[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

WO2016132977A1 - 送信装置、送信方法、受信装置および受信方法 - Google Patents

送信装置、送信方法、受信装置および受信方法 Download PDF

Info

Publication number
WO2016132977A1
WO2016132977A1 PCT/JP2016/053869 JP2016053869W WO2016132977A1 WO 2016132977 A1 WO2016132977 A1 WO 2016132977A1 JP 2016053869 W JP2016053869 W JP 2016053869W WO 2016132977 A1 WO2016132977 A1 WO 2016132977A1
Authority
WO
WIPO (PCT)
Prior art keywords
subtitle
stream
time stamp
packet
video
Prior art date
Application number
PCT/JP2016/053869
Other languages
English (en)
French (fr)
Inventor
塚越　郁夫
Original Assignee
ソニー株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by ソニー株式会社 filed Critical ソニー株式会社
Priority to EP16752363.8A priority Critical patent/EP3261353B1/en
Priority to US15/543,424 priority patent/US10225589B2/en
Priority to CN201680009873.6A priority patent/CN107211170B/zh
Priority to JP2017500621A priority patent/JP6729547B2/ja
Publication of WO2016132977A1 publication Critical patent/WO2016132977A1/ja

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/236—Assembling of a multiplex stream, e.g. transport stream, by combining a video stream with other content or additional data, e.g. inserting a URL [Uniform Resource Locator] into a video stream, multiplexing software data into a video stream; Remultiplexing of multiplex streams; Insertion of stuffing bits into the multiplex stream, e.g. to obtain a constant bit-rate; Assembling of a packetised elementary stream
    • H04N21/23605—Creation or processing of packetized elementary streams [PES]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
    • H04L69/22—Parsing or analysis of headers
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/235—Processing of additional data, e.g. scrambling of additional data or processing content descriptors
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/236—Assembling of a multiplex stream, e.g. transport stream, by combining a video stream with other content or additional data, e.g. inserting a URL [Uniform Resource Locator] into a video stream, multiplexing software data into a video stream; Remultiplexing of multiplex streams; Insertion of stuffing bits into the multiplex stream, e.g. to obtain a constant bit-rate; Assembling of a packetised elementary stream
    • H04N21/23614—Multiplexing of additional data and video streams
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/4302—Content synchronisation processes, e.g. decoder synchronisation
    • H04N21/4307—Synchronising the rendering of multiple content streams or additional data on devices, e.g. synchronisation of audio on a mobile phone with the video output on the TV screen
    • H04N21/43072—Synchronising the rendering of multiple content streams or additional data on devices, e.g. synchronisation of audio on a mobile phone with the video output on the TV screen of multiple content streams on the same device
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/434—Disassembling of a multiplex stream, e.g. demultiplexing audio and video streams, extraction of additional data from a video stream; Remultiplexing of multiplex streams; Extraction or processing of SI; Disassembling of packetised elementary stream
    • H04N21/4343—Extraction or processing of packetized elementary streams [PES]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/434—Disassembling of a multiplex stream, e.g. demultiplexing audio and video streams, extraction of additional data from a video stream; Remultiplexing of multiplex streams; Extraction or processing of SI; Disassembling of packetised elementary stream
    • H04N21/4348—Demultiplexing of additional data and video streams
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/472—End-user interface for requesting content, additional data or services; End-user interface for interacting with content, e.g. for content reservation or setting reminders, for requesting event notification, for manipulating displayed content
    • H04N21/47217—End-user interface for requesting content, additional data or services; End-user interface for interacting with content, e.g. for content reservation or setting reminders, for requesting event notification, for manipulating displayed content for controlling playback functions for recorded or on-demand content, e.g. using progress bars, mode or play-point indicators or bookmarks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/488—Data services, e.g. news ticker
    • H04N21/4884—Data services, e.g. news ticker for displaying subtitles
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/83—Generation or processing of protective or descriptive data associated with content; Content structuring
    • H04N21/845—Structuring of content, e.g. decomposing content into time segments
    • H04N21/8456—Structuring of content, e.g. decomposing content into time segments by decomposing the content in the time domain, e.g. in time segments
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/85—Assembly of content; Generation of multimedia applications
    • H04N21/854—Content authoring
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/85—Assembly of content; Generation of multimedia applications
    • H04N21/854—Content authoring
    • H04N21/8543—Content authoring using a description language, e.g. Multimedia and Hypermedia information coding Expert Group [MHEG], eXtensible Markup Language [XML]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/80—Generation or processing of content or additional data by content creator independently of the distribution process; Content per se
    • H04N21/85—Assembly of content; Generation of multimedia applications
    • H04N21/854—Content authoring
    • H04N21/8547—Content authoring involving timestamps for synchronizing content

Definitions

  • the present technology relates to a transmission device, a transmission method, a reception device, and a reception method, and more particularly to a transmission device that transmits subtitle information together with image data.
  • subtitle information is transmitted as bitmap data.
  • a text character code that is, on a text basis.
  • font development corresponding to the resolution is performed on the receiving side.
  • the text information has timing information.
  • TTML Timed Text Markup Language
  • W3C World Wide Web Consortium
  • the purpose of this technology is to simplify the subtitle display process in the variable speed playback mode on the receiving side.
  • a video encoding unit that generates a video stream composed of video packets having encoded image data in the payload;
  • a subtitle encoding unit that generates a subtitle stream composed of subtitle packets having subtitle information in the payload;
  • a multiplexed stream generating unit that generates a multiplexed stream including the video stream and the subtitle stream;
  • the multiplexed stream generator is The subtitle packet is in a transmission device arranged at a random access position.
  • a video stream including video packets having encoded image data in the payload is generated by the video encoding unit.
  • the subtitle encoding unit generates a subtitle stream including subtitle packets having subtitle information in the payload.
  • the subtitle information may be text information of a subtitle having a predetermined format having display timing information.
  • the text information of the subtitle in a predetermined format may be TTML or a derived format of this TTML.
  • the multiplexed stream generation unit generates a multiplexed stream including at least a video stream and a subtitle stream.
  • the subtitle packet is arranged at a random access position.
  • the video packet and the subtitle packet may be PES packets, and the multiplexed stream may be an MPEG2 transport stream.
  • the multiplexed stream is transmitted by the transmission unit.
  • the subtitle packet when the video stream and the subtitle stream are multiplexed, the subtitle packet is arranged at the random access position. Therefore, on the receiving side, the subtitle packet can be extracted together with the video packet at the random access position from the multiplexed stream, and the subtitle display process in the variable speed playback mode can be simplified.
  • the subtitle encoding unit has the same time stamp value inserted at the time stamp insertion position of the video packet header at the random access position at the time stamp insertion position of the header of the subtitle packet, or A time stamp of a nearby value may be inserted.
  • the subtitle packet is arranged at the random access position.
  • the subtitle encoding unit may insert a unique time stamp indicating the display time of the subtitle into the header or payload of the subtitle packet.
  • the receiving side can easily control the display timing of the subtitle based on the unique time stamp.
  • the multiplexed stream generation unit may insert identification information indicating that a unique time stamp is inserted into the subtitle packet into the multiplexed stream.
  • the receiving side can easily recognize that the unique time stamp is inserted based on the identification information.
  • information indicating an insertion position may be added to the identification information.
  • the reception side can easily acquire the unique time stamp based on the information indicating the insertion position.
  • the subtitle packet is arranged at a random access position
  • the receiving apparatus further includes a processing unit that extracts the subtitle packet from the multiplexed stream together with the video packet at the random access position and performs a subtitle display process.
  • the reception unit receives a multiplexed stream including a video stream composed of video packets having encoded image data in the payload and a subtitle stream composed of subtitle packets having subtitle information in the payload.
  • the subtitle packet is arranged at a random access position.
  • the processing unit extracts the subtitle packet together with the video packet at the random access position from the multiplexed stream, and performs subtitle display processing.
  • the subtitle packet is arranged at the random access position in the multiplexed stream, and the subtitle packet is extracted from the multiplexed stream together with the video packet at the random access position, and the subtitle display process is performed. It is. Therefore, the subtitle display process in the variable speed playback mode can be simplified.
  • the time stamp insertion position of the header of the subtitle packet is the same as or close to the time stamp value inserted at the time stamp insertion position of the video packet header at the random access position.
  • the first time stamp is inserted, and the second time stamp indicating the display time of the subtitle is inserted in the header or payload of the subtitle packet.
  • the processing unit performs the second time stamp.
  • the subtitle display process may be performed with reference to FIG. In this case, the display timing of the subtitle can be easily controlled.
  • identification information indicating that the second time stamp is inserted into the subtitle packet is inserted into the multiplexed stream, and the processing unit performs the second operation from the subtitle packet based on the identification information.
  • the time stamp may be extracted and used.
  • FIG. 1 shows a configuration example of a transmission / reception system 10 as an embodiment.
  • the transmission / reception system 10 includes a broadcast transmission system 100 and a television receiver 200.
  • the broadcast transmission system 100 transmits a transport stream TS as a multiplexed stream on a broadcast wave.
  • the transport stream TS has a video stream and a subtitle stream.
  • the video stream is composed of video PES packets having image data in the payload.
  • the subtitle stream is composed of subtitle PES packets having subtitle (caption) information in the payload.
  • the time stamp insertion position of the header of the subtitle PES packet is inserted with a time stamp value that is the same as or close to the time stamp value inserted at the time stamp insertion position of the header of the video PES packet at the random access position. Also, a unique time stamp indicating the display time of the subtitle is inserted into the header or payload of the subtitle PES packet.
  • a TS packet including a subtitle PES packet (hereinafter simply referred to as a PES packet) is arranged at a random access position.
  • a PES packet a TS packet including a subtitle PES packet
  • the time stamp inserted at the time stamp insertion position of the header is referred to, and the subtitle PES packet is located at a random access position, that is, a position close to the position of the video PES packet at the random access position. Placed in.
  • identification information indicating that a unique time stamp is inserted in the subtitle PES packet is inserted.
  • This identification information is inserted, for example, under the program map table. As described above, a unique time stamp is inserted into the header or payload of the subtitle PES packet. Information indicating the insertion position is added to the identification information.
