JP4794740B2 - オーディオ／ビデオ信号生成装置、及びオーディオ／ビデオ信号生成方法 - Google Patents

Description

【０００１】
発明の分野
本発明は、オーディオ／ビデオ信号生成装置及びオーディオ／ビデオ信号生成方法に関する。また、本発明は、オーディオ／ビデオ信号の記録方法に関する。
【０００２】
好ましい実施の形態において、オーディオ／ビデオ信号生成装置は、ビデオカメラ、カムコーダ、テレビジョンカメラ、又はこれらに類似する装置である。
【０００３】
従来の技術
オーディオ及びビデオ作品の題材及びコンテンツには様々な種類のものがある。さらに、これら様々な種類に対応して、膨大な量のオーディオ及びビデオ作品が制作されている。オーディオ作品には、例えば、生放送及び録音放送を含むラジオ放送、ミュージカルや音声の録音等も含まれ、一方、ビデオ作品には、例えばテレビジョン番組やビデオの録画等も含まれる。通常、ビデオ作品はサウンドトラック又は解説音声のためのトラックを有しており、したがって、ビデオ作品は、本質的に、オーディオ作品をその一部として含んでいる場合が多い。
【０００４】
ここで、オーディオ及び／又はビデオという表現は、オーディオ情報又は信号、ビデオ情報又は信号、又はビデオ及びオーディオ情報又は信号の全ての組み合わせを表すものとする。オーディオ及び／又はビデオを単にオーディオ／ビデオと表記する。
【０００５】
オーディオ／ビデオ作品の種類が多数存在するため、オーディオ／ビデオ作品が保管されている場所からオーディオ／ビデオ素材の特定のコンテンツアイテムを検索するために、オペレータは、オーディオ／ビデオ作品群の中から視覚的に所望のコンテンツアイテムを検索しなくてはならず、この作業は困難で煩雑なものとなる。さらに、通常のオーディオ／ビデオ作品は、線形記録媒体内に収まるものであっても、かなりの長さを有している場合が多く、このような記録媒体を操作して、オーディオ／ビデオ作品からオーディオ／ビデオ素材の特定のコンテンツアイテムを検出する作業は、時間がかかり、煩雑なものとなる。
【０００６】
本出願と同じ出願人により出願された同時に係属中の英国特許出願ＧＢ９９２１２３５．９号には、オーディオ／ビデオ素材のコンテンツを表すメタデータを用いてオーディオ／ビデオ素材のコンテンツを検索する装置及び手法が開示されている。
【０００７】
本明細書において、メタデータは、オーディオ／ビデオ素材のコンテンツ、又はオーディオ／ビデオ素材のパラメータ又はオーディオ／ビデオ素材を作成するために用いられたパラメータ、又はオーディオ／ビデオ素材に関連する他のあらゆる情報を記述するいかなる形式の情報であってもよい。メタデータは、例えば、素材の実際のコンテンツに関する文脈的／記述的情報を提供する「意味的データ（semantic data）」であってもよい。意味的メタデータの例としては、対話期間の開始、場面の転換、新たな局面（face）の紹介又は場面における局面の位置、又はオーディオ／ビデオ素材のソースコンテンツに関連するその他の項目等がある。また、メタデータは、オーディオ／ビデオ素材の作成時に使用された設備の要素やパラメータに関連する統語論的メタデータ（syntactic metadata）であってもよい。統語論的メタデータとしては、カメラレンズに適用されたズーム量、レンズの開口及びシャッタースピードの設定、オーディオ／ビデオ素材が作成された日時等がある。メタデータは、関連するオーディオ／ビデオ素材とともに、記録媒体の異なる部分に記録してもよく、共通の部分に記録してもよいが、この説明におけるメタデータは、オーディオ／ビデオ素材のコンテンツの特徴及びエッセンスを検索及び識別するために使用するものであるため、オーディオ／ビデオ信号が再生されるときには、オーディオ／ビデオ信号から分離していてもよい。
【０００８】
同時に係属中の英国特許出願ＧＢ９９２１２３５．９号に開示されているオーディオ／ビデオ素材のコンテンツを検索する装置及び方法は、オーディオ／ビデオ信号とともに生成されたメタデータを用いて、オーディオ／ビデオ素材の文脈的又は本質的（essence）の情報項目を検索する。
【０００９】
さらに、同時に係属中の英国特許出願ＧＢ９９２１２３４．２号には、オーディオ／ビデオ素材などのソースコンテンツを編集する編集システムが開示されている。この編集システムは、所望の作品スタイルのテンプレート表現をオーディオ／ビデオ素材に関連するメタデータに適用することにより、編集されたオーディオ／ビデオ作品を作成するものである。
【００１０】
発明の開示
本発明に係るオーディオ／ビデオ信号生成装置は、オーディオ／ビデオソースを表現するオーディオ／ビデオ信号を生成するオーディオ／ビデオ生成するものであり、オーディオ／ビデオ信号に関連付けられたメタデータを生成するメタデータ生成手段を備え、メタデータ生成手段によって生成されたメタデータの種類がユーザによって選択できる。
【００１１】
上述のように、オーディオ／ビデオ作品の性質及びコンテンツには様々なものがある。オーディオ／ビデオ作品は、例えば、ビデオカメラ、テレビジョンカメラ、グラフィック生成コンピュータ、動画プロセッサ（animation processor）を用いて生成されるオーディオ／ビデオ素材から創作されている。オーディオ／ビデオ作品には、様々な性質及びコンテンツがあるため、オーディオ／ビデオ素材に関連したメタデータの種類及び性質も、これに対応して異なっている。さらに、上述した本発明者らによる、オーディオ／ビデオ素材のコンテンツを編集及び検索することによってオーディオ／ビデオ作品を生成することを容易にするためにメタデータを用いることを目的とした係属中の特許出願に示すように、オーディオ／ビデオ作品の統括管理（asset management）を容易にするために、メタデータとオーディオ／ビデオ作品とを結合させることが知られている。また、オーディオ／ビデオ作品の創作における進歩は、生成されたオーディオ／ビデオ素材に関連してユーザに当該メタデータ生成部によって生成されるメタデータの種類を選択させるための機能を備えたメタデータ生成部によってもたらされている。ここで、メタデータは、オーディオ／ビデオ信号ソースのコンテンツが利用されたオーディオ／ビデオ作品の性質及び属性に合わせて変更可能である。
【００１２】
