一種基于XML的隱藏字幕數(shù)據(jù)交換格式

徐 品，鄧 琪，張鑫垚，李紹彬

（中國傳媒大學 信息工程學院，北京 100024）

隱藏字幕（Closed Caption）[1]技術是針對B類字幕[2]提出的字幕與節(jié)目視頻分離的技術。電視節(jié)目中的字幕分為直播型和后期制作型兩種。后期字幕制作流程通常是在節(jié)目視頻完成以后再將字幕拍入。在目前電視節(jié)目的制作中，字幕是直接合成到畫面中，合成后的字幕是不可更改的。如果采用隱藏字幕技術，字幕不再直接合成到畫面中，而是以一種數(shù)據(jù)或文件形式與其宿主視頻同時存在，它與宿主視頻具有相同的生命期，其內(nèi)容和屬性依據(jù)時碼與宿主視頻保持同步；在播出時，隱藏字幕是作為視頻幀的附加數(shù)據(jù)與視頻流同步傳送；在接收端，觀眾可以根據(jù)自己的喜好選擇顯示或隱藏這些字幕，這也就是隱藏字幕名稱的由來。

隱藏字幕的制作形式在美國早已有研究與應用[3-5]，但在數(shù)字電視條件下，如何在臺內(nèi)實現(xiàn)數(shù)字隱藏字幕宿主視頻的實時伴隨傳輸，以及將其按某種格式與宿主視頻同步保存下來，是目前隱藏字幕在我國推廣中的一個亟待解決的應用課題。

隱藏字幕在電視臺制作域中的存在形式有兩種：一種是嵌入到HD/SD-SDI碼流中；另一種是以文件的形式伴隨宿主視頻文件，可將其擺放到非編的故事板中占據(jù)一條或多條字幕軌。編輯人員可根據(jù)需要對字幕出入點、屬性和內(nèi)容進行添加和修改。

本文的研究就是希望利用XML語言設計一種便于描述隱藏字幕的XML文件格式，以作為視頻文件的伴隨文件供臺內(nèi)非編或媒體數(shù)據(jù)交換及存儲之用。經(jīng)過實驗，該XML文件可以嵌入到MXF音視頻媒體交換格式中，可以在視頻播放的同時同步顯示字幕信息。

1 隱藏字幕結構分析

由于B類字幕主要用于節(jié)目或視頻中人物對白、聲音來源、唱詞等，是作為視頻畫面中語音或其他音頻的注釋性文字，所以隱藏字幕不需要過多的裝飾。其作用也并非想取代非編或字幕機中對圖文字幕的包裝，因此沒有那么豐富的靜態(tài)效果和動態(tài)特技，但作為電視畫面的輔助性字幕其效果已經(jīng)足夠了。

以下根據(jù)《數(shù)字電視隱藏字幕系統(tǒng)規(guī)范》[6]（簡稱《字幕規(guī)范》），對隱藏字幕的上層結構進行分析。

1.1 隱藏字幕的業(yè)務

隱藏字幕的中心問題是解決字幕業(yè)務的傳輸與呈現(xiàn)。隱藏字幕的業(yè)務是指語言及數(shù)據(jù)服務，同時可以有63個業(yè)務。業(yè)務分為基準業(yè)務和擴展業(yè)務兩類?！蹲帜灰?guī)范》中規(guī)定基準業(yè)務一共有6種，其中編號為1的用作節(jié)目主語言的字幕，編號為2的為第二語言字幕；其余編號3～6也應作為節(jié)目語言的字幕使用，以便支持節(jié)目的多語言字幕。擴展業(yè)務內(nèi)容可由廠家自行定義，可以傳送圖片或其他數(shù)據(jù)，當然，這種定義必須取得機頂盒廠商的認可。