  • the television receiver 200 receives the transport stream TS transmitted from the broadcast transmission system 100 by broadcast waves.
  • this transport stream TS includes at least a video stream and a subtitle stream.
  • the transport stream TS may include an audio stream.
  • the video stream is composed of video PES packets having image data in the payload.
  • the subtitle stream is composed of subtitle PES packets having subtitle information in the payload.
  • the subtitle PES packet is arranged at a random access position.
  • the television receiver 200 extracts the subtitle PES packet from the transport stream TS together with the video PES packet at the random access position, and performs subtitle (caption) display processing. For example, in the variable speed playback mode, the subtitle PES packet extracted from the random access position of the transport stream TS is immediately processed to display the subtitle.
  • the subtitle PES packet extracted from the random access position of the transport stream TS is processed based on the unique time stamp indicating the display time of the subtitle inserted in the header or payload, Display the subtitle at the display time.
  • the television receiver 200 extracts and uses a unique time stamp from the subtitle PES packet based on the identification information inserted in the transport stream TS.
  • FIG. 2 shows a configuration example of the stream generation unit 110 of the broadcast transmission system 100.
  • the stream generation unit 110 includes a control unit 111, a video encoder 112, an audio encoder 113, a text format conversion unit 114, a subtitle encoder 115, and a TS formatter (multiplexer) 116.
  • the control unit 111 is configured to include, for example, a CPU (Central Processing Unit), and controls the operation of each unit of the stream generation unit 110.
  • the video encoder 112 receives the image data DV, encodes the image data DV, and generates a video stream (PES stream) composed of video PES packets having encoded image data in the payload.
  • the audio encoder 113 receives the audio data DA, encodes the audio data DA, and generates an audio stream (PES stream) composed of audio PES packets having encoded audio data.
  • the text format conversion unit 114 inputs text data (character code) DT as subtitle information, and obtains text information of a subtitle having a predetermined format having display timing information.
  • text information for example, TTML or a derived format of TTML can be considered. In this embodiment, TTML is assumed.
  • FIG. 3 shows a TTML structure.
  • TTML is described on an XML basis.
  • metadata metadata
  • styling styling
  • layout layout
  • FIG. 4A shows an example of the structure of metadata (TTM: TTML Metadata). This metadata includes metadata title information and copyright information.
  • FIG. 4B shows a structural example of styling (TTS: TTML Styling).
  • This styling includes information such as a color (color), a font (fontFamily), a size (fontSize), and an alignment (textAlign) in addition to the identifier (id).
  • FIG. 4C shows a structural example of a layout (region: TTML layout). This layout includes information such as an extent (extent), an offset (padding), a background color (backgroundColor), and an alignment (displayAlign) in addition to the identifier (id) of the region in which the subtitle is arranged.
  • FIG. 5 shows an example of the structure of the body.
  • information of three subtitles subtitle 1 (subtitle 1), subtitle 2 (subtitle 2), and subtitle 3 (subtitle 3) is included.
  • a display start timing and a display end timing are described, and text data is described.
  • the display start timing is “0.76 s”
  • the display end timing is “3.45 s”
  • the text data is “It seems a paradox, dose it not,”. ing.
  • the subtitle encoder 115 converts the TTML obtained by the text format conversion unit 114 into various segments, and a subtitle stream (subtitle stream) composed of subtitle PES packets in which those segments (subtitle information) are arranged in the payload. PES stream) is generated.
  • the subtitle encoder 115 inserts the time of the video PES packet at the random access position, that is, the header of the video PES packet targeted for RAP (Random Access Point) at the time stamp insertion position of the header of the subtitle PES packet.
  • a time stamp (first time stamp) having a value that is the same as or close to the time stamp value inserted at the stamp insertion position is inserted.
  • the head part of the video PES packet targeted for RAP means, for example, the head part of a video PES packet having encoded image data of an intra picture (I picture) in the payload.
  • RAP reproduction only the encoded image data of the intra picture included in the video PES packet to be RAP is decoded from the transport stream TS and displayed as an image.
  • the subtitle encoder 115 under the control of the control unit 111, has a unique time stamp (second time stamp) indicating the display time (display start time, display end time) of the subtitle in the header or payload of the subtitle PES packet. Insert.
  • FIG. 6 schematically shows a configuration example of the timing management unit 120 in the control unit 111.
  • the timing management unit 120 includes a video timing management unit 121, an audio timing management unit 122, a RAP timing management unit 123, and a subtitle display timing management unit 124.
  • the video timing management unit 121 manages a time stamp (time stamp of a video access unit) to be inserted at a time stamp insertion position of each video PES packet.
  • the video encoder 112 inserts a time stamp at the time stamp insertion position of each video PES packet based on the management information of the video timing management unit 121.
  • the audio timing management unit 122 manages the time stamp (time stamp of the audio access unit) to be inserted at the time stamp insertion position of each audio PES packet.
  • the audio encoder 113 inserts a time stamp at the time stamp insertion position of each audio PES packet based on the management information of the audio timing management unit 122.
  • the RAP timing management unit 123 manages the time stamp of the video PES packet targeted for RAP and manages the audio PES packet targeted for RAP among the audio PES packets. In this case, an audio PES packet having a time stamp close to the time stamp of the RAP target video PES packet is treated as a playback target at the time of RAP.
  • the TS formatter 116 Based on the management information of the RAP target audio PES packet, the TS formatter 116 makes the RAP target audio PES packet close to the random access position, that is, the position of the RAP target video PES packet, as will be described later. Positioning is performed.
  • the subtitle display timing management unit 124 displays the display time of the first time stamp (time stamp inserted in the time stamp insertion area of the header) and the second time stamp (subtitle inserted in the header or payload) of the subtitle PES packet. Manage your own time stamp).
  • the subtitle encoder 115 inserts a first time stamp and a second time stamp into the subtitle PES packet based on the management information of the subtitle display timing management unit 124.
  • FIG. 7 shows a detailed configuration of the subtitle display timing management unit 124.
  • the subtitle display timing management unit 124 obtains a first time stamp (subtitle stream time stamp) based on the RAP timing information from the RAP timing management unit 123. Further, the subtitle display timing management unit 124 performs time stamp accuracy conversion on the relative start time “begin” and the relative end time “end” included in the TTML body, and performs the second time stamp (display start time stamp, display End time stamp).
  • the time stamp accuracy conversion is performed for the relative start time “begin” and the relative end time “end” of the earliest timing region. To obtain a display start time stamp and a display end time stamp as the second time stamp.
  • the display start time stamp and the display end time stamp as the second time stamp are used on the receiving side.
  • the display time stamp (display start time stamp, display end time stamp) converted to time stamp accuracy based on the difference from the relative time of the earliest region supplied in the TTML body is used. Generated and used.
  • FIG. 8 shows a configuration example (Syntax) of the PES packet.
  • the first time stamp is inserted into a 33-bit area indicated by an arrow P, which is a time stamp insertion area of the header.
  • This time stamp insertion area exists in “optional fields” under “optional PES HEADER” constituting the header.
  • the second time stamp is inserted into the header or payload as described above.
  • it When inserting into the header, for example, it is inserted into the area of “PES extension fields data” indicated by the arrow Q.
  • This “PES extension fields data” exists in “optional fields” under “PES extension”.
  • “PES extension” exists in “optional field” under “optional PES header” that constitutes the header.
  • it when it is inserted into the payload, it is inserted into the area “PES packet data bytes” indicated by the arrow R.
  • FIG. 9 and 10 show a configuration example (Syntax) of the PES extension “PES extension”.
  • FIG. 11 shows a configuration example (Syntax) of the PES payload (PES_payload) arranged in the area of “PES packet data bytes”.
  • FIG. 12 shows the contents (Semantics) of the new element in each configuration example.
  • flag information of “PES_extension_negflag_new” is newly defined. This flag information indicates that newly defined data is arranged in the extension area (PES extension) of the PES header. “0” indicates that newly defined data is arranged in the extension area of the PES header. “1” indicates that the newly defined data is not arranged in the extension area of the PES header.
  • extension_type When “PES_extension_negflag_new” is “0”, an 8-bit field of “extension_type” exists. This field indicates the type of newly defined data. “1” indicates a time stamp indicating the start / end of subtitle display. When “extension_type” is “1”, a 33-bit field of “subtitle_start_time” and a 33-bit field of “subtitle_end_time” exist.
  • the 33-bit field of “subtitle_start_time” indicates a value (display start time stamp) indicating the subtitle display start time with the clock accuracy of the system.
  • the 33-bit field of “subtitle_end_time” indicates a value (display end time stamp) representing the subtitle display end time with the clock accuracy of the system.
  • the subtitle PES packet is defined as a private PES packet.
  • a time stamp indicating display start / end is inserted into a part thereof.
  • “The 8-bit field of“ private_type ” indicates the type of the private PES packet.
  • “EC” indicates a subtitle stream with a time stamp.
  • the flag information of “timestamp_insertion_flag” indicates that a time stamp is arranged at the beginning of the packet payload.
  • “1” indicates that a time stamp is arranged.
  • “0” indicates that no time stamp is arranged.
  • timestamp_insertion_flag” is “1”
  • a 33-bit field of “subtitle_start_time” and a 33-bit field of “subtitle_end_time” exist.
  • the TS formatter 116 transport-packets and multiplexes the video stream generated by the video encoder 112, the audio stream generated by the audio encoder 113, and the subtitle stream generated by the subtitle encoder 115, A transport stream TS as a multiplexed stream is obtained.
  • the TS formatter 116 converts the subtitle PES packet into a random access position, that is, based on the first time stamp (the time stamp inserted at the time stamp insertion position in the header). It is arranged at a position close to the position of the video PES packet targeted for RAP. At this time, based on the management information of the RAP target audio PES packet, the TS formatter 116 locates the RAP target audio PES packet in a random access position, that is, a position close to the position of the RAP target video PES packet. To place.
  • the TS formatter 116 inserts identification information indicating that the second time stamp (unique time stamp indicating the display time of the subtitle) is inserted in the subtitle PES packet in the transport stream TS.