オーディオ／ビデオ信号に関連付けられたメタデータの選択手段として、メタデータ生成部は、複数の異なる種類のメタデータを生成し、メタデータ生成部は、複数の異なる種類のメタデータのうちの少なくとも１つを選択するためのユーザインターフェイスを備え、メタデータは、ユーザによって選択されたメタデータの種類に応じてオーディオ／ビデオ信号から生成される。
【００１３】
したがって、オーディオ／ビデオ信号生成装置は、あらゆる種類のメタデータを生成するための機能を備えているものとする。好適な実施の形態において、オーディオ／ビデオ信号生成装置によって生成されるメタデータには、予め決められた複数の種類があり、これら複数の種類は、ユーザがユーザインターフェイスを用いることによって選択できる。さらに、ユーザが上記複数のメタデータの種類から選択しない場合であっても、オーディオ／ビデオ信号生成装置によって生成されるオーディオ／ビデオ信号とともに、メタデータのうち少なくとも幾つかのメタデータを確実に生成するために、メタデータ生成部は、デフォルト設定された種類のメタデータを生成する。
【００１４】
より好ましくは、メタデータ生成部は、複数の予め決められたメタデータ選択肢に応じてメタデータを生成し、メタデータ選択肢の各々は、予め決められたフォーマットで配列された複数の異なるメタデータの種類のうち少なくとも１つを表示するものであり、ユーザインターフェイスは、ユーザにメタデータを生成するためのメタデータ選択肢の１つを選択させるための機能を備えている。複数の異なるメタデータ選択肢は、オーディオ／ビデオ信号に関連したメタデータの種類及びフォーマットを定義する規格に準拠している。
【００１５】
オーディオ／ビデオ作品製作業者間でメタデータの形式を統一するために、例えば、ＳＭＰＴＥ−ＥＢＵ（Society of Motion Picture and Television Engineers-European Broadcast Union）、ＭＰＥＧ−７（Motion Picture Expert Group，ＩＳＯ−ＩＥＣ標準化団体ＳＧ２９／ＷＧ１１）によって規格が開発されている。複数の異なるメタデータ選択肢のうちの少なくとも１つを選択するための機能を備えるメタデータ生成部によって、選択肢は、例えば、ＳＭＰＴＥ−ＥＢＵによって提案されるような規格に合わせて定義されており、ユーザは、オーディオ／ビデオ信号生成装置によって生成されたオーディオ／ビデオ素材の種類の適切な規格を選択する。
【００１６】
オーディオ／ビデオ信号生成装置によって生成されるオーディオ／ビデオ信号は、離れた場所からメタデータとともに直接放送されるものであってもよく、オーディオ／ビデオ信号生成装置は、オーディオ／ビジュアル情報信号をメタデータとともに記録媒体に記録する記録／再生装置を備えていてもよい。
【００１７】
好ましい実施の形態においては、オーディオ／ビデオ信号生成装置は、ビデオカメラ、カムコーダ、テレビジョンカメラ、映画用カメラ、又はこれらに類似するものである。
【００１８】
また、本発明に係るメタデータ生成装置は、オーディオ／ビジュアル生成装置に関連したメタデータを生成する際に用いられるメタデータ生成装置であって、このメタデータ生成装置は、オーディオ／ビデオ信号に応じてメタデータを生成し、このメタデータ生成装置によって生成されるメタデータの種類は、選択可能である。
【００１９】
さらに、本発明に係るオーディオ／ビデオ情報信号の生成方法は、生成されたオーディオ／ビデオ情報信号の性質を識別するステップと、オーディオ／ビデオ信号とともに生成されたメタデータの適切な種類を選択するステップと、オーディオ／ビデオ情報信号に関連して選択された種類のメタデータを生成するステップとを有する。
【００２０】
さらに、本発明に係るオーディオ／ビデオ信号生成装置は、オーディオ／ビジュアルソースを表すオーディオ／ビデオ信号を生成するオーディオ／ビデオ信号生成装置であって、このオーディオ／ビデオ信号生成装置は、オーディオ／ビデオ信号を記録媒体に記録する記録手段を備え、このオーディオ／ビデオ信号生成装置は、データ処理手段によって生成されたオーディオ／ビデオ信号に関連するメタデータを受け取り、記録手段は、メタデータをオーディオ／ビデオ信号とともに記記録媒体に記録する。
【００２１】
データプロセッサによって生成されたメタデータを受け取るオーディオ／ビデオ信号生成装置は、オーディオ／ビデオ信号生成装置によって生成されたオーディオ／ビデオ信号に関連付けられたメタデータを伝送するための機能を備えている。
【００２２】
さらに、オーディオ／ビデオ信号生成装置は、オーディオ／ビデオ信号生成装置とデータプロセッサとを接続するための予め決められたフォーマットを有するユーザインターフェイスを備えていてもよい。また、データプロセッサをオーディオ／ビデオ信号生成装置に接続するためのインターフェイスを備えていてもよい。予め決められたフォーマットは、共通の種類であってもよく、そのため、データプロセッサがオーディオ／ビデオ信号生成装置に接続されるような構成を備えている。また、データプロセッサは、ユーザがメタデータを生成するための構成、及びオーディオ／ビデオ信号生成装置によって生成されたオーディオ／ビデオ信号とともにメタデータを包含するための構成を有している。メタデータは、オーディオ／ビデオ信号と分離されて記録媒体に記録されてもよい。
【００２３】
オーディオ／ビデオ信号生成装置は、さらに、記録手段と連携して動作するメタデータ生成手段を備えることにより機能性を向上することができる。メタデータ生成手段は、オーディオ／ビデオ信号に関連付けられた二次的メタデータを生成する。ここで、ユーザによって生成されるメタデータと二次的メタデータとが結合されて記録媒体に記録される。メタデータ生成手段は、オーディオ／ビデオ信号に関連付けされた二次的メタデータを自動的に生成する機能を有している。
【００２４】
二次的メタデータは、オーディオ／ビデオ信号が生成されたときのオーディオ／ビデオ信号生成装置のパラメータを表現する意味的メタデータである。
【００２５】
好ましい実施の形態において、ユーザによって生成されるメタデータは、テキスト情報である。二次的メタデータは、データ記憶手段に記憶され、制御プロセッサによってユーザが生成したメタデータと結合され、記録手段によって記録媒体に記録される。
【００２６】