1.2 隱藏字幕業(yè)務的呈現(xiàn)效果與命令

每個隱藏字幕業(yè)務可以對應一個或多個字幕窗口。字幕呈現(xiàn)的效果有如下特點：

1）每個業(yè)務可在屏幕同時開辟最多8個字幕窗口；

2）每個窗口的背景色有8種顏色可選，并有4種透明效果；

3）窗口的邊界有6種描述方式，還有邊框的突出、凹進、平面或投影等效果；

4）對文字的排版方式有4種對齊方式、4種打印方式；

5）字幕的動態(tài)效果有滾動、彈出、劃像、淡入淡出效果；

6）對字符的描述有6種字體、64種顏色，還有字符大小設置等。

數(shù)字電視隱藏字幕在終端呈現(xiàn)時有5個主要元素，分別為字幕屏幕、字幕窗口、字幕筆、字幕文本和字幕同步。

字幕的呈現(xiàn)效果是通過字幕命令來完成的，按照《字幕規(guī)范》，字幕命令分成3種類型，共14個命令：

1）窗口類型

（1）SetCurrentWindow：指定當前窗口。

（2）DefineWindow：創(chuàng)建窗口，設置初始值。

（3）ClearWindows：清除一組窗口中的文本。

（4）DeleteWindows：刪除一組窗口。

（5）DisplayWindows：使一組窗口變成可見。

（6）HideWindows：使一組窗口變成不可見。

（7）ToggleWindows：窗口顯示/隱藏狀態(tài)切換。

（8）SetWindowAttributes：為當前窗口指定窗口樣式。

2）畫筆類型

（1）SetPenAttributes：為當前窗口設置畫筆樣式屬性。

（2）SetPenColor：指定畫筆的顏色。

（3）SetPenLocation：指定窗口內(nèi)畫筆光標的位置。

3）同步類型

（1）Delay：延遲服務數(shù)據(jù)的解析。

（2）DelayCancel：取消一個正在執(zhí)行的延遲命令。

（3）Reset：復位字幕通道業(yè)務。

1.3 字幕語句

在字幕通道中，每個業(yè)務由一系列業(yè)務塊組成，一系列命令、屬性和文本可以組成一個業(yè)務塊?！蹲帜灰?guī)范》中并沒有對業(yè)務塊的組成方式給出具體的規(guī)定，通過研究發(fā)現(xiàn)，如果這些命令組成的不恰當，會給字幕呈現(xiàn)造成混亂。為了便于業(yè)務塊的編輯保存和解析運行，引進了一個“字幕語句”的概念，并對字幕語句做出如下定義與描述：將一個或多個句法單元構成的可以良好地在終端上呈現(xiàn)的一個業(yè)務塊稱為一個隱藏字幕的一條字幕語句（簡稱為語句）。認為業(yè)務塊可由一條或多條字幕語句所組成。每條語句由合適的命令、屬性和文本組成，對它們進行分類并規(guī)定其語法，以避免在實際傳輸中有可能生成無效的或者無法解析的語句。

根據(jù)每條語句的組成方式，將字幕語句分為如下三種類型：關于業(yè)務緩沖區(qū)的語句，關于窗口狀態(tài)的語句，關于字幕文本的語句。

1）關于業(yè)務緩沖區(qū)的語句

這類語句有三個命令：Reset，Delay和DelayCancel，它們對業(yè)務緩沖區(qū)有影響，所以稱為緩沖區(qū)控制命令。

Reset和DelayCancel是針對業(yè)務緩沖區(qū)處理的命令，不需要任何參數(shù)，也不能與別的命令或字幕文本一起構成語句。所以，這種獨立命令可以構成一個語句，并需要單獨處理。

Delay命令也是針對業(yè)務緩沖區(qū)的，有參數(shù)，其作用可使業(yè)務緩沖區(qū)延遲解析，但緩沖區(qū)輸入并沒有停止?？梢允褂盟购罄^的字幕命令延時執(zhí)行，比如，Delay后跟隨ClearWindows，意味著某些窗口在延時一段時間后被自動清除。因此，Delay可以單獨成為一個語句，也可成為其他語句的前導。

必須注意，由于Delay是針對業(yè)務緩沖區(qū)的，后面如果有非延遲命令，一定要等到延時期限以后，或者調(diào)用DelayCancel取消延時或Reset重置緩沖區(qū)。

2）關于窗口狀態(tài)的語句

（1）ClearWindows：清除一組窗口中的文本。

（2）DeleteWindows：刪除一組窗口的定義。

（3）DisplayWindows：使一組窗口變成可見。

（4）HideWindows：使一組窗口變成不可見。

（5）ToggleWindows：窗口顯示/隱藏狀態(tài)切換。

這些窗口狀態(tài)控制命令，構成語句時不需要字幕文本，但需要加上一組窗口編號。

3）關于字幕文本的語句

將DefineWindow和SetCurrentWindow稱為窗口起始命令，因為它們創(chuàng)建或選擇了某一個窗口。對于字幕文本來說，如果沒有窗口起始命令，很可能這些文本無法對應到一個合適的窗口中，或者對應到一個不正確的窗口中。所以不建議讓字幕文本單獨成為一個字幕語句。