  • the TS formatter 116 inserts a subtitle wrap descriptor (Subtitle_rap_descriptor) into a subtitle elementary stream loop corresponding to a subtitle stream under a program map table (PMT: Program Map Table). To do.
  • FIG. 13A shows an example of the structure (Syntax) of the subtitle / wrap descriptor.
  • FIG. 13B shows the content (Semantics) of main information in the structural example.
  • An 8-bit field of “descriptor_tag” indicates a descriptor type, and here indicates a subtitle / wrap descriptor.
  • the 8-bit field of “descriptor_length” indicates the length (size) of the descriptor, and indicates the number of subsequent bytes as the descriptor length.
  • the flag information of “subtitle_presentation_time_flag” indicates whether subtitle display is performed at a timing different from the conventional time stamp (first time stamp), mainly at a delayed timing, that is, whether there is a display time stamp unique to the subtitle. Show me how. “1” indicates that delay display (arrangement of display time stamp unique to the subtitle) is performed. “0” indicates that delay display (arrangement of display time stamp unique to the subtitle) is not performed.
  • time_insertion_type indicates the insertion type of the display time stamp unique to the subtitle, that is, where the time stamp is inserted. “01” indicates insertion into the PES header extension (PES (header ⁇ extension) portion. “10” indicates insertion into the payload (PESSprivate stream payload) of the PES private stream.
  • FIG. 14 shows a configuration example of the transport stream TS.
  • a video PES packet “Video PES” that is a PES packet of the video stream identified by PID1.
  • an audio PES packet “Audio PES” that is a PES packet of the audio stream identified by PID2.
  • a subtitle PES packet “Subtitle PES” that is a PES packet of the subtitle stream identified by PID3.
  • the PES packet is composed of a PES header (PES header) and a PES payload (PES payload).
  • PES header PES header
  • PES payload PES payload
  • a DTS / PTS time stamp is inserted in the PES header
  • a video encoded stream encoded image data
  • audio PES packet a PTS time stamp is inserted in the PES header
  • an audio encoded stream encoded audio data
  • a PTS time stamp (first time stamp) is inserted in the PES header, and a subtitle encoded stream (a plurality of subtitle segments as subtitle information) is inserted in the PES payload.
  • the PES header or the PES payload includes a display start time stamp “subtitle_start_time” and a display end time stamp “subtitle_end_time” as a second time stamp (unique time stamp).
  • the transport stream TS includes a PMT (Program Map Table) as PSI (Program Specific Information).
  • PSI Program Specific Information
  • This PSI is information describing to which program each elementary stream included in the transport stream TS belongs.
  • the transport stream TS includes an EIT (Event Information Table) as SI (Serviced Information) for managing each event.
  • SI Serviced Information
  • the PMT includes a program descriptor (Program Descriptor) that describes information related to the entire program.
  • the PMT includes an elementary stream loop having information related to each elementary stream.
  • each loop information such as a packet identifier (PID) is arranged, and a descriptor (descriptor) describing information related to the elementary stream is also arranged.
  • a descriptor (descriptor) describing information related to the elementary stream is also arranged.
  • the above-described subtitle wrap descriptor (Subtitle_rap_descriptor) is arranged as one of descriptors.
  • the operation of the stream generation unit 110 shown in FIG. 2 will be briefly described.
  • the image data DV is supplied to the video encoder 112.
  • the image data DV is encoded, and a video stream (PES stream) including a video PES packet having encoded image data in a payload is generated.
  • This video stream is supplied to the TS formatter 116.
  • the audio data DA is supplied to the audio encoder 113.
  • the audio encoder 113 encodes the audio data DA, and generates an audio stream (PES stream) composed of audio PES packets having encoded audio data. This audio stream is supplied to the TS formatter 116.
  • text data (character code) DT as subtitle information is supplied to the text format conversion unit 114.
  • This text format conversion unit 114 obtains subtitle text information in a predetermined format having display timing information, here, TTML. This TTML is supplied to the subtitle encoder 115.
  • the subtitle encoder 115 converts the TTML into various segments, and generates a subtitle stream composed of subtitle PES packets in which those segments are arranged in the payload. This subtitle stream is supplied to the TS formatter 116.
  • the time inserted at the time stamp insertion position of the header of the subtitle PES packet is inserted at the time stamp insertion position of the header of the RAP target video PES packet. Inserting a time stamp (first time stamp) having a value that is the same as or close to the value of the stamp.
  • the subtitle encoder 115 generates a unique time stamp (display start time, display end time) indicating the subtitle display time (display start time, display end time) in the header or payload of the subtitle PES packet under the control of the control unit 111 when the subtitle stream is generated.
  • the second time stamp is inserted.
  • the video stream generated by the video encoder 112 the audio stream generated by the audio encoder 113, and the subtitle stream generated by the subtitle encoder 115 are transport packeted and multiplexed to obtain a multiplexed stream.
  • Transport stream TS is generated.
  • the subtitle PES packet is controlled based on the first time stamp (time stamp inserted at the time stamp insertion position of the header) under the control of the control unit 111. It is arranged at a random access position, that is, a position close to the position of the video PES packet targeted for RAP.
  • the audio PES packet targeted for RAP is a random access position, that is, the position of the video PES packet targeted for RAP. It is arranged at a position close to
  • identification information is inserted into the transport stream TS.
  • This identification information indicates that the second time stamp (unique time stamp indicating the display time of the subtitle) is inserted in the subtitle PES packet. That is, in the TS formatter 116, a subtitle wrap descriptor (Subtitle_rap_descriptor) is arranged in a subtitle elementary stream loop corresponding to a subtitle stream under a program map table (PMT: Program Map Table).
  • PMT Program Map Table
  • FIG. 15 shows a configuration example of the television receiver 200.
  • the television receiver 200 includes a receiving unit 201, a TS analysis unit (demultiplexer) 202, a video decoder 203, a video superimposing unit 204, a panel drive circuit 205, and a display panel 206.
  • the television receiver 200 includes an audio decoder 207, an audio output circuit 208, a speaker 209, and a subtitle decoder 210.
  • the television receiver 200 also includes a CPU 221, a flash ROM 222, a DRAM 223, an internal bus 224, a remote control receiver 225, and a remote control transmitter 226.
  • the CPU 221 controls the operation of each part of the television receiver 200.
  • the flash ROM 222 stores control software and data.
  • the DRAM 223 constitutes a work area for the CPU 221.
  • the CPU 221 develops software and data read from the flash ROM 222 on the DRAM 223 to activate the software, and controls each unit of the television receiver 200.
  • the remote control receiving unit 225 receives the remote control signal (remote control code) transmitted from the remote control transmitter 226 and supplies it to the CPU 221.
  • the CPU 221 controls each part of the television receiver 200 based on this remote control code.
  • the CPU 221, flash ROM 222, and DRAM 223 are connected to the internal bus 224.
  • the receiving unit 201 receives the transport stream TS transmitted from the broadcast transmission system 100 on a broadcast wave.
  • the transport stream TS includes a video stream, an audio stream, and a subtitle stream.
  • the TS analysis unit 202 extracts PES packets of video, audio, and subtitle streams from the transport stream TS.
  • the transport stream TS received by the receiving unit 201 is temporarily stored in a storage medium (buffer or storage) 201a, and a part corresponding to the reproduction mode is taken out and sent to the TS analyzing unit 202.
  • a part corresponding to the reproduction mode is taken out and sent to the TS analyzing unit 202.
  • all accumulated data is sent to the TS analysis unit 202.
  • a part of the intermittent part corresponding to the double speed including the part of the RAP position (random access position) is sent to the TS analysis unit 202.
  • the RAP playback mode only the portion of the RAP position (random access position) is sent to the TS analysis unit 202.
  • the TS analysis unit 202 extracts various information inserted in the transport stream TS and sends it to the CPU 221.
  • This information includes information on the subtitle wrap descriptor (Subtitle_rap_descriptor).
  • the CPU 221 can easily recognize that the second time stamp (unique time stamp) is inserted into the subtitle PES packet and the insertion position thereof, and can be effectively used for the control of the subtitle decoder 210.
  • the audio decoder 207 performs decoding processing on the audio PES packet extracted by the TS analysis unit 202 to obtain audio data.
  • the audio output circuit 208 performs necessary processing such as D / A conversion and amplification on the audio data, and supplies the audio data to the speaker 209.
  • the video decoder 203 performs a decoding process on the video PES packet extracted by the TS analysis unit 202 to obtain image data.
  • the decoding and output processing for each PES packet in the audio decoder 207 and the video decoder 203 is controlled by the time stamp inserted in the header in the normal playback mode, but is not controlled by the time stamp in the variable speed playback mode. , Immediately after being supplied from the TS analysis unit 202.
  • the subtitle decoder 210 performs a decoding process on the subtitle PES packet extracted by the TS analysis unit 202 to obtain bitmap data of each region to be superimposed on the image data.
  • the decoding and output processing for the subtitle PES packet in the subtitle decoder 210 is controlled by the second time stamp (unique time stamp) inserted in the header or payload in the normal playback mode, but in the variable speed playback mode, It is not controlled by the second time stamp and is performed immediately after being supplied from the TS analysis unit 202.
  • FIG. 16 schematically shows, for example, the decoding and output processing timing for the subtitle PES packet read at the RAP position.
  • decoding is completed by the time indicated by the display start time stamp, and output of bitmap data as a decoding result starts from that time and continues until the time indicated by the display end time stamp.
  • the subtitle display period is from the time indicated by the display start time stamp to the time indicated by the display end time stamp.
  • variable speed reproduction mode decoding is performed immediately after reading from the storage medium 201a, and output of bitmap data as a decoding result is started.
  • This output continuation time is a subtitle display period. This output continuation time is determined depending on the double speed of variable speed reproduction and the subtitle display maintenance function.
  • the video superimposing unit 204 superimposes the bitmap data of each region obtained from the subtitle decoder 210 on the image data obtained by the video decoder 203.
  • the panel drive circuit 205 drives the display panel 206 based on the display image data obtained by the video superimposing unit 204.