データプロセッサは、ユーザによって発生された言葉を表す音声信号をテキスト情報に変換することによってテキスト情報を生成する音声処理手段を備えていてもよい。ユーザによって生成されるメタデータを生成するための構成として、データプロセッサは、ユーザがメタデータを生成するための英数キーパッドを備えることによって、さらに機能性が向上する。音声処理手段によって、ユーザがオーディオ／ビデオ素材に関連付けられた所望のメタデータを話すことによって、メタデータが生成され、記録媒体に記録される。データプロセッサは、パーソナルコンピュータであってもよく、ＰＳＩＯＮ（登録商標）、ＰＡＬＭ ＰＩＬＯＴ（登録商標）のような携帯型個人情報端末又はこれらに類似するものであってもよい。
【００２７】
記録媒体は、線形記録媒体であってもよく、記録手段は、ユーザによって生成されたメタデータ及び二次的メタデータのうちの少なくとも１つを、オーディオ／ビデオ信号に続いて、ユーザによって生成されたメタデータ及び二次的メタデータのうちの少なくとも１つが再生手段によってオーディオ／ビデオ信号より前に読取可能な記録媒体の位置に記録する。
【００２８】
さらに、本発明に係るオーディオ／ビデオ信号の記録方法は、オーディオ／ビデオ信号を記録媒体に記録するステップと、オーディオ／ビデオ信号に反応して自動的にメタデータを生成するステップと、オーディオ／ビデオ信号に関連してユーザによって生成されたメタデータを供給するステップと、ユーザによって生成されたメタデータと自動的に生成されたメタデータとをオーディオ／ビデオ信号とともに記録媒体に記録するステップとを有する。
【００２９】
さらに、本発明に係るオーディオ／ビデオ信号生成装置は、オーディオ／ビジュアルソースを表現するオーディオ／ビデオ信号を生成するオーディオ／ビデオ信号生成装置であって、オーディオ／ビデオ信号を記録媒体に記録する記録手段を備え、記録媒体は、線形記録媒体であり、記録手段は、オーディオ／ビデオ信号に関連するメタデータをオーディオ／ビデオ信号に続いて、再生手段によってオーディオ／ビデオ信号より前に読取可能な記録媒体の位置に記録する。
【００３０】
さらに、本発明に係るオーディオ／ビデオ素材の保存方法は、オーディオ／ビデオソースからのオーディオ／ビデオ素材を表すオーディオ／ビデオ信号を生成するステップと、オーディオ／ビデオ信号を線形記録媒体に記録し、オーディオ／ビデオ信号に関連付けられるメタデータを、オーディオ／ビデオ信号に続いて、再生手段によってオーディオ／ビデオ信号より前に読取可能な記録媒体の位置に記録するステップとを有する。
【００３１】
本発明のさらなる形態及び特徴は、請求の範囲において定義されている。
【００３２】
好適な実施の形態の説明
本発明の具体例として示すオーディオ／ビデオ信号生成装置は、例えば、テレビジョンカメラ、ビデオカメラ又はカムコーダとして実現される。第１の具体例として、図１には、携帯型個人情報端末（personal digital assistant：以下、ＰＤＡという。）と通信を行うビデオカメラの構成が示されている。ＰＤＡは、データ処理装置の例であり、ユーザの要求に応じてメタデータを生成する。ＰＤＡは、民生用電子機器の分野では周知のものであり、英数キーパッドや手書き入力インターフェイスを備えた、携帯可能な小型の個人用オーガナイザ又はデータ処理装置である。図１に示すビデオカメラ１は、カメラ本体２を備え、カメラ本体２は、１又は複数の撮像レンズ（図示せず）を有する撮像部（imaging arrangement）４の視野内に捉えられる光源からの光を受け取る。さらに、ビデオカメラ１は、ファインダ（view finder）６と、操作制御部（operating control unit）８を備え、これらによりユーザは、ビデオカメラ１の視野内に形成された画像を表す信号の記録を制御することができる。さらに、ビデオカメラ１は、マイクロフォン１０を備える。マイクロフォン１０は、ステレオ録音のために複数個のマイクロフォンを備えていてもよい。図１に示す携帯型のＰＤＡ１２は、画面１４と英数字キーパッド１６と、ユーザが手書き文字を入力する部分を備える。この手書き文字は、ＰＤＡ１２により認識される。ＰＤＡ１２は、インターフェイス１８を介して、ビデオカメラ１に接続されている。インターフェイス１８は、例えばＲＳ２３２等の所定のフォーマットに準拠している。インターフェイス１８は、ＰＤＡ１２によって生成されたメタデータを受け取るための機能を備え、メタデータは、ビデオカメラ１により検出及び捕捉されたオーディオ／ビデオ信号とともに記録される。ＰＤＡ１２に接続されるビデオカメラ１の動作について、図２を用いてさらに詳細に説明する。図２は、図１に示すカメラ本体２の内部構成を示す図であり、図２において、図１と同じ部分については同一の符号を付している。
【００３３】
図２に示すように、カメラ本体２は、磁気記録テープ２６に対するデータの読出／書込を行う読出／書込ヘッド２４を有するテープドライブ２２を備える。さらに、図２に示すように、カメラ本体２は、接続チャンネル３０を介してテープドライブ２２に接続された制御プロセッサ２８を備える。また、制御プロセッサ２８は、データ記憶部３２と、メタデータ生成部３４が接続されている。メタデータ生成部３４には、クロック３６と、３つのセンサ３８，４０，４２が接続されている。図２に示すように、インターフェイス１８は、接続チャンネル４４及び接続チャンネル４６に接続されている。制御プロセッサ２８とインターフェイス１８は、この２つの接続チャンネル４４，４６に対応する接続チャンネル４８，５０を介して接続されている。
【００３４】
図１に示すビデオカメラ１は、撮像部４の視野内に捉えられた視覚的情報を記録媒体に記録する。ビデオカメラ１は、視覚的情報をビデオ信号に変換する。また、ビデオ信号として記録される視覚的情報とともに、マイクロフォン１０により検出された音は、オーディオ信号として、ビデオ信号とともに記録媒体に記録される。図２に示す具体例では、記録媒体は、磁気記録テープ２６であり、磁気記録テープ２６には、読出／書込ヘッド２４によりオーディオ／ビデオ信号が記録される。読出／書込ヘッド２４を用いてビデオ信号及びオーディオ信号を磁気記録テープ２６に記録するための詳細な構成については、本発明の趣旨に直接関連するものではないため、図２には示さず、詳細な説明を省略する。ユーザは、視覚的画像を捕捉し、これら画像を対応するオーディオ情報とともに磁気記録テープ２６に記録すると、ＰＤＡ１２を用いて、このオーディオ／ビデオ信号のコンテンツを記述するメタデータを入力することができる。図２に示すように、インターフェイス１８は、ユーザがＰＤＡ１２を使用してメタデータを付加するための機能を備えており、このメタデータは、カメラ本体２において受け取られる。ユーザが生成したメタデータのデータ信号は、接続チャンネル４４，４６を介してインターフェイス１８で受け取られる。インターフェイス１８は、これらの信号を制御プロセッサ２８で処理できる形式に変換する。制御プロセッサ２８は、これらのデータ信号を接続チャンネル４８，５０を介して受け取る。