DefineWindow是創(chuàng)建窗口命令，它將創(chuàng)建一個字幕窗口。在該命令中，有預先定制好的窗口屬性和畫筆屬性，但很可能還需要調(diào)用屬性命令來修正。其后可以跟字幕文本。

SetWindowAttributes，SetPenAttributes，SetPenColor和SetPenLocation是設置窗口和畫筆屬性的命令，統(tǒng)稱為屬性命令。它們不應獨立構成語句，不然無法知道這些屬性設置是針對哪個窗口的。

選擇窗口命令SetCurrentWindow是選擇已經(jīng)創(chuàng)建的窗口，其用法與創(chuàng)建命令相同，兩者不能同時使用。為了保證頻道切換時能獲得完整的窗口信息，建議每隔一個時間間隔調(diào)用一次創(chuàng)建命令，一直到該窗口被刪除。例如可以設置這個時間間隔為1 s。

這兩個命令在構成一個語句時可以帶上屬性命令和字幕文本。

關于窗口狀態(tài)的語句和關于字幕文本的語句前面可以加Delay作為前導命令。

將緩沖區(qū)控制命令、窗口狀態(tài)控制命令和窗口起始命令稱為主要命令，則字幕語句的組成如圖1所示。

圖1 字幕語句的組成

2 CCDXF的文件結構

為了實現(xiàn)隱藏字幕在臺內(nèi)的數(shù)據(jù)交換，借助XML設計了隱藏字幕數(shù)據(jù)交換格式，簡稱CCDXF。

2.1 隱藏字幕的多語言業(yè)務

隱藏字幕是以業(yè)務為中心，每種業(yè)務代表了一種語言的字幕服務。因此，字幕文件可以提供多種語言的字幕業(yè)務。

字幕文本支持單字節(jié)和雙字節(jié)字符編碼方式。漢字和少數(shù)民族文字屬于雙字節(jié)字符，漢字編碼標準有GB2312，GB13000（GBK）和 GB18030。其中 GB18030包括了我國主要的少數(shù)民族文字，如藏、蒙古、傣、彝、朝鮮、維吾爾文等[7]。使隱藏字幕在多語言支持方面成為可能。

隱藏字幕可以通過多業(yè)務方式支持多語言字幕的呈現(xiàn)。多語言顯示時可以同時呈現(xiàn)，也可以讓終端用戶二選一或多選一。

隱藏字幕的優(yōu)點之一是可以在視頻完成之后修改已有的字幕業(yè)務，還可以添加新的字幕業(yè)務。由于在最小功能建議中要求只需有兩路字幕業(yè)務可被同時解出，所以，有時要通過調(diào)整字幕業(yè)務編號來保證該字幕業(yè)務一定能被解碼。

2.2 隱藏字幕的XML文件結構

在非編的時間線上，一種字幕業(yè)務就會占據(jù)一個字幕軌，所以也應該對應一個隱藏字幕文件。

在一個字幕業(yè)務中，需要描述其宿主視頻。如果不止一個視頻流，則應該以最早播放的視頻為準，因為字幕的時碼是相對于該宿主視頻的。接下來就需要考慮的是隱藏字幕出現(xiàn)的時間，就是時碼。還需要考慮字幕所使用的字符集和語言，時碼每秒的幀數(shù)。

將這個結構寫成XML形式如下：

各字段解釋如下：

1）CAPTION_SERVICE：字幕業(yè)務ID，可對應多種語言業(yè)務。

2）HOST_VIDEO：宿主視頻文件名。以宿主視頻文件為同步源，如果宿主視頻文件為多個視頻，則以其中第一個視頻為準。

3）LANGUAGE：使用標準中對語言的定義，用文字描述。

4）CHARSET：標準中支持的字符集，寫出標準編號。

5）FRAMERATE：電視制式所定義的幀率，用數(shù)字表示。

3 幾種常用的字幕呈現(xiàn)方式

3.1 從右到左底拉

1）創(chuàng)建一個空的窗口，其窗口屬性設置：（1）justify：右對齊。

（2）print direction：從左到右。

（3）scroll direction：從右到左。

（4）wordwrap：禁用自動換行。

2）待播出的字符逐字播出，需要計算每個字符間隔出字的時間。

（3）scroll direction：從右到左。

（4）wordwrap：啟用自動換行。

2）待播出的字符逐字播出，需要計算每個字符間隔出字的時間。

4 CCDXF在MXF格式中的應用

MXF是電視臺內(nèi)用于節(jié)目傳輸?shù)乃夭慕粨Q格式[8]，廣泛使用在非編及播出設備的素材交換中。隱藏字幕經(jīng)過CCDXF封裝以后可以在MXF中傳輸并解析。