  • the display panel 206 includes, for example, an LCD (Liquid Crystal Display), an organic EL display (organic electroluminescence display), and the like.
  • the receiving unit 201 receives the transport stream TS transmitted from the broadcast transmission system 100 on the broadcast wave.
  • the transport stream TS includes a video stream, an audio stream, and a subtitle stream.
  • the transport stream TS is supplied to the TS analysis unit 202 through the storage medium 201a.
  • the part corresponding to the playback mode is extracted and sent to the TS analysis unit 202.
  • the TS analysis unit 202 For example, in the normal playback mode, all accumulated data is sent to the TS analysis unit 202.
  • the variable speed reproduction mode a part of the intermittent part corresponding to the double speed including the part of the RAP position (random access position) is sent to the TS analysis unit 202.
  • the RAP playback mode only the portion of the RAP position (random access position) is sent to the TS analysis unit 202.
  • the video PES packet extracted by the TS analysis unit 202 is supplied to the video decoder 203.
  • the video PES packet extracted by the TS analysis unit 202 is subjected to decoding processing to obtain image data.
  • the decoding and output processing for each video PES packet is controlled by the time stamp inserted in the header in the normal playback mode, but is not controlled by the time stamp in the variable speed playback mode and is supplied from the TS analysis unit 202. Immediately after being done. This image data is supplied to the video superimposing unit 204.
  • the subtitle stream (PES stream) extracted by the TS analysis unit 202 is supplied to the subtitle decoder 210.
  • segment data of each region is processed, and bitmap data of each region to be superimposed on the image data is obtained.
  • the decoding and output processing for each subtitle PES packet is controlled by the second time stamp (unique time stamp) inserted in the header or payload in the normal reproduction mode, but in the variable speed reproduction mode, the second time stamp is controlled. It is not controlled by the time stamp, but is performed immediately after being supplied from the TS analysis unit 202 (see FIG. 16).
  • the bitmap data of each region output from the subtitle decoder 210 is supplied to the video superimposing unit 204.
  • the bitmap data of each region output from the subtitle decoder 210 is superimposed on the image data obtained by the video decoder 203.
  • Display image data obtained by the video superimposing unit 204 is supplied to the panel drive circuit 205.
  • the panel drive circuit 205 drives the display panel 206 based on the display video data.
  • an image on which the subtitle is superimposed is displayed on the display panel 206.
  • the normal reproduction mode is a normal reproduction image at a normal speed
  • the variable speed reproduction mode is a variable reproduction image corresponding to the double speed.
  • the audio PES packet extracted by the TS analysis unit 202 is supplied to the audio decoder 207.
  • the audio PES packet is decoded and audio data is obtained.
  • the decoding and output processing for each audio PES packet is controlled by the time stamp inserted in the header in the normal playback mode, but is not controlled by the time stamp in the variable speed playback mode and is supplied from the TS analysis unit 202. Immediately after being done.
  • the audio data is supplied to the audio output circuit 208.
  • the audio output circuit 208 performs necessary processing such as D / A conversion and amplification on the audio data.
  • the processed audio data is supplied to the speaker 209. Thereby, an audio output corresponding to the display image on the display panel 206 is obtained from the speaker 209.
  • the subtitle PES packet is arranged at the random access position. Therefore, on the receiving side, when the video PES packet at the random access position is extracted from the multiplexed stream, the subtitle PES packet can be extracted together, and the subtitle display process in the variable speed playback mode is simplified.
  • FIG. 17 shows conventional multiplexing.
  • FIG. 17A shows a video PES packet sequence constituting a video stream.
  • “V_TS00”, “V_TS10”, “V_TS20”, “V_TS30”, etc. indicate time stamps inserted in the header, and “V0”, “V10”, “V20”, “V30”,... Indicates encoded image data arranged in the payload.
  • FIG. 17B shows an audio PES packet sequence constituting an audio stream.
  • “A_TS00”, “A_TS10”, “A_TS20”, “A_TS30”,... Indicate time stamps inserted in the header, and “A0”, “A10”, “A20”, “A30”,... Indicates the encoded audio data arranged in the payload.
  • FIG. 17C shows a subtitle PES packet sequence constituting the subtitle stream.
  • “S_TS15”, “S_TS19”, “S_TS35”, “A_TS39”,... Indicate time stamps inserted in the header, and “S15”, “S19”, “S35”, “S39”,... Indicates subtitle information arranged in the payload.
  • a time stamp is inserted into the header of the subtitle PES packet regardless of the time stamp inserted into the header of the video PES packet or the audio PES packet.
  • FIG. 17 (d) shows an example of the arrangement of each PES packet in the multiplexed stream (transport stream TS).
  • the time stamp inserted in the header of each PES packet is referred to determine the arrangement of each PES packet.
  • the subtitle PES packet is arranged at a position slightly before the display period regardless of the RAP position (random access position).
  • RAP playback for example, as shown in playback method 1 in FIG. 17 (e), a PES packet is read at a certain length for each RAP position and decoded, and image display and audio output are performed. Is called. In this case, since the subtitle PES packet is not necessarily arranged at the RAP position, the subtitle is not displayed.
  • FIG. 18 shows the multiplexing of the present technology.
  • 18 (a) shows a video PES packet sequence constituting a video stream.
  • “V_TS00”, “V_TS10”, “V_TS20”, “V_TS30”, etc. indicate time stamps inserted in the header, and “V0”, “V10”, “V20”, “V30”,... Indicates encoded image data arranged in the payload.
  • FIG. 18B shows an audio PES packet sequence constituting the audio stream.
  • FIG. 18 (c) shows a subtitle PES packet sequence constituting the subtitle stream.
  • a time stamp (first time stamp) having a value that is the same as or close to the time stamp inserted in the header of the RAP target video PES packet is inserted.
  • FIG. 18D shows an example of the arrangement of each PES packet in the multiplexed stream (transport stream TS).
  • the time stamp inserted in the header of each PES packet is referred to determine the arrangement of each PES packet.
  • the subtitle PES packet is arranged at the RAP position (random access position) in the same manner as the RAP target video PES packet and audio PES packet.
  • RAP playback for example, as shown in playback method 3 in FIG. 18 (e), a PES packet is read with a certain length for each RAP position, and decoding processing is performed.
  • the subtitle PES packet is also read and decoded together with the video PES packet and the audio PES packet, the subtitle display is performed well together with the image display and the audio output.
  • the jump for reading the subtitle PES packet in addition to the jump for reading the RAP position as in the reproduction method 2 shown in FIG. 17 (f), the jump for reading the subtitle PES packet. It is not necessary to repeat the above, and the variable speed reproduction process on the receiving side for enabling subtitle display is simplified.
  • a second time stamp (unique time stamp) indicating the display time of the subtitle is inserted into the header or payload of the subtitle PES packet. Therefore, the receiving side can easily control the display timing of the subtitle based on the unique time stamp.
  • identification information indicating that a unique time stamp is inserted into the subtitle PES packet is inserted into the transport stream TS. Therefore, the receiving side can easily recognize that the unique time stamp is inserted based on this identification information, and can extract the unique time stamp efficiently.
  • TTML is used as text information of a subtitle having a predetermined format having display timing information.
  • the present technology is not limited to this, and other timed text information having information equivalent to TTML may be used.
  • a TTML derivative format may be used.
  • the present technology can be applied to the conventional type bitmap format in the same manner as the subtitle format.
  • the transmission / reception system 10 including the broadcast transmission system 100 and the television receiver 200 is shown, but the configuration of the transmission / reception system to which the present technology can be applied is not limited thereto.
  • a configuration of a set top box and a monitor in which the television receiver 200 is connected by a digital interface such as HDMI (High-Definition Multimedia Interface) may be used.
  • HDMI High-Definition Multimedia Interface
  • HDMI High-Definition Multimedia Interface
  • this technique can also take the following structures. (1) a video encoding unit that generates a video stream composed of video packets having encoded image data in a payload; A subtitle encoding unit that generates a subtitle stream composed of subtitle packets having subtitle information in the payload; A multiplexed stream generating unit that generates a multiplexed stream including the video stream and the subtitle stream; A transmission unit for transmitting the multiplexed stream; The multiplexed stream generator is A transmission apparatus that arranges the subtitle packet at a random access position.
  • the subtitle encoding part The time stamp insertion position of the header of the subtitle packet is inserted with a time stamp value that is the same as or close to the time stamp value inserted at the time stamp insertion position of the header of the video packet at the random access position.
  • the transmission device according to 1).
  • (3) The subtitle encoding part The transmission device according to (2), wherein a unique time stamp indicating a display time of the subtitle is inserted into a header or payload of the subtitle packet.
  • the multiplexed stream generation unit The transmission apparatus according to (3), wherein identification information indicating that the unique time stamp is inserted into the subtitle packet is inserted into the multiplexed stream.
  • the transmission device according to any one of (1) to (5), wherein the subtitle information is text information of a subtitle having a predetermined format having display timing information.
  • the subtitle text information in the predetermined format is TTML or a derivation format of the TTML.
  • the video packet and the subtitle packet are PES packets,
  • the transmission device according to any one of (1) to (7), wherein the multiplexed stream is an MPEG2 transport stream.
  • a video encoding step for generating a video stream composed of video packets having encoded image data in a payload;
  • a subtitle stream generation step for generating a subtitle stream composed of subtitle packets having subtitle information in the payload;
  • a multiplexed stream generating step for generating a multiplexed stream including the video stream and the subtitle stream;
  • In the multiplexed stream generation step A transmission method in which the subtitle packet is arranged at a random access position.
  • a receiving unit that receives a multiplexed stream including a video stream including a video packet having encoded image data in the payload and a subtitle stream including a subtitle packet having subtitle information in the payload, In the multiplexed stream, the subtitle packet is arranged at a random access position
  • a receiving apparatus further comprising: a processing unit that extracts the subtitle packet from the multiplexed stream together with the video packet at the random access position and performs a subtitle display process.
  • the time stamp insertion position in the header of the subtitle packet has a first value that is the same as or close to the time stamp value inserted in the time stamp insertion position in the header of the video packet at the random access position.