【００３５】
さらに、二次的メタデータがメタデータ生成部３４において生成される。図２に示す具体例では、二次的メタデータは、クロック３６において生成されたタイムコードを含んでいる。また、二次的メタデータは、カメラレンズ４の開口の設定、シャッタースピード、操作制御部８を介して受け取った映像が「画像良好（good shot）」であることを示す信号を含んでいる。これらサイン号及びデータは、センサ３８，４０，４２により生成され、二次的メタデータ生成部３４に供給される。この具体例におけるメタデータ生成部３４は、ビデオカメラ１がビデオ信号を生成する際に用いた動作パラメータを表す統語論的メタデータを生成する。さらに、二次的メタデータ又は統語論的メタデータは、制御プロセッサ２８によって生成される。
【００３６】
図１及び図２に示す具体例において、統語論的メタデータは、ビデオ信号が生成される期間及び時刻に自動的に生成される。二次的メタデータの磁気記録テープ２６への記録の仕方が技術的な課題となる。図２に示す具体例において、制御プロセッサ２８は、データ記憶部３２を備えている。さらに、制御プロセッサ２８は、ビデオ信号を捕捉している間、二次的メタデータをデータ記憶部３２に記憶する。ユーザは、特定の場面のビデオ信号の記録を終了すると、ＰＤＡ１２を使用してメタデータを生成する。ユーザによって生成されたメタデータは、制御プロセッサ２８において受け取られ、データ記憶部３２に記憶されている二次的なメタデータと結合される。ユーザによって生成されたメタデータは、接続チャンネル３０からの適切な信号によって読出／書込ヘッド２４を用いて磁気記録テープ２６へ書き込まれる。したがって、ユーザにとって利便性が向上し、ビデオカメラ１によって生成されたオーディオ／ビデオ素材にメタデータを付加する機能が向上される。
【００３７】
自動的に生成される二次的メタデータの例としては、グッドショットマーカ（good shot markers）、記録開始及び終了位置を示すＲＥＣ（record）マーク、ＧＰＳ（Global Positioning System）ロケーション（GPS location）、日時（Time and Date）、固有素材識別子（Unique Material Identifier:UMID）、カメラ調整（Camera settings）、焦点（focus）、ズーム値（zoom）等がある。ユーザによって手動で付加されるメタデータは、素材が生成された後で付加されるものであり、例としては、撮影者、ジャーナリスト覚書（journalist Notes）、スタイルコメント（Style comment）、提案（Suggestion）、注釈、撮影場所及び配置（Location／Assignment）、コメント、頭出し（Intro）、終了（Finish）、解説（Commentary）、ナレーション等のような撮影の識別情報がある。さらに、例えば、顔及び特徴点検出装置や発話検出装置等の認識装置を用いて、コンテンツの中の特徴点を識別することによって、メタデータをコンテンツから自動的に抽出することができる。また、認識装置を用いることによって適切なメタデータが付加できる。
【００３８】
本発明の具体例のより具体的な特徴を図３に示す。図３は、オーディオ／ビデオ信号とメタデータとが記録された磁気記録テープ２６の一部を示している。図３において、オーディオ／ビデオ信号は、最初の領域５４の先頭に記録されている。これに対し、ユーザにより生成されたメタデータと二次的メタデータとが結合されて、磁気記録テープ２６の後半の領域５６に記録されている。さらに、制御プロセッサ２８は、読出／書込ヘッド２４を制御して、オーディオ／ビデオ信号が領域５４に記録される前に、編集装置、ビデオ検索装置又は再生装置によって最初に読み込まれる位置にユーザにより生成されたメタデータと二次的メタデータとを記録する。これは、編集者に対して、領域５６に記録されたオーディオ／ビデオ情報のコンテンツの指示を迅速に与える点で、特に有効である。
【００３９】
ＰＤＡ１２を用いて生成されたメタデータを二次的メタデータと結合し、オーディオ／ビデオ信号の記録部分を形成する際の処理を図４に示す。図４に示す処理の最初のステップとして、ビデオカメラ１は、カメラ及びオーディオサウンドトラックによって捕捉された視覚的映像からオーディオ／ビデオ信号を生成する。この処理がステップ６０に示されている。オーディオ／ビデオ信号が生成されると、ユーザは、メタデータを記述する。ユーザは、ＰＤＡ１２を用いてメタデータを生成する。このメタデータは、オーディオ／ビデオ信号に付加される。この処理がステップ６２に示されている。オーディオ／ビデオ信号を捕捉している間、ビデオカメラ１は、オーディオ／ビデオ信号に基づく二次的メタデータを自動的に生成している。この処理がステップ６４に示されている。二次的メタデータとユーザによって生成されたメタデータは、ステップ６６において結合され、ステップ６８において、意味的メタデータとユーザによって生成されたメタデータとが結合され、磁気記録テープ２６に記録される。
【００４０】
本発明の第２の具体例を図５に示す。図５において、カムコーダ７０は、パーソナルコンピュータ７２に接続されている。カムコーダ７０は、接続チャンネル７４とインターフェイス７６を介してパーソナルコンピュータ７２に接続されている。第１の具体例において、インターフェイス７６は、予め決められた形式に適合されたものであってもよいし、あるいは、カムコーダ７０のための電子機器をデータ処理形式によらず規格化されたインターフェイスに適合するものであってもよい。パーソナルコンピュータ７２は、電子機器の一例である。また、第１の具体例において、インターフェイス７６は、メタデータをカムコーダ７０に伝送し、カムコーダによって生成されたオーディオ／ビデオ信号とともに記録されるようにしている。さらに、図５には、マイクロフォン７８が示されている。図５に示す第２の具体例において、パーソナルコンピュータ７２は、ユーザがマイクロフォン７８に発した言葉をテキストデータに変換するための音声変換又は口述書取のアプリケーションプログラムを制御する。このように、ユーザがマイクロフォン７８に対して発声した所望のメタデータを表す言葉がテキストメタデータに変換され、接続チャンネル７４を介してインターフェイス７６に供給される。メタデータは、図６に詳細を示すカムコーダで用いられる記録媒体上に記録される。
