[发明专利]发送装置、发送方法、接收装置、接收方法、信息处理装置和信息处理方法

说明书

本发明的目的是使能够更适当地在接收侧上使用字幕的文本信息执行处理。生成具有编码图像数据的视频流。生成具有与预定数量的讲话者的话语相对应的字幕的文本信息和用于分析相应话语的元信息的字幕流。传输包括视频流和字幕流的预定格式的容器。例如，元信息包括用于识别相应话语的讲话者的标识符、相应话语的讲话者的属性信息等。

技术领域

本技术涉及一种发送装置、一种发送方法、一种接收装置、一种接收方法、一种信息处理装置和一种信息处理方法，并且具体地，涉及一种传输字幕文本信息以及图像数据的发送装置等。

背景技术

通常，例如，在遵从数字视频广播(DVB)的广播等中，执行使用位图数据发送字幕信息的操作。近年来，已经提出了使用文本字符代码(即，基于文本)发送字幕信息的想法。在这种情况下，根据分辨率在接收侧执行字体扩展。

另外，提出了在基于文本发送字幕信息的情况下将定时信息附加到文本信息的想法。万维网联盟(W3C)已经建议了定时文本标记语言(TTML) 作为文本信息的示例(参考专利文献1)。

引用列表

专利文献

专利文献1：日本专利申请公开第2002-169885号

发明内容

本发明要解决的问题

本技术的目的是确保可以在接收侧适当地执行利用字幕文本信息的处理。

解决问题的方法

本技术的概念是一种发送装置，包括：视频编码单元，被配置为生成具有编码图像数据的视频流；字幕编码单元，被配置为生成具有与预定数量的发话者的话语相对应的字幕文本信息和用于分析每个话语的元信息的字幕流；以及发送单元，被配置为发送包括视频流和字幕流的具有预定格式的容器。

在本技术中，由视频编码单元生成具有编码图像数据的视频流。由字幕编码单元生成字幕流。字幕流具有与预定数量的发话者的话语相对应的字幕文本信息和用于分析每个话语的元信息。

例如，元信息可以包括用于识别每个话语的发话者的标识符。在这种情况下，例如，元信息可以进一步包括每个话语的发话者的属性信息。例如，字幕流可以具有字幕文本信息和元信息，作为TTML数据或具有 TTML派生格式的数据。

包括视频流和字幕流的具有预定格式的容器由发送单元传输。例如，容器可以是数字广播标准中采用的传输流(MPEG-2TS)。可替换地，例如，容器可以是用于互联网传送等的MP4或具有不同格式的容器。

如上所述，在本技术中，除了与预定数量的发话者的话语相对应的字幕文本信息之外，字幕流还具有用于分析每个话语的元信息。因此，在接收侧，可以参照元信息更适当地执行字幕文本信息的处理。

此外，本技术的另一概念是一种接收装置，包括：接收单元，被配置为接收包括视频流和字幕流的具有预定格式的容器，该视频流具有编码图像数据，该字幕流具有与预定数量的发话者的话语相对应的字幕文本信息和用于分析每个话语的元信息；信息提取单元，被配置为从字幕流中提取字幕文本信息和元信息；以及信息处理单元，被配置为利用所提取的字幕文本信息和元信息执行处理。

在本技术中，由接收单元接收具有预定格式的容器。该容器至少包括具有编码图像数据的视频流和具有与预定数量的发话者的话语相对应的字幕文本信息及用于分析每个话语的元信息的字幕流。

由信息处理单元从字幕流中提取字幕文本信息和元信息。然后由信息处理单元利用所提取的字幕文本信息和元信息执行处理。例如，元信息可以包括用于识别每个话语的发话者的标识符。在这种情况下，例如，元信息可以进一步包括每个话语的发话者的属性信息。