会NHK为部分节目提供音频描述服务，这样视障人士也能收听电视节目。音频描述可以提供很多额外的信息，例如描述人的动作或面部表情等，因为视障人士仅通过主音频通道（播音员的声音）很难理解到额外的信息。NHK的STRL（科学技术研究实验室）正在研究一种新的音频描述自动生成技术，它能自动生成体育直播节目的音频描述，并传送到智能手机和其他智能设备上，让视障用户能够享受到正常用户在节目中得到的相同信息（图1）。

图1 音频描述服务示意图

一、新的音频描述服务

在现有的广播框架内为直播添加音频描述时，必须牢记以下两点：

1.必须立即决定提供哪些补充信息，并用简短的话语恰当地表达出来。

2.必须判断这些话语的占用时长，防止音频描述不会与节目主音频通道的声音重叠。

然而，在实际情况中执行上述操作是困难的。STRL将注意力转向可以以个性化方式使用的智能手机上，并研究了一种新的基于智能手机的音频描述服务技术，从而解决了这个问题。此外，对于如何在体育节目中添加音频描述的问题，STRL针对电视音频中缺少的信息进行了调研。通过这些研究STRL了解到，在棒球直播比赛中还需要提供如投手和击球手的姓名、投球开始的时间、投球的类型和路径、击球的方向以及当前得分等补充信息，这些额外信息可以提供这场比赛大约80%的信息。

二、音频描述创建和交付系统的开发

基于上述对新服务技术的研究结果，STRL开发了一套用于棒球直播比赛的音频描述创建和交付系统（图2）。在这里，音频描述的创建者只需在观看比赛画面的同时，根据比赛开展的阶段，按下输入工具上相应的按钮即可，系统将自动生成描述文本。

然后系统对生成的文本进行自动语音合成并立即传送到智能手机。此外，数字地面广播中的1.6秒延迟可用于对播放音频描述和广播视频进行同步。具体来说，用户可以在接收音频描述的智能手机应用程序中选择扬声器、说话速度等，以便更方便地收听音频描述和电视音频。系统还对视障人士进行了测试，以评估该应用程序的用户友好性。

STRL还对一场直播的棒球比赛进行了音频描述创建和交付实验。再通过对受试者进行问卷调查，来分析这场实验的效果。实验结果显示，受试者对该系统的满意度和使用意愿打分都很高，这就证明了该系统的可用性。

在视障人群中，存在着从完全失明到视力低下的各种视觉能力类型，因此STRL将继续研发实用、先进的音频描述服务技术，研究根据用户视觉能力不同而量身定制的音频描述技术。

图2 音频描述创建和交付系统

好文共赏请转发 有话要说请留言