【００４１】
図５において示したカムコーダ本体７５の詳細な構成図を図６に示す。カムコーダ本体７５は、撮像レンズ７１によって撮像された映像をビデオ信号に変換するための画像処理部８２を備えている。画像処理部８２は、ビデオ信号とカムコーダのマイクロフォン（図示しない）によって検出されたオーディオ信号とを結合する。これらのオーディオ／ビデオ信号は、画像処理部８２において生成され、テープ駆動プロセッサ（tape driving processor）８４に供給される。テープ駆動プロセッサ８４は、記録ヘッドを備え、磁気記録テープ８６上へのオーディオ／ビデオ信号の記録を制御する。また、図６に示すインターフェイス７６は、接続チャンネル７４からの２つの伝送線に接続されている。インターフェイス７６は、伝送線９０，９２に対応して、これらを介してメタデータ制御プロセッサ（metadata control processor）８８に接続されている。メタデータ制御プロセッサ８８は、接続チャンネル９４を介してテープ駆動プロセッサ８４に接続されている。カムコーダは、さらに、コマンドが入力されるユーザインターフェイスを備えている。図６に示すユーザインターフェイス９６は、コマンド入力が行われる５つの操作ボタン９８を備えている。操作ボタン９８の１つは、画像処理部８２に接続されたテキスト作成部１００に接続されている。さらに、テキスト作成部１００は、回転入力操作子（jog shuttle）１０２において生成された信号を接続チャンネル１０３を介して受け取る。テキスト作成部１００は、カムコーダのユーザインターフェイス９６を構成する操作ボタン９８の１つによってトリガされる。これにより、ユーザは、カムコーダによって捕捉された映像の概略やタイトルのようなテキストを生成することができる。単語を構成する文字は、回転入力操作子１０２を用いて選択される。図７には、カムコーダによって形成された映像がファインダ７３に表示されている説明が示されている。ここで、「CHRISTMAS 1999」というタイトルは、カムコーダの撮像レンズ７１の表示領域に捕捉された映像に重ね合わされている。さらに、表示部の中央位置１０４に表示されているタイトルの「CHRISTMAS 1999」は、カムコーダ７０によって捕捉された映像又は撮像された画像に重ね合わされて、磁気記録テープ８６に記録される。同様に図７に示すように、汎用のカムコーダは、捕捉した映像に日付／時刻（TIME/DATE）１０６を付加する。日付／時刻１０６は、映像の一部、すなわち、ビデオ信号の一部として構成される。本発明の第２の具体例において、パーソナルコンピュータ７２で生成され、インターフェイス７６を介して受け取ったテキストは、メタデータ制御プロセッサ８８によって処理され、磁気記録テープ８６に記録されたオーディオ／ビデオ信号によって表示された所望の映像が表示された後、適切なコマンドがトリガされるまで保存される。オーディオ／ビデオ信号が記録された後、メタデータは、メタデータ制御プロセッサ８８から接続チャンネル９４を介してテープ駆動プロセッサ８４へ供給され、オーディオ／ビデオ信号に続いて磁気記録テープ８６上に記録される。このような好ましい実施の形態において、メタデータは、磁気記録テープ８６の先頭部分に記録され、編集者が磁気記録テープ８６のコンテンツを活用するための再生装置又は編集装置によって読み取られる。したがって、メタデータとして生成されたテキストは、概略の情報、オーディオ／ビデオ信号１０４のタイトル、日付／時刻１０６がテキスト作成部１００によって生成されたものであるか、又は、タイトル又は日付／時刻１０６がオーディオ／ビデオ信号とともに記録されているものかを区別されたメタデータとして生成され、これらオーディオ／ビデオ信号の一部を構成している。これに対して、ユーザによって生成されたメタデータは、オーディオ／ビデオ信号から分離でき、分離されて記録されている。ユーザによって生成されるメタデータは、映像のタイトル、概略、及び日付／時刻のメタデータとは異なるものである。
【００４２】
本発明の第３の具体例として図８に示すビデオカメラ１は、図１に示すビデオカメラ１に相当するため、図８に示すビデオカメラ１の図１と共通する部分には、同じ符号を付す。説明を簡潔に行うため、図１に示すビデオカメラと図８に示すビデオカメラの相違点のみを説明する。図８に示すビデオカメラ１は、メタデータ生成ツール（metadata generation tool）１１０を備えている。メタデータ生成ツール１１０は、ビデオカメラ１から分離できるようにされており、適切なインターフェイスを介してビデオカメラ１に接続されているものとする。さらに、メタデータ生成ツール１１０は、カムコーダ、コンピュータグラフィックス装置のような、他のあらゆるオーディオ及び／又はビデオ生成装置のいかなる形式にも接続されることができる。メタデータ生成ツール１１０は、表示部１１４とキーパッド１１６とを有するユーザインターフェイス１１２を備えている。キーパッド１１６は、説明を省略するユーザインターフェイスデータ処理部（user interface data processor）によって受け取られたコマンド及びテキストをユーザが入力するための機能を備えている。図８に示すメタデータ生成ツール１１０の詳細を説明する構成図が図９に示されている。図９に示すように、メタデータ生成ツール１１０は、図９には図示しないメタデータ生成ツール１１０のユーザインターフェイス１１２のキーパッド１１６及び表示部１１４と効果的に組み合わされたユーザインターフェイスデータ処理部１１８を備えている。メタデータ生成ツール１１０は、図９に示すように、４つのメタデータ生成センサ（metadata generation sensor）１２２，１２４，１２６，１２８と組み合わされたメタデータ処理部１２０を備えている。ユーザインターフェイスデータ処理部１１８は、制御チャンネル１３０及びメタデータチャンネル１３２によってメタデータ処理部１２０に接続されている。また、ユーザインターフェイスデータ処理部１１８は、接続チャンネル１３６を介してデータ記憶部１３４に接続されている。