MXF文件包含文件頭、文件體和文件尾三個部分，如圖2所示。

圖2 MXF文件結構

3.2 上滾

1）創(chuàng)建一個空的窗口，其窗口屬性設置：

（1）justify：右對齊。

（2）print direction：從左到右。

（3）scroll direction：從下到上。

（4）wordwrap：禁用自動換行。

2）待播出的字符逐字播出，需要計算每個字符間隔出字的時間。

3.3 字符閃爍

1）創(chuàng)建一個空的窗口，其窗口屬性設置：

（1）justify：右對齊。

（2）print direction：從左到右。

（3）scroll direction：從右到左。

（4）colour：從（0，0，0）到（255，255，255）之間循環(huán)變化。

2）待播出的字符逐字播出，需要計算每個字符間隔出字的時間，同時需要設定字幕顏色漸變時間。

3.4 逐字出字

1）創(chuàng)建一個空的窗口，其窗口屬性設置：

（1）justify：右對齊。

（2）print direction：從左到右。

其中，素材容器是一個外部文件，可插入到MXF文件體中，每個文件體中至少應當包含一個素材容器。MXF素材容器可以包含圖片、聲音、基本數(shù)據(jù)以及相關的元數(shù)據(jù)?；诖?，CCDXF文件可以編碼成一個素材容器封裝在MXF的一個文件體分區(qū)中進行傳輸。

圖3給出了包含索引表與不包含索引表兩種情況下，素材容器在MXF文件中的插入方式。其中，CBR為不含有索引表的情況，VBR為含有索引表的情況，用于填充每一個流的表格排列。BodyOffset指定了在該分區(qū)中素材容器段相對于以BodySID作為開始標識的素材容器的按字節(jié)抵消。

由圖2與圖3可知，MXF的文件體包含若干個文件體分區(qū)，每個文件體分區(qū)由文件體分區(qū)包和素材容器構成。在素材容器中，數(shù)據(jù)被包含在一個內(nèi)容包（Cp）序列中。每一個內(nèi)容包包含系統(tǒng)項目、圖片項目、聲音項目、數(shù)據(jù)項目以及復合項目等5個項目類型。

CCDXF可作為數(shù)據(jù)元素存放于數(shù)據(jù)項目中。首先，將CCDXF文件編碼為一個數(shù)據(jù)元素，并且令該元素獨立成為一個素材容器；其次，編碼一個文件體分區(qū)包，并將上一步中得到的素材容器插入其后，組成一個文件體分區(qū)；最后，將該文件體分區(qū)作為該MXF文件的最后一個文件體分區(qū)封裝其中。

5 結束語

通過實驗，將CCDXF文件嵌入到MXF文件中，并完成了解析工作。對于另外一種媒體交換格式AAF，其做法基本相同。作為數(shù)據(jù)交換格式，還需要各種非編系統(tǒng)、有關媒資系統(tǒng)和播出系統(tǒng)支持這種格式，以便臺內(nèi)隱藏字幕數(shù)據(jù)的交換與存儲。

圖3 素材容器的插入[9]

：

[1]張蓉暉.數(shù)字電視隱藏字幕技術系統(tǒng)及應用前景[J].廣播與電視技術，2013（11）：87-91.

[2]田莉莉，張穎.字幕與圖像分離制作同步播出模式適應電視產(chǎn)業(yè)的發(fā)展[J].現(xiàn)代電視技術，2006（10）：120-123.

[3]EIA-708-B，Digital television(DTV)closed captioning[S].1999.

[4]ATSC Standard A/53B with Amendment 1:ATSC Digital Televi?sion Standard[S].2001.

[5]BLANCHARD R N.EIA-708-B digital closed captioning imple?mentation[J].IEEE Trans.Consumer Electronics，2003，49（3）：59-65.

[6]GY/T270—2013，數(shù)字電視隱藏字幕系統(tǒng)規(guī)范[S].2013.

[7]趙生輝.中國少數(shù)民族語言電子文件的信息編碼標準研究[J].云南檔案，2011（9）：25-27.

[8]曹鋼，田軍.MXF的技術構成及應用[J].電視技術，2005，29（5）：63-65.

[9]SMPTE 377M,Proposed SMPTE STANDARD for television Mate?rial Exchange Format(MXF)file format specification(standard)[S].2004.