テーマ 場面や心情を考慮した効果音・環境音キャプションの自動生成

放送番組や配信コンテンツにおいて，音声に対する字幕は広く普及している一方で，効果音や環境音については「雨音」「拍手」といった簡単な表記にとどまることが多くあります。しかし，効果音や環境音は，場面の状況や登場人物の心情を伝えるうえで重要な役割を担っています。本研究では，効果音・環境音の意味や情景を理解し，場面や心情を考慮した表現力豊かな字幕を自動生成する技術の実現を目指します。音の情報を豊かに伝える字幕を実現することで，聴覚にハンディキャップのある方など，多様な視聴者が放送コンテンツをより深く楽しめる環境の実現に貢献します。

本研究に取り組む機会を頂きましたことを大変光栄に感じています。放送番組や配信コンテンツの視聴環境は多様化しており，聴覚にハンディキャップを持つ方だけでなく，通勤中の電車内などの騒音環境下や無音環境で放送コンテンツを視聴する場面も増えています。そのような状況において，効果音や環境音の情報を適切に字幕として伝えることは，放送の魅力や理解を高める上で重要な課題です。本研究を通じて，音の意味や情景を豊かに伝え，誰もが放送コンテンツを楽しむことができる新しい字幕技術の実現に貢献したいと考えています。