【００４３】
メタデータ処理部１２０は、メタデータとして識別されたパラメータ、及び、例えばビデオカメラ１によって生成されたオーディオ／ビデオ信号に基づいて生成されたパラメータの値を表すメタデータセンサ１２２，１２４，１２６，１２８からの信号の受信を制御する。ユーザインターフェイスデータ処理部１１８は、ビデオカメラ１によるオーディオ／ビデオ信号に基づいて記録されたオーディオ／ビデオ信号を生成するためにユーザが所望する複数のメタデータの種類を入力するためのキーパッド１１６を介してユーザからのコマンドを受け取る。可能なメタデータの種類の例を図１０に示す。図１０において、最初の列には、オーディオ／ビデオ信号が生成された時刻を示す「時刻（TIME）」と、オーディオ／ビデオ信号が生成された時刻を示す「日付（DATE）」と、オーディオ／ビデオ信号が生成された場所（location）を示す「GPS（Global Positioning System）」と、オーディオ／ビデオ信号が生成されたときのビデオカメラ１の絞り値を示す「FSTOP」と、記録開始点と記録終了点を示す「REC」と、キーパッド１１６を介して自由に入力したテキスト及びユーザが重要であるとみなしたいくつかの値を表すテキストを示す「TEXT」の６つのメタデータの種類の例が示されている。
【００４４】
ユーザは、ビデオカメラ１に対して使用できるメタデータの種類を自由に選択でき、メタデータの種類は、図１０に示すように３つのメタデータに分類される。それぞれの選択肢は、表の列に対応して示されており、選択肢ＳＥＬ１，選択肢ＳＥＬ２，選択肢ＳＥＬ３，デフォルト設定（default setting）ＤＥＦＬＴとして示されている。それぞれの選択肢に対して生成されるメタデータの種類は、メタデータの種類を示す表の縦列方向に×印で示されている。選択肢ＳＥＬ１を例にとると、時刻、日付及びテキストは、メタデータとして生成される。ユーザがキーパッド１１６を介して適切なコマンドを入力することで選択肢の１つを選択すると、ユーザが所望とする選択が表示部１１４に表示される。所望の選択肢は、メタデータ処理部１２０への所望の選択肢を表す制御信号の伝送を制御するユーザインターフェイスデータ処理部１１８によって処理される。メタデータ処理部１２０は、さらに、メタデータセンサ１２２，１２４，１２６，１２８から受け取った信号から各々のメタデータの種類のメタデータ値の生成を行う。メタデータ処理部１２０は、オーディオ／ビデオ信号に基づいて出力チャンネル１４０を介してメタデータ生成ツール１１０によって出力される選択された信号の生成を制御する。ユーザがメタデータとして付加されたテキストの選択肢を選択する場合、テキストは、キーパッド１１６を介して入力されるユーザインターフェイスデータ処理部１１８によって入力され、データ記憶部１３４に記憶される。データ記憶部１３４は、ユーザが選択したメタデータ選択肢を記憶する。ユーザが入力したテキストの信号は、ユーザインターフェイスデータ処理部１１８からメタデータチャンネル１３２を介してメタデータ処理部１２０へ供給される。
【００４５】
メタデータの種類の範囲は非常に広く、生成されたメタデータのフォーマットも様々なものがある。ＳＭＰＴＥ−ＥＢＵ（Society of Motion Picture and Television Engineers-European Broadcast Union）では、異なる種類及びフォーマットのメタデータが広く検討され規格化されている。ユーザインターフェイス１１２を介してユーザに利用される１又は複数のカテゴリは、予め決められた複数の規格のうちの１つに相当するものである。例えば、ユーザは、生成されたオーディオ／ビデオ信号の種類に最適なメタデータの規格を選択してもよい。これらは、オーディオ／ビデオ素材のコンテンツを表示するために記録される。メタデータの規格は、オーディオ／ビデオ製品を生産するためのオーディオ／ビデオ信号を生成するため、また、この信号の編集を容易にするために用いられる。
【００４６】
ここに上述した具体例は、本発明の主旨を逸脱しない範囲内で様々に変更することができる。例えば、オーディオ／ビデオ信号を磁気記録テープに記録する具体例を説明したが、記録媒体は、他の種類の記録媒体であってもよい。さらに、ユーザによって生成されるメタデータは、テキスト情報を例示しているが、このメタデータは、自動的に生成されるか、又はユーザの制御のもとで生成されるメタデータであればよく、インターフェイスを介してオーディオ及び／又はビデオ生成装置に供給されるものであれば、他のいかなるメタデータであってもよい。また、二次的メタデータは、意味的又は統語論的メタデータであってもよい。
【００４７】
本発明の具体例において、データ処理部として示した構成要素は、ハードウェアによって実行できるほか、コンピュータのプログラムが適切なデータ処理を実行するためソフトウェアによっても実行することができる。また、これに対応して、具体例においてデータ処理のコンピュータ又はアプリケーションプログラムとして説明されている構成要素は、専用のハードウェアであってもよい。さらに、ここで上述したようなオーディオ及び／又はビデオ生成装置として構成されるデータ処理部において実行されるコンピュータプログラムは、本発明の範囲内にある。同様に、本発明の具体例として示す方法が定義された記録媒体に記録されたコンピュータプログラム、又は本発明の実施の形態として示す装置を構成するコンピュータによって読み込まれるコンピュータプログラムは、本発明の範囲内にある。
【図面の簡単な説明】
【図１】個人用デジタルアシスタント（ＰＤＡ）と連動して動作するビデオカメラの構成を示す図である。
【図２】図１に示すビデオカメラ本体の構成を示す図である。
【図３】磁気記録テープに記録された情報の概念を示す図である。
【図４】オーディオ／ビデオ素材の記録処理のフローを説明する図である。
【図５】パーソナルコンピュータに接続されたカムコーダの構成を示す図である。
【図６】図３に示すカムコーダ本体の構成を示す図である。
【図７】カムコーダに表示される画像を示す図である。
【図８】メタデータ生成ツールを備えるビデオカメラの構成を示す図である。