  • a time stamp is inserted, A second time stamp indicating the display time of the subtitle is inserted in the header or payload of the subtitle packet, The processing unit The receiving apparatus according to (10), wherein in the normal playback mode, a subtitle display process is performed with reference to the second time stamp. (12) In the multiplexed stream, identification information indicating that the second time stamp is inserted in the subtitle packet is inserted, The receiving device according to (11), wherein the processing unit extracts and uses the second time stamp from the subtitle packet based on the identification information. (13) The reception unit has a reception step of receiving a multiplexed stream including a video stream composed of video packets having encoded image data in the payload and a subtitle stream composed of subtitle packets having subtitle information in the payload. And In the multiplexed stream, the subtitle packet is arranged at a random access position, A receiving method further comprising a processing step of extracting the subtitle packet from the multiplexed stream together with the video packet at the random access position and performing a subtitle display process.
  • the main feature of this technology is that, when generating a transport stream TS as a multiplexed stream, the subtitle PES packet is arranged at a random access position, thereby simplifying the subtitle display process in the variable speed playback mode on the receiving side. This is intended to be achieved (see FIG. 18).
  • DESCRIPTION OF SYMBOLS 10 ... Transmission / reception system 100 ... Broadcast transmission system 110 ... Stream generation part 111 ... Control part 112 ... Video encoder 113 ... Audio encoder 114 ... Text format conversion part 115 ... Subtitle encoder 116 ... TS formatter (multiplexer) DESCRIPTION OF SYMBOLS 120 ... Timing management part 121 ... Video timing management part 122 ... Audio timing management part 123 ... RAP timing management part 124 ... Subtitle display timing management part 200 ... Television receiver 201 ... Reception unit 201a ... Storage medium 202 ... TS analysis unit 203 ... Video decoder 204 ... Video superposition unit 205 ... Panel drive circuit 206 ... Display panel 207 ... Audio decoder 208 ..Audio output circuit 209 ... Speaker 210 ... Subtitle decoder 221 ... CPU

Landscapes

  • Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Computer Security & Cryptography (AREA)
  • Databases & Information Systems (AREA)
  • Human Computer Interaction (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
  • Studio Circuits (AREA)
  • Compression Or Coding Systems Of Tv Signals (AREA)
  • Television Systems (AREA)

Abstract

　受信側における変速再生モードでのサブタイトル表示処理の簡単化を図る。 【解決手段】ペイロードに符号化画像データを持つビデオパケットにより構成されるビデオストリームを生成する。ペイロードにサブタイトル情報を持つサブタイトルパケットにより構成されるサブタイトルストリームを生成する。ビデオストリームとサブタイトルストリームを含む多重化ストリームを生成して、送信する。多重化ストリームを生成するに当たって、サブタイトルパケットをランダムアクセス位置に配置する。

Description

送信装置、送信方法、受信装置および受信方法
　本技術は、送信装置、送信方法、受信装置および受信方法に関し、特に、画像データと共にサブタイトル情報を送信する送信装置等に関する。
　従来、例えば、ＤＶＢ（Digital Video Broadcasting）の放送などでは、サブタイトルの情報をビットマップデータで送信する運用が行われている。近時、サブタイトルの情報をテキストの文字コードで、つまりテキストベースで送信することが提案されている。この場合、受信側で解像度に応じたフォント展開がなされる。
　また、サブタイトルの情報をテキストベースで送信する場合、テキスト情報にタイミング情報を持たせることが提案されている。このテキスト情報として、例えば、Ｗ３Ｃ（(World Wide Web Consortium）でＴＴＭＬ（Timed Text Markup Language）が提唱されている（特許文献１参照）。
特開２０１２－１６９８８５号公報
　本技術の目的は、受信側における変速再生モードでのサブタイトル表示処理の簡単化を図ることにある。
　本技術の概念は、
　ペイロードに符号化画像データを持つビデオパケットにより構成されるビデオストリームを生成するビデオエンコード部と、
　ペイロードにサブタイトル情報を持つサブタイトルパケットにより構成されるサブタイトルストリームを生成するサブタイトルエンコード部と、
　上記ビデオストリームと上記サブタイトルストリームを含む多重化ストリームを生成する多重化ストリーム生成部と、
　上記多重化ストリームを送信する送信部を備え、
　上記多重化ストリーム生成部は、
　上記サブタイトルパケットを、ランダムアクセス位置に配置する
　送信装置にある。
　本技術において、ビデオエンコード部により、ペイロードに符号化画像データを持つビデオパケットにより構成されるビデオストリームが生成される。サブタイトルエンコード部により、ペイロードにサブタイトル情報を持つサブタイトルパケットにより構成されるサブタイトルストリームが生成される。例えば、サブタイトル情報は、表示タイミング情報を持つ所定フォーマットのサブタイトルのテキスト情報である、ようにされてもよい。この場合、例えば、所定フォーマットのサブタイトルのテキスト情報は、ＴＴＭＬあるいはこのＴＴＭＬの派生フォーマットである、ようにされてもよい。
　多重化ストリーム生成部により、少なくともビデオストリームとサブタイトルストリームを含む多重化ストリームが生成される。この場合、サブタイトルパケットはランダムアクセス位置に配置される。例えば、ビデオパケットおよびサブタイトルパケットはＰＥＳパケットであり、多重化ストリームはＭＰＥＧ２トランスポートストリームである、ようにされてもよい。送信部により、多重化ストリームが送信される。
　このように本技術においては、ビデオストリームとサブタイトルストリームを多重化するに当たって、サブタイトルパケットをランダムアクセス位置に配置するものである。そのため、受信側では、多重化ストリームからランダムアクセス位置のビデオパケットを取り出す際にサブタイトルパケットを併せて取り出すことができ、変速再生モードでのサブタイトル表示処理の簡単化が可能となる。
　なお、本技術において、例えば、サブタイトルエンコード部は、サブタイトルパケットのヘッダのタイムスタンプ挿入位置に、ランダムアクセス位置のビデオパケットのヘッダのタイムスタンプ挿入位置に挿入されるタイムスタンプの値と同じか、あるいは近傍の値のタイムスタンプを挿入する、ようにされてもよい。この場合、タイムスタンプが参照されて多重化ストリームにおけるパケット多重化が行われるとき、サブタイトルパケットはランダムアクセス位置に配置されるようになる。
　また、本技術において、例えば、サブタイトルエンコード部は、サブタイトルパケットのヘッダまたはペイロードに、サブタイトルの表示時刻を示す独自タイムスタンプを挿入する、ようにされてもよい。この場合、受信側では、この独自タイムスタンプに基づいて、サブタイトルの表示タイミングを容易に制御可能となる。
　また、本技術において、例えば、多重化ストリーム生成部は、多重化ストリームに、サブタイトルパケットに独自タイムスタンプの挿入があることを示す識別情報を挿入する、ようにされてもよい。この場合、受信側では、この識別情報に基づいて独自タイムスタンプの挿入があることを容易に認識可能となる。この場合、例えば、識別情報には挿入位置を示す情報が付加されている、ようにされてもよい。この場合、受信側では、この挿入位置を示す情報に基づいて、独自タイムスタンプを容易に取得可能となる。
