Vicomtech、ライブ コンテンツの言語内および言語間の字幕の自動生成を進歩

ヨーロッパの HBB4ALL プロジェクト内で、Vicomtech-IK4 は、スペイン語および英語に翻訳されたコンテンツの自動字幕作成のパイロットを実装します。

字幕は、聴覚障害を持つ人々がマルチメディア コンテンツにアクセスでき、オリジナル以外の言語が話されている国際市場で活用できるようにするための、推奨され、最も経済的な方法です。

介入なしで入力音声から字幕を生成する自動字幕作成は、ますます人気のあるソリューションです。そして現実には、現在、リアルタイムで自動字幕を生成する技術は存在せず、手動で生成され続けています。

Vicomtech-IK4 テクノロジー センターは、自動音声認識テクノロジーに基づいた自動字幕技術の開発に長年取り組んできました。また、欧州プロジェクト HBB4ALL の中で、英語放送のコンテンツをリアルタイムで自動字幕 (言語内字幕) するパイロットを実装しました。さらに、このパイロット版にはリアルタイム自動翻訳技術が組み込まれており、これらの字幕は英語からリアルタイムで翻訳されているため、スペイン語でも視聴することができます (言語間字幕)。

この技術は、ユーザーが選択したコンテンツの代替コンテンツを提供するだけでなく、ユーザーが使用しているデバイスの特性に適応します。これは、オーディオ、ビデオ、および字幕のストリームを、デバイスの解像度や接続の品質などのエンドデバイスの特性に独立して適応できるアダプティブ ストリーミング テクノロジのおかげで実現されます。

このパイロットは、Vicomtech-IK4 が参加し、HBBTV 標準に基づいて制作されたマルチメディア コンテンツにアクセシビリティ技術を統合する欧州プロジェクトの成果です。このプロジェクトは、デジタル テレビ コンテンツと Web コンテンツを融合することを目的とした双方向テレビ用の技術です。

具体的には、Vicomtech-IK4 は、内言語 (コンテンツの元の言語) と間言語 (翻訳された) 字幕を生成するテクノロジーを統合し、インターネットに接続されたテレビなど、あらゆるデバイスで視聴できるビデオ ストリームをリアルタイムで生成します。これらはすべて、視聴者に新しい体験と環境を追加するためです。

El proyecto europeo denominado HBB4ALL, está liderado por la UAB y formado por 12 socios expertos en accesibilidad y entornos multi-dispositivo entre los que hay universidades, canales de televisión, productoras, centros de investigación y PYMES. Entre los socios, además de Vicomtech- IK4, podemos destacar al centro tecnológico alemán, IRT, Screen Subtitling Systems o las cuatro productoras de televisión RBB, RTP, TVC y SwisTXT, entre otros.

La tecnología de generación de subtítulos intra-lingüe viene como resultado del proyecto europeo SAVAS liderado por Vicomtech- IK4, que tuvo como fin desarrollar tecnología de subtitulación automática para 7 idiomas europeos. De la misma manera que la tecnología de traducción automática de subtítulos viene de otro proyecto europeo también liderado por Vicomtech- IK4, el proyecto SUMAT.

Cabe destacar que es una realidad la alta necesidad de subtitulación automática, ya que hay una ley audiovisual europea de 2010, que afecta a todos los Estados miembros, en virtud de la cual hay obligación de aumentar los contenidos subtitulados de forma progresiva hasta llegar al 90%. Actualmente no se cumple ese porcentaje, y el objetivo de la ley era alcanzarlo en el año 2013 pero la realidad es que hasta ahora no existe en el mercado tecnología que ayude a la subtitulación automática y en tiempo real. Aunque hoy en día no se penaliza el incumplimiento de esta ley, la accesibilidad a los contenidos es un tema aún pendiente y llegará un día en que todos los contenidos tengan que ser accesibles y si no lo son se empezará a sancionar. Por ello, la tecnología es indispensable para ayudar a que se realicen subtítulos de forma automática.

Marco legal

En los últimos años, la legislación sobre accesibilidad audiovisual se está volviendo más restrictiva. Como consecuencia del Artículo 7 de la Directiva Europea de Servicios de Comunicación Audiovisual, los Estados Miembros han ido tomando las medidas necesarias para garantizar que los servicios de los proveedores audiovisuales bajo su jurisdicción sean gradualmente accesibles para las personas con discapacidad auditiva o visual.

Acorde con la directiva europea, en 2010 las Cortes aprobaron con carácter definitivo una nueva Ley General de Comunicación Audiovisual a nivel estatal, que impuso por primera vez obligaciones de accesibilidad al contenido a todos los operadores de televisión. En concreto, las medidas de accesibilidad establecidas afectaron al campo de la subtitulación, audiodescripción y lengua de signos.

A pesar de la existencia de esta ley, a día de hoy la gran mayoría de canales de televisión incumplen estas obligaciones en cuanto al porcentaje de contenidos que han de ser emitidos con información accesible (más del 90% en subtitulación).

Para los contenidos pregrabados o emitidos en semi-directo, la subtitulación se realiza y se lanza de forma manual.

En cambio, para los contenidos en directo, algunas televisiones ya integran tecnología de reconocimiento automático de habla, pero siempre mediante la técnica del rehablado, en la que un profesional relocuta el contenido contra un reconocedor entrenado para su voz y en un entorno acústico controlado. “Este método garantiza buenos resultados y un retardo poco elevado, pero incorpora la dificultad del cansancio cognitivo del profesional, que de media sólo soportan 30 minutos seguidos de relocución, solucionándose mediante sustituciones. Además, cabe mencionar la alta tarificación de estos profesionales”, aseguran desde Vicomtech.