【図９】図８に示すメタデータ生成ツールの構成を示す図である。
【図１０】予め決められたメタデータ選択肢の例を示す図である。

Claims (40)

1. オーディオ／ビデオソースを表現するオーディオ／ビデオ信号を生成するオーディオ／ビデオ信号生成装置であって、
   上記オーディオ／ビデオ信号に関連付けられた、異なる種類の複数のメタデータを生成するメタデータ生成手段を備え、
   上記メタデータ生成手段によって生成されるメタデータの種類がユーザによって選択可能であり、
   上記メタデータ生成手段は、ユーザが上記異なる複数のメタデータの種類から選択しない場合、デフォルト設定された少なくとも１つの種類のメタデータを生成することを特徴とするオーディオ／ビデオ信号生成装置。
2. 上記メタデータ生成手段は、上記異なる種類の複数のメタデータのうち少なくとも１つを選択するためのユーザインターフェイスを備え、
   上記メタデータは、上記インターフェイスを介して上記ユーザに選択されたメタデータの種類に関連付けられた上記オーディオ／ビデオ信号から生成されることを特徴とする請求項１記載のオーディオ／ビデオ信号生成装置。
3. 上記メタデータ生成手段は、予め決められた複数のメタデータ選択肢に応じてメタデータを生成し、当該メタデータ選択肢の各々は、予め決められたフォーマットで配列された上記複数の異なるメタデータの種類のうち少なくとも１つを表示するものであり、
   上記ユーザインターフェイスは、ユーザに上記メタデータを生成するためのメタデータ選択肢の１つを選択させるための機能を提供することを特徴とする請求項２記載のオーディオ／ビデオ信号生成装置。
4. 上記複数のメタデータ選択肢は、上記オーディオ／ビデオ情報とともに生成されたメタデータの種類及びフォーマットの規格に応じて決定されることを特徴とする請求項３記載のオーディオ／ビデオ信号生成装置。
5. 上記メタデータとともに上記オーディオ／ビデオ信号を記録媒体に記録する記録／再生装置を備え、上記メタデータは、上記オーディオ／ビデオ信号から分離され抽出される形式で記録されることを特徴とする請求項１記載のオーディオ／ビデオ信号生成装置。
6. 上記オーディオ／ビデオ信号生成装置は、ビデオカメラ、カムコーダ、テレビジョンカメラ、映画用カメラ、又はこれらに類似する装置であることを特徴とする請求項１記載のオーディオ／ビデオ信号生成装置。
7. オーディオ／ビデオ生成装置に関連したメタデータを生成する際に用いられるメタデータ生成装置であって、
   当該メタデータ生成装置は、オーディオ／ビデオ信号に関連付けられた、異なる種類の複数のメタデータを生成し、
   当該メタデータ生成装置により生成されるメタデータの種類は、ユーザによって選択可能であり、
   ユーザが上記異なる複数のメタデータの種類から選択しない場合、デフォルト設定された少なくとも１つの種類のメタデータを生成することを特徴とするメタデータ生成装置。
8. 上記異なる種類の複数のメタデータのうち少なくとも１つを選択するための機能を有するユーザインターフェイスを備え、
   上記メタデータは、上記インターフェイスを介して上記ユーザに選択されたメタデータの種類に関連付けられた上記オーディオ／ビデオ信号から生成されることを特徴とする請求項７記載のメタデータ生成装置。
9. 所定の複数のメタデータ選択肢に応じてメタデータを生成し、
   メタデータ選択肢の各々は、所定のフォーマットで配列された上記複数の異なるメタデータの種類のうち少なくとも１つを表示するものであり、
   上記ユーザインターフェイスは、ユーザに上記メタデータを生成するためのメタデータ選択肢の１つを選択させるための機能を提供することを特徴とする請求項８記載のメタデータ生成装置。
10. 上記複数のメタデータ選択肢は、上記オーディオ／ビデオ情報とともに生成されたメタデータの種類及びフォーマットの規格に応じて決定されることを特徴とする請求項９記載のメタデータ生成装置。
11. 生成されるべきオーディオ／ビデオ信号の種類を識別するステップと、
    上記識別されたオーディオ／ビデオ信号の種類に関連付けられた、上記オーディオ／ビデオ信号とともに生成されるべき、異なる種類の複数のメタデータの種類をユーザの選択に基づいて選択するステップと、
    上記オーディオ／ビデオ情報信号に関連付けられた上記選択された種類のメタデータを生成するステップとを有し、
    上記選択するステップは、ユーザが上記異なる複数のメタデータの種類から選択しない場合、デフォルト設定された少なくとも１つのメタデータの種類を選択することを特徴とするオーディオ／ビデオ信号生成方法。
12. 上記選択するステップは、上記異なる種類の複数のメタデータのうち少なくとも１つを選択するためのユーザインターフェイスを提供するステップを有し、
    上記メタデータは、上記ユーザインターフェイスを介して上記ユーザに選択されたメタデータの種類に関連付けられた上記オーディオ／ビデオ信号から生成されることを特徴とする請求項１１記載のオーディオ／ビデオ信号生成方法。
13. 上記選択するステップは、
    上記ユーザインターフェイスにより、所定のフォーマットで配列された上記複数の異なるメタデータの種類のうち少なくとも１つを示す、所定の複数のメタデータ選択肢を提供するステップと、
    上記ユーザインターフェイスを介したユーザの選択に基づいて、上記所定のメタデータ選択肢の１つを選択するステップとを有することを特徴とする請求項１２記載のオーディオ／ビデオ信号情報生成方法。
14. 上記複数のメタデータ選択肢は、上記オーディオ／ビデオ情報とともに生成されたメタデータの種類及びフォーマットの規格に応じて決定されることを特徴とする請求項１３記載のオーディオ／ビデオ信号情報生成方法。
15. コンピュータにより実行可能な命令を提供するコンピュータプログラムであって、コンピュータにロードされて、該コンピュータを請求項１記載のオーディオ／ビデオ信号生成装置として動作させるコンピュータプログラム。
16. コンピュータにより実行可能な命令を提供するコンピュータプログラムであって、コンピュータにロードされて、該コンピュータを請求項７記載のオーディオ／ビデオ信号生成装置として動作させるコンピュータプログラム。
17. コンピュータにより実行可能な命令を提供するコンピュータプログラムであって、該コンピュータに、請求項１１記載のオーディオ／ビデオ情報生成方法の各ステップを実行させるコンピュータプログラム。