　また、本技術の他の概念は、
　ペイロードに符号化画像データを持つビデオパケットにより構成されるビデオストリームとペイロードにサブタイトル情報を持つサブタイトルパケットにより構成されるサブタイトルストリームを含む多重化ストリームを受信する受信部を備え、
　上記多重化ストリームにおいて、上記サブタイトルパケットは、ランダムアクセス位置に配置されており、
　上記多重化ストリームから上記サブタイトルパケットを、上記ランダムアクセス位置のビデオパケットと共に取り出してサブタイトルの表示処理を行う処理部をさらに備える
　受信装置にある。
　本技術において、受信部により、ペイロードに符号化画像データを持つビデオパケットにより構成されるビデオストリームとペイロードにサブタイトル情報を持つサブタイトルパケットにより構成されるサブタイトルストリームを含む多重化ストリームが受信される。多重化ストリームにおいて、サブタイトルパケットは、ランダムアクセス位置に配置されている。処理部により、多重化ストリームからランダムアクセス位置のビデオパケットと共にサブタイトルパケットが取り出されてサブタイトルの表示処理が行われる。
　このように本技術においては、多重化ストリームにおいてサブタイトルパケットはランダムアクセス位置に配置されており、この多重化ストリームからランダムアクセス位置のビデオパケットと共にサブタイトルパケットが取り出されてサブタイトルの表示処理が行われるものである。そのため、変速再生モードでのサブタイトル表示処理の簡単化が可能となる。
　なお、本技術において、例えば、サブタイトルパケットのヘッダのタイムスタンプ挿入位置には、ランダムアクセス位置のビデオパケットのヘッダのタイムスタンプ挿入位置に挿入されるタイムスタンプの値と同じか、あるいは近傍の値の第１のタイムスタンプが挿入されており、サブタイトルパケットのヘッダまたはペイロードに、サブタイトルの表示時刻を示す第２のタイムスタンプが挿入されており、処理部は、通常再生モードでは、第２のタイムスタンプを参照してサブタイトルの表示処理を行う、ようにされてもよい。この場合、サブタイトルの表示タイミングを容易に制御可能となる。
　この場合、例えば、多重化ストリームには、サブタイトルパケットに第２のタイムスタンプの挿入があることを示す識別情報が挿入されており、処理部は、この識別情報に基づいて、サブタイトルパケットから第２のタイムスタンプを抽出して用いる、ようにされてもよい。
　本技術によれば、受信側における変速再生モードでのサブタイトル表示処理の簡単化を図ることができる。なお、本明細書に記載された効果はあくまで例示であって限定されるものではなく、また付加的な効果があってもよい。
実施の形態としての送受信システムの構成例を示すブロック図である。 放送送出システムのストリーム生成部の構成例を示すブロック図である。 ＴＴＭＬ構造を説明するための図である。 ＴＴＭＬ構造のヘッダ（head）に存在するメタデータ（metadata）、スタイリング（styling）、レイアウト（layout）の各要素の構造例を示す図である。 ＴＴＭＬ構造のボディ（body）の構造例を示す図である。 制御部内のタイミング管理部の構成例を概略的に示す図である。 サブタイトル表示タイミング管理部の詳細構成を説明するための図である。 ＰＥＳパケットの構成例を示す図である。 ＰＥＳエクステンション“PES extension”の構成例（１/２）を示す図である。 ＰＥＳエクステンション“PES extension”の構成例（２/２）を示す図である。 “PES packet data bytes”の領域に配置されるＰＥＳペイロード（PES_payload）の構成例を示す図である。 ＰＥＳエクステンションおよびＰＥＳペイロードの構成例における新規要素の内容を示している。 サブタイトル・ラップ・デスクリプタの構造例およびその構造例における主要な情報の内容を示す図である。 トランスポートストリームＴＳの構成例を示す図である。 テレビ受信機の構成例を示す図である。 ＲＡＰ（Random Access Point）位置で読み出されるサブタイトルＰＥＳパケットに対するデコードおよび出力の処理タイミングを概略的に示す図である。 従来の多重化に関して説明するための図である。 本技術の多重化に関して説明するための図である。
　以下、発明を実施するための形態（以下、「実施の形態」とする）について説明する。なお、説明を以下の順序で行う。
　１．実施の形態
　２．変形例
　＜１．実施の形態＞
　［送受信システムの構成例］
　図１は、実施の形態としての送受信システム１０の構成例を示している。この送受信システム１０は、放送送出システム１００とテレビ受信機２００により構成されている。放送送出システム１００は、多重化ストリームとしてのトランスポートストリームＴＳを、放送波に載せて送信する。トランスポートストリームＴＳは、ビデオストリームと、サブタイトルストリームとを有している。ビデオストリームは、ペイロードに画像データを持つビデオＰＥＳパケットにより構成されている。サブタイトルストリームは、ペイロードにサブタイトル（字幕）情報を持つサブタイトルＰＥＳパケットにより構成されている。
　サブタイトルＰＥＳパケットのヘッダのタイムスタンプ挿入位置に、ランダムアクセス位置のビデオＰＥＳパケットのヘッダのタイムスタンプ挿入位置に挿入されるタイムスタンプの値と同じか、あるいは近傍の値のタイムスタンプが挿入される。また、サブタイトルＰＥＳパケットのヘッダあるいはペイロードに、サブタイトルの表示時刻を示す独自タイムスタンプが挿入される。
　サブタイトルストリームが、ビデオストリームなどと多重化される際、サブタイトルＰＥＳパケットを含むＴＳパケット（以下、単にＰＥＳパケットとする）は、ランダムアクセス位置に配置される。この場合、例えば、上述したように、ヘッダのタイムスタンプ挿入位置に挿入されるタイムスタンプが参照されて、サブタイトルＰＥＳパケットは、ランダムアクセス位置、つまりランダムアクセス位置のビデオＰＥＳパケットの位置に近接した位置に配置される。
　トランスポートストリームＴＳには、サブタイトルＰＥＳパケットに独自タイムスタンプの挿入があることを示す識別情報が挿入される。この識別情報は、例えば、プログラム・マップ・テーブルの配下に挿入される。上述したように、サブタイトルＰＥＳパケットには、そのヘッダあるいはペイロードに独自タイムスタンプが挿入される。この識別情報には、挿入位置を示す情報が付加される。
　テレビ受信機２００は、放送送出システム１００から放送波で送られてくるトランスポートストリームＴＳを受信する。このトランスポートストリームＴＳは、上述したように、少なくともビデオストリームとサブタイトルストリームを有している。なお、トランスポートストリームＴＳはオーディオストリームを含む場合もある。ビデオストリームは、ペイロードに画像データを持つビデオＰＥＳパケットにより構成されている。サブタイトルストリームは、ペイロードにサブタイトル情報を持つサブタイトルＰＥＳパケットにより構成されている。そして、このトランスポートストリームＴＳの多重化において、サブタイトルＰＥＳパケットは、ランダムアクセス位置に配置されている。
　テレビ受信機２００は、トランスポートストリームＴＳからサブタイトルＰＥＳパケットを、ランダムアクセス位置のビデオＰＥＳパケットと共に取り出して、サブタイトル（字幕）の表示処理を行う。例えば、変速再生モードでは、トランスポートストリームＴＳのランダムアクセス位置から取り出されたサブタイトルＰＥＳパケットを直ちに処理してサブタイトルを表示する。
　また、例えば、通常再生モードでは、トランスポートストリームＴＳのランダムアクセス位置から取り出されたサブタイトルＰＥＳパケットを、そのヘッダまたはペイロードに挿入されているサブタイトルの表示時刻を示す独自タイムスタンプに基づいて処理し、表示時刻にサブタイトルを表示する。この場合、テレビ受信機２００は、トランスポートストリームＴＳに挿入されている識別情報に基づいてサブタイトルＰＥＳパケットから独自タイムスタンプを抽出して用いる。
　［放送送出システムのストリーム生成部の構成例］
　図２は、放送送出システム１００のストリーム生成部１１０の構成例を示している。このストリーム生成部１１０は、制御部１１１と、ビデオエンコーダ１１２と、オーディオエンコーダ１１３と、テキストフォーマット変換部１１４と、サブタイトルエンコーダ１１５と、ＴＳフォーマッタ（マルチプレクサ）１１６を有している。
　制御部１１１は、例えば、ＣＰＵ（Central Processing Unit）を備えた構成とされており、ストリーム生成部１１０の各部の動作を制御する。ビデオエンコーダ１１２は、画像データＤＶを入力し、この画像データＤＶに対して符号化を施し、ペイロードに符号化画像データを持つビデオＰＥＳパケットにより構成されるビデオストリーム（ＰＥＳストリーム）を生成する。オーディオエンコーダ１１３は、音声データＤＡを入力し、この音声データＤＡに対して符号化を施し、符号化音声データを持つオーディオＰＥＳパケットにより構成されるオーディオストリーム（ＰＥＳストリーム）を生成する。
　テキストフォーマット変換部１１４は、サブタイトル情報としてのテキストデータ（文字コード）ＤＴを入力し、表示タイミング情報を持つ所定フォーマットのサブタイトルのテキスト情報を得る。このテキスト情報として、例えば、ＴＴＭＬあるいはＴＴＭＬの派生フォーマットが考えられるが、この実施の形態においてはＴＴＭＬであるとする。
　図３は、ＴＴＭＬ構造を示している。ＴＴＭＬは、ＸＭＬベースで記載される。ヘッダ（head）には、メタデータ（metadata）、スタイリング（styling）、レイアウト（layout）の各要素が存在する。図４（ａ）は、メタデータ（ＴＴＭ：TTML Metadata）の構造例を示している。このメタデータには、メタデータのタイトルの情報と、コピーライトの情報が含まれている。
　図４（ｂ）は、スタイリング（ＴＴＳ：TTML Styling）の構造例を示している。このスタイリングには、識別子（id）の他に、カラー（color）、フォント（fontFamily）、サイズ（fontSize）、アラインメント（textAlign）などの情報が含まれている。図４（ｃ）は、レイアウト（region：TTML layout）の構造例を示している。このレイアウトには、サブタイトルを配置するリージョンの識別子（id）の他に、範囲（extent）、オフセット（padding）、バックグラウンドカラー（backgroundColor）、アラインメント（displayAlign）などの情報が含まれている。
　図５は、ボディ（body）の構造例を示している。図示の例では、サブタイトル１（subtitle 1）、サブタイトル２（subtitle 2）、サブタイトル３（subtitle 3）の３つのサブタイトルの情報が含まれている。サブタイトル毎に、表示開始タイミングと表示終了タイミングが記載されると共に、テキストデータが記載されている。例えば、サブタイトル１（subtitle 1）に関しては、表示開始タイミングが“０．７６ｓ”で、表示終了タイミングが“３．４５ｓ”であり、テキストデータが「It seems a paradox, dose it not,」とされている。
　図２に戻って、サブタイトルエンコーダ１１５は、テキストフォーマット変換部１１４で得られるＴＴＭＬを種々のセグメントに変換し、ペイロードにそれらのセグメント（サブタイトル情報）を配置したサブタイトルＰＥＳパケットにより構成されるサブタイトルストリーム（ＰＥＳストリーム）を生成する。
　サブタイトルエンコーダ１１５は、制御部１１１の制御のもと、サブタイトルＰＥＳパケットのヘッダのタイムスタンプ挿入位置に、ランダムアクセス位置のビデオＰＥＳパケット、つまりＲＡＰ（Random Access Point）対象のビデオＰＥＳパケットのヘッダのタイムスタンプ挿入位置に挿入されるタイムスタンプの値と同じか、あるいは近傍の値のタイムスタンプ（第１のタイムスタンプ）を挿入する。
　ここで、ＲＡＰ対象のビデオＰＥＳパケットの先頭部分は、例えば、ペイロードにイントラピクチャ（Ｉピクチャ）の符号化画像データを持つビデオＰＥＳパケットの先頭部分であることを意味する。いわゆるＲＡＰ再生では、トランスポートストリームＴＳから当該ＲＡＰ対象のビデオＰＥＳパケットに含まれるイントラピクチャの符号化画像データのみがデコードされて画像表示されていく。
　また、サブタイトルエンコーダ１１５は、制御部１１１の制御のもと、サブタイトルＰＥＳパケットのヘッダあるいはペイロードに、サブタイトルの表示時刻（表示開始時刻、表示終了時刻）を示す独自タイムスタンプ（第２のタイムスタンプ）を挿入する。
　図６は、制御部１１１内のタイミング管理部１２０の構成例を概略的に示している。このタイミング管理部１２０は、ビデオタイミング管理部１２１と、オーディオタイミング管理部１２２と、ＲＡＰタイミング管理部１２３と、サブタイトル表示タイミング管理部１２４を有している。
　ビデオタイミング管理部１２１は、各ビデオＰＥＳパケットのタイムスタンプ挿入位置に挿入すべきタイムスタンプ（ビデオのアクセスユニットのタイムスタンプ）を管理する。ビデオエンコーダ１１２では、このビデオタイミング管理部１２１の管理情報に基づいて、各ビデオＰＥＳパケットのタイムスタンプ挿入位置にタイムスタンプを挿入する。
　オーディオタイミング管理部１２２は、各オーディオＰＥＳパケットのタイムスタンプ挿入位置に挿入すべきタイムスタンプ（オーディオのアクセスユニットのタイムスタンプ）を管理する。オーディオエンコーダ１１３では、このオーディオタイミング管理部１２２の管理情報に基づいて、各オーディオＰＥＳパケットのタイムスタンプ挿入位置にタイムスタンプを挿入する。
　ＲＡＰタイミング管理部１２３は、ＲＡＰ対象のビデオＰＥＳパケットのタイムスタンプを管理すると共に、オーディオＰＥＳパケットのうち、ＲＡＰ対象とするオーディオＰＥＳパケットが管理される。この場合、ＲＡＰ対象のビデオＰＥＳパケットのタイムスタンプに近いタイムスタンプを持つオーディオＰＥＳパケットがＲＡＰ時の再生対象として扱われる。
　このＲＡＰ対象とするオーディオＰＥＳパケットの管理情報に基づいて、ＴＳフォーマッタ１１６では、後述するように、当該ＲＡＰ対象とするオーディオＰＥＳパケットがランダムアクセス位置、つまりＲＡＰ対象のビデオＰＥＳパケットの位置に近接した位置に配置することが行われる。
　サブタイトル表示タイミング管理部１２４は、サブタイトルＰＥＳパケットの第１のタイムスタンプ（ヘッダのタイムスタンプ挿入領域に挿入されるタイムスタンプ）および第２のタイムスタンプ（ヘッダまたはペイロードに挿入されるサブタイトルの表示時刻を示す独自タイムスタンプ）を管理する。サブタイトルエンコーダ１１５では、このサブタイトル表示タイミング管理部１２４の管理情報に基づいて、サブタイトルＰＥＳパケットへの第１のタイムスタンプおよび第２のタイムスタンプの挿入が行われる。
　図７は、サブタイトル表示タイミング管理部１２４の詳細構成を示している。サブタイトル表示タイミング管理部１２４は、ＲＡＰタイミング管理部１２３からのＲＡＰタイミング情報に基づいて、第１のタイムスタンプ（サブタイトルストリームのタイムスタンプ）を得る。また、サブタイトル表示タイミング管理部１２４は、ＴＴＭＬボディに含まれる相対開始時刻“ｂｅｇｉｎ”および相対終了時刻“ｅｎｄ”に対してタイムスタンプ精度換算を施し、第２のタイムスタンプ（表示開始タイムスタンプ、表示終了タイムスタンプ）を得る。
　なお、図５に示すように、複数のリージョン（region）の表示タイミングが異なる場合には、最も早いタイミングのリージョンの相対開始時刻“ｂｅｇｉｎ”および相対終了時刻“ｅｎｄ” 対してタイムスタンプ精度換算を施し、第２のタイムスタンプとしての表示開始タイムスタンプおよび表示終了タイムスタンプを得る。
　この場合、受信側では、最も早いリージョンの表示制御に関しては、当該第２のタイムスタンプとしての表示開始タイムスタンプおよび表示終了タイムスタンプが用いられる。また、後続のリージョンの表示制御に関しては、ＴＴＭＬボディで供給される最も早いリージョンの相対時刻との差に基づいてタイムスタンプ精度換算された表示タイムスタンプ（表示開始タイムスタンプ、表示終了タイムスタンプ）が生成されて用いられる。
　「第２のタイムスタンプ（独自タイムスタンプ）の挿入位置」
　ここで、第２のタイムスタンプ（独自タイムスタンプ）の挿入位置の具体例について説明する。図８は、ＰＥＳパケットの構成例（Syntax）を示している。第１のタイムスタンプに関しては、矢印Ｐで示す、ヘッダのタイムスタンプ挿入領域である３３ビット領域に挿入される。このタイムスタンプ挿入領域は、ヘッダを構成する“optional PES HEADER”の下の“optional fields”内に存在する。
　第２のタイムスタンプに関しては、上述したように、ヘッダあるいはペイロードに挿入される。ヘッダに挿入する場合、例えば、矢印Ｑに示す、“PES extension fields data”の領域に挿入される。この“PES extension fields data”は、“PES extension”の下の“optional fields”内に存在する。なお、 “PES extension”は、ヘッダを構成する“optional PES HEADER”の下の“optional fields”内に存在する。一方、ペイロードに挿入する場合、矢印Ｒに示す、“PES packet data bytes”の領域に挿入される。
　図９、図１０は、ＰＥＳエクステンション“PES extension”の構成例（Syntax）を示している。図１１は、“PES packet data bytes”の領域に配置されるＰＥＳペイロード（PES_payload）の構成例（Syntax）を示している。図１２は、各構成例における新規要素の内容（Semantics）を示している。
　最初に、図９、図１０に示すＰＥＳエクステンション（PES extension）の構成例について説明する。フラグ情報として、「PES_extension_negflag_new」のフラグ情報が新たに定義される。このフラグ情報は、ＰＥＳヘッダの拡張領域（PES extension）に新定義のデータを配置することを示す。“０”は、ＰＥＳヘッダの拡張領域に新定義のデータを配置することを示す。“１”は、ＰＥＳヘッダの拡張領域に新定義のデータを配置しないことを示す。
　「PES_extension_negflag_new」が“０”であるとき、「extension_type」の８ビットフィールドが存在する。このフィールドは、新定義のデータの種類を示す。“１”は、サブタイトルの表示開始・終了を表すタイムスタンプであることを示す。「extension_type」が“１”であるとき、「subtitle_start_time」の３３ビットフィールドと、「subtitle_end_time」の３３ビットフィールドが存在する。
　「subtitle_start_time」の３３ビットフィールドは、サブタイトル表示の開始時刻をシステムのクロック精度で表す値（表示開始タイムスタンプ）を示す。「subtitle_end_time」の３３ビットフィールドは、サブタイトル表示の終了時刻をシステムのクロック精度で表す値（表示終了タイムスタンプ）を示す。
　次に、図１１に示すＰＥＳペイロード（PES_payload）の構成例について説明する。サブタイトルＰＥＳパケットは、プライベートＰＥＳパケットとして定義される。プライベートＰＥＳパケットの場合、“PES packet data bytes”を自由に定義できることから、その一部に表示開始・終了を表すタイムスタンプが挿入される。
　「private_type」の８ビットフィールドは、プライベートＰＥＳパケットの種類を示す。“ＥＣ”は、タイムスタンプ付きのサブタイトルストリームであることを示す。「timestamp_insertion_flag」のフラグ情報は、当該パケットペイロードの最初にタイムスタンプが配置されることを示す。“１”は、タイムスタンプが配置されることを示す。“０”は、タイムスタンプが配置されないことを示す。「timestamp_insertion_flag」が“１”であるとき、「subtitle_start_time」の３３ビットフィールドと、「subtitle_end_time」の３３ビットフィールドが存在する。
　図２に戻って、ＴＳフォーマッタ１１６は、ビデオエンコーダ１１２で生成されたビデオストリーム、オーディオエンコーダ１１３で生成されたオーディオストリームおよびサブタイトルエンコーダ１１５で生成されたサブタイトルストリームを、トランスポートパケット化して多重し、多重化ストリームとしてのトランスポートストリームＴＳを得る。
　このように各ストリームを多重化するとき、ＴＳフォーマッタ１１６は、サブタイトルＰＥＳパケットを、第１のタイムスタンプ（ヘッダのタイムスタンプ挿入位置に挿入されているタイムスタンプ）に基づいて、ランダムアクセス位置、つまりＲＡＰ対象のビデオＰＥＳパケットの位置に近接した位置に配置する。また、このとき、ＴＳフォーマッタ１１６は、ＲＡＰ対象とするオーディオＰＥＳパケットの管理情報に基づいて、当該ＲＡＰ対象とするオーディオＰＥＳパケットをランダムアクセス位置、つまりＲＡＰ対象のビデオＰＥＳパケットの位置に近接した位置に配置する。
　また、ＴＳフォーマッタ１１６は、トランスポートストリームＴＳに、サブタイトルＰＥＳパケットに、第２のタイムスタンプ（サブタイトルの表示時刻を示す独自タイムスタンプ）が挿入されていることを示す識別情報を挿入する。この実施の形態において、ＴＳフォーマッタ１１６は、プログラム・マップ・テーブル（ＰＭＴ：Program Map Table）の配下のサブタイトルストリームに対応したサブタイトル・エレメンタリストリーム・ループに、サブタイトル・ラップ・デスクリプタ（Subtitle_rap_descriptor）を挿入する。
　図１３（ａ）は、サブタイトル・ラップ・デスクリプタの構造例(Syntax)を示している。図１３（ｂ）は、その構造例における主要な情報の内容（Semantics）を示している。「descriptor_tag」の８ビットフィールドは、デスクリプタタイプを示し、ここでは、サブタイトル・ラップ・デスクリプタであることを示す。「descriptor_length」の８ビットフィールドは、デスクリプタの長さ（サイズ）を示し、デスクリプタの長さとして以降のバイト数を示す。
　「subtitle_presentation_time_flag」のフラグ情報は、従来のタイムスタンプ（第１のタイムスタンプ）とは別のタイミング、主に遅延したタイミングでサブタイトル表示を行うかどうか、つまりサブタイトル独自の表示タイムスタンプの配置があるかどうかを示す。“１”は、遅延表示（サブタイトル独自の表示タイムスタンプの配置）を行うことを示す。“０”は、遅延表示（サブタイトル独自の表示タイムスタンプの配置）を行わないことを示す。
　「subtitle_presentation_time_flag」が“１”であるとき、「time_insertion_type」の２ビットフィールドが存在する。このフィールドは、サブタイトル独自の表示タイムスタンプの挿入タイプ、つまり当該タイムスタンプがどこに挿入されているかを示す。“０１”は、ＰＥＳヘッダエクステンション（PES header extension）部に挿入することを示す。“１０”は、ＰＥＳプライベートストリームのペイロード（PES private stream payload）に挿入することを示す。
　図１４は、トランスポートストリームＴＳの構成例を示している。この構成例では、ＰＩＤ１で識別されるビデオストリームのＰＥＳパケットであるビデオＰＥＳパケット「Video PES」が存在する。また、この構成例では、ＰＩＤ２で識別されるオーディオストリームのＰＥＳパケットであるオーディオＰＥＳパケット「Audio PES」が存在する。また、この構成例では、ＰＩＤ３で識別されるサブタイトルストリームのＰＥＳパケットであるサブタイトルＰＥＳパケット「Subtitle PES」が存在する。
　ＰＥＳパケットは、ＰＥＳヘッダ（PES header）とＰＥＳペイロード（PES payload）からなっている。ビデオＰＥＳパケットにおいて、ＰＥＳヘッダにはＤＴＳ/ＰＴＳのタイムスタンプが挿入されており、ＰＥＳペイロードにはビデオ符号化ストリーム（符号化画像データ）が挿入されている。また、オーディオＰＥＳパケットにおいて、ＰＥＳヘッダにはＰＴＳのタイムスタンプが挿入されており、ＰＥＳペイロードにはオーディオ符号化ストリーム（符号化音声データ）が挿入されている。
　また、サブタイトルＰＥＳパケットにおいて、ＰＥＳヘッダにはＰＴＳのタイムスタンプ（第１のタイムスタンプ）が挿入されており、ＰＥＳペイロードにはサブタイトル符号化ストリーム（サブタイトル情報としての複数のサブタイトルセグメント）が挿入されている。また、ＰＥＳヘッダまたはＰＥＳペイロードに、第２のタイムスタンプ（独自タイムスタンプ）としての、表示開始タイムスタンプ「subtitle_start_time」および表示終了タイムスタンプ「subtitle_end_time」が存在する。
　また、トランスポートストリームＴＳには、ＰＳＩ（Program Specific Information）として、ＰＭＴ（Program Map Table）が含まれている。このＰＳＩは、トランスポートストリームＴＳに含まれる各エレメンタリストリームがどのプログラムに属しているかを記した情報である。また、トランスポートストリームＴＳには、イベント単位の管理を行うＳＩ（Serviced Information）としてのＥＩＴ(Event Information Table)が含まれている。このＥＩＴには、番組単位のメタデータが記載される。
　ＰＭＴには、プログラム全体に関連する情報を記述するプログラム・デスクリプタ（Program Descriptor）が存在する。また、このＰＭＴには、各エレメンタリストリームに関連した情報を持つエレメンタリストリーム・ループが存在する。この構成例では、ビデオエレメンタリストリーム・ループ（Video ES loop）、オーディオエレメンタリストリーム・ループ（Audio ES loop）、サブタイトルエレメンタリストリーム・ループ（Subtitle ES loop）が存在する。
　各ループには、パケット識別子（PID）等の情報が配置されると共に、そのエレメンタリストリームに関連する情報を記述する記述子（デスクリプタ）も配置される。サブタイトルエレメンタリストリーム・ループには、デスクリプタの一つとして、上述したサブタイトル・ラップ・デスクリプタ（Subtitle_rap_descriptor）が配置される。
　図２に示すストリーム生成部１１０の動作を簡単に説明する。画像データＤＶは、ビデオエンコーダ１１２に供給される。ビデオエンコーダ１１２では、この画像データＤＶに対して符号化が施され、ペイロードに符号化画像データを持つビデオＰＥＳパケットからなるビデオストリーム（ＰＥＳストリーム）が生成される。このビデオストリームは、ＴＳフォーマッタ１１６に供給される。
　また、音声データＤＡは、オーディオエンコーダ１１３に供給される。オーディオエンコーダ１１３では、音声データＤＡに対して符号化が施され、符号化音声データを持つオーディオＰＥＳパケットからなるオーディオストリーム（ＰＥＳストリーム）が生成される。このオーディオストリームは、ＴＳフォーマッタ１１６に供給される。
　また、サブタイトル情報としてのテキストデータ（文字コード）ＤＴは、テキストフォーマット変換部１１４に供給される。このキストフォーマット変換部１１４では、表示タイミング情報を持つ所定フォーマットのサブタイトルのテキスト情報、ここではＴＴＭＬが得られる。このＴＴＭＬは、サブタイトルエンコーダ１１５に供給される。
　サブタイトルエンコーダ１１５では、ＴＴＭＬが種々のセグメントに変換され、ペイロードにそれらのセグメントを配置したサブタイトルＰＥＳパケットからなるサブタイトルストリームが生成される。このサブタイトルストリームは、ＴＳフォーマッタ１１６に供給される。
　サブタイトルエンコーダ１１５では、サブタイトルストリームの生成時に、制御部１１１の制御のもと、サブタイトルＰＥＳパケットのヘッダのタイムスタンプ挿入位置に、ＲＡＰ対象のビデオＰＥＳパケットのヘッダのタイムスタンプ挿入位置に挿入されるタイムスタンプの値と同じか、あるいは近傍の値のタイムスタンプ（第１のタイムスタンプ）を挿入することが行われる。
　また、サブタイトルエンコーダ１１５では、サブタイトルストリームの生成時に、制御部１１１の制御のもと、サブタイトルＰＥＳパケットのヘッダあるいはペイロードに、サブタイトルの表示時刻（表示開始時刻、表示終了時刻）を示す独自タイムスタンプ（第２のタイムスタンプ）を挿入することが行われる。
　ＴＳフォーマッタ１１６では、ビデオエンコーダ１１２で生成されたビデオストリーム、オーディオエンコーダ１１３で生成されたオーディオストリームおよびサブタイトルエンコーダ１１５で生成されたサブタイトルストリームが、トランスポートパケット化されて多重化され、多重化ストリームとしてのトランスポートストリームＴＳが生成される。
　このように各ストリームを多重化されるとき、サブタイトルＰＥＳパケットは、制御部１１１の制御のもと、第１のタイムスタンプ（ヘッダのタイムスタンプ挿入位置に挿入されているタイムスタンプ）に基づいて、ランダムアクセス位置、つまりＲＡＰ対象のビデオＰＥＳパケットの位置に近接した位置に配置される。
　また、このとき、制御部１１１の制御のもと、ＲＡＰ対象とするオーディオＰＥＳパケットの管理情報に基づいて、当該ＲＡＰ対象とするオーディオＰＥＳパケットがランダムアクセス位置、つまりＲＡＰ対象のビデオＰＥＳパケットの位置に近接した位置に配置される。
　また、ＴＳフォーマッタ１１６では、トランスポートストリームＴＳに、識別情報が挿入される。この識別情報は、サブタイトルＰＥＳパケットに第２のタイムスタンプ（サブタイトルの表示時刻を示す独自タイムスタンプ）の挿入があることを示すものである。すなわち、ＴＳフォーマッタ１１６では、プログラム・マップ・テーブル（ＰＭＴ：Program Map Table）の配下のサブタイトルストリームに対応したサブタイトル・エレメンタリストリーム・ループに、サブタイトル・ラップ・デスクリプタ（Subtitle_rap_descriptor）が配置される。
　［テレビ受信機の構成例］
　図１５は、テレビ受信機２００の構成例を示している。このテレビ受信機２００は、受信部２０１と、ＴＳ解析部（デマルチプレクサ）２０２と、ビデオデコーダ２０３と、ビデオ重畳部２０４と、パネル駆動回路２０５と、表示パネル２０６を有している。また、このテレビ受信機２００は、オーディオデコーダ２０７と、音声出力回路２０８と、スピーカ２０９と、サブタイトルデコーダ２１０を有している。また、このテレビ受信機２００は、ＣＰＵ２２１と、フラッシュＲＯＭ２２２と、ＤＲＡＭ２２３と、内部バス２２４と、リモコン受信部２２５と、リモコン送信機２２６を有している。
　ＣＰＵ２２１は、テレビ受信機２００の各部の動作を制御する。フラッシュＲＯＭ２２２は、制御ソフトウェアの格納およびデータの保管を行う。ＤＲＡＭ２２３は、ＣＰＵ２２１のワークエリアを構成する。ＣＰＵ２２１は、フラッシュＲＯＭ２２２から読み出したソフトウェアやデータをＤＲＡＭ２２３上に展開してソフトウェアを起動させ、テレビ受信機２００の各部を制御する。
　リモコン受信部２２５は、リモコン送信機２２６から送信されたリモートコントロール信号（リモコンコード）を受信し、ＣＰＵ２２１に供給する。ＣＰＵ２２１は、このリモコンコードに基づいて、テレビ受信機２００の各部を制御する。ＣＰＵ２２１、フラッシュＲＯＭ２２２およびＤＲＡＭ２２３は、内部バス２２４に接続されている。
　受信部２０１は、放送送出システム１００から放送波に載せて送られてくるトランスポートストリームＴＳを受信する。このトランスポートストリームＴＳには、上述したように、ビデオストリーム、オーディオストリームおよびサブタイトルストリームが含まれている。ＴＳ解析部２０２は、トランスポートストリームＴＳからビデオ、オーディオ、サブタイトルの各ストリームのＰＥＳパケットを抽出する。
　ここで、受信部２０１で受信されたトランスポートストリームＴＳは、蓄積媒体（バッファあるいはストレージ）２０１ａに一旦蓄積され、再生モードに対応した部分が取り出されてＴＳ解析部２０２に送られる。例えば、通常再生モードにあっては、蓄積された全てがＴＳ解析部２０２に送られる。これに対して、変速再生モードにあっては、ＲＡＰ位置（ランダムアクセス位置）の部分を含む倍速スピードに応じた間欠的な一部の部分がＴＳ解析部２０２に送られる。特に、ＲＡＰ再生モードにあっては、ＲＡＰ位置（ランダムアクセス位置）の部分のみがＴＳ解析部２０２に送られる。
　また、ＴＳ解析部２０２は、トランスポートストリームＴＳに挿入されている種々の情報を抽出し、ＣＰＵ２２１に送る。この情報には、サブタイトル・ラップ・デスクリプタ（Subtitle_rap