18. 請求項１５記載のコンピュータプログラムが記録された、コンピュータにより読み取り可能な記録媒体。
19. 所定のフォーマットを有し当該オーディオ／ビデオ信号生成装置をデータプロセッサと接続するためのインターフェイスをさらに有し、
    当該オーディオ／ビデオ信号生成装置は、上記データプロセッサを用いてユーザにより生成され上記オーディオ／ビデオ信号に関連付けられたメタデータを上記インターフェイスを介して受け取り、
    当該オーディオ／ビデオ信号生成装置は、上記記録／再生装置に接続され上記オーディオ／ビデオ信号に関連付けられた二次的メタデータを自動的に生成するメタデータ生成手段をさらに有し、
    上記メタデータ及び上記二次的メタデータは、結合されて上記オーディオ／ビデオ信号とともに上記記録媒体に記録されることを特徴とする請求項５に記載のオーディオ／ビデオ信号生成装置。
20. 上記二次的メタデータは、上記オーディオ／ビデオ信号が生成されたときのパラメータを表す意味的メタデータであることを特徴とする請求項１９記載のオーディオ／ビデオ信号生成装置。
21. 上記ユーザによって生成されるメタデータは、テキスト情報であることを特徴とする請求項１９記載のオーディオ／ビデオ信号生成装置。
22. 上記データプロセッサは、上記ユーザによる音声を表す音声信号を変換して上記テキスト情報を生成する音声処理手段を備えることを特徴とする請求項２１記載のオーディオ／ビデオ信号生成装置。
23. 上記データプロセッサは、パーソナルコンピュータであることを特徴とする請求項２１記載のオーディオ／ビデオ信号生成装置。
24. 上記データプロセッサは、携帯型個人情報端末であることを特徴とする請求項１９記載のオーディオ／ビデオ信号生成装置。
25. 上記オーディオ／ビデオ信号生成装置は、ビデオカメラ、テレビジョンカメラ、又はカムコーダ、又はこれらに類似する装置であることを特徴とする請求項１９記載のオーディオ／ビデオ信号生成装置。
26. 上記記録媒体は、線形記録媒体であり、上記記録／再生装置は、上記ユーザによって生成されたメタデータ及び上記二次的メタデータのうちの少なくとも１つを、上記オーディオ／ビデオ信号に続いて、上記ユーザによって生成されたメタデータ及び上記二次的メタデータのうちの少なくとも１つが当該記録／再生装置によって上記オーディオ／ビデオ信号より前に読取可能な上記記録媒体の位置に記録することを特徴とする請求項１９記載のオーディオ／ビデオ信号生成装置。
27. 上記オーディオ／ビデオ信号を記録媒体に記録するステップをさらに有し、
    上記メタデータを生成するステップは、
    上記オーディオ／ビデオ信号に応じて自動的に上記メタデータを生成するステップと、
    上記オーディオ／ビデオ信号に関連してユーザによって生成されたメタデータを供給するステップと、
    上記ユーザによって生成されたメタデータと上記自動的に生成されたメタデータとを上記オーディオ／ビデオ信号とともに上記記録媒体に記録するステップと
    を有する請求項１１に記載のオーディオ／ビデオ信号生成方法。
28. 上記ユーザによって生成されたメタデータは、データプロセッサから供給されることを特徴とする請求項２７記載のオーディオ／ビデオ信号生成方法。
29. 上記自動的に生成されたメタデータは、上記オーディオ／ビデオ信号が生成されたときの上記オーディオ／ビデオ信号生成装置のパラメータを表す意味的メタデータであることを特徴とする請求項２７記載のオーディオ／ビデオ信号生成方法。
30. 上記ユーザによって生成されたメタデータは、テキスト情報であることを特徴とする請求項２７記載のオーディオ／ビデオ信号生成方法。
31. 上記記録媒体は、線形記録媒体であり、
    当該オーディオ／ビデオ信号生成方法は、上記ユーザによって生成されたメタデータ及び上記自動的に生成されたメタデータのうちの少なくとも１つを、上記オーディオ／ビデオ信号に続いて、上記ユーザによって生成されたメタデータ及び上記自動的に生成されたメタデータのうちの少なくとも１つが再生手段によって上記オーディオ／ビデオ信号より前に読取可能な上記記録媒体の位置に記録するステップを有することを特徴とする請求項２７記載のオーディオ／ビデオ信号生成方法。
32. コンピュータにより実行可能な命令を提供するコンピュータプログラムであって、コンピュータにロードされて、該コンピュータを請求項１９記載のオーディオ／ビデオ信号生成装置として動作させるコンピュータプログラム。
33. コンピュータにより実行可能な命令を提供するコンピュータプログラムであって、コンピュータにロードされて、該コンピュータに、請求項２７記載のオーディオ／ビデオ信号生成方法の各ステップを実行させるコンピュータプログラム。
34. 請求項３２記載のコンピュータプログラムが記録された、コンピュータにより読み取り可能な記録媒体。
35. 上記オーディオ／ビデオ信号を記録媒体に記録する記録手段を備え、
    上記記録媒体は、線形記録媒体であり、
    上記記録手段は、上記オーディオ／ビデオ信号に関連付けられたメタデータを上記オーディオ／ビデオ信号に続いて、上記オーディオ／ビデオ信号が再生手段によって上記オーディオ／ビデオ信号より前に読取可能な上記記録媒体の位置に記録する請求項１記載のオーディオ／ビデオ信号生成装置。
36. 上記メタデータ生成手段によって生成されたメタデータとは異なる、ユーザによって生成されたメタデータを受け取る受取手段を備えることを特徴とする請求項３５記載のオーディオ／ビデオ信号生成装置。
37. 上記線形記録媒体は、磁気記録テープであることを特徴とする請求項３５記載のオーディオ／ビデオ信号生成装置。
38. コンピュータにより実行可能な命令を提供するコンピュータプログラムであって、コンピュータにロードされて、該コンピュータを請求項３５記載のオーディオ／ビデオ信号生成装置として動作させるコンピュータプログラム。
39. コンピュータにより実行可能な命令を提供するコンピュータプログラムであって、コンピュータにロードされて、該コンピュータに、請求項３１記載のオーディオ／ビデオ信号生成方法の各ステップを実行させるコンピュータプログラム。
40. 請求項３８記載のコンピュータプログラムが記録された、コンピュータにより読み取り可能な記録媒体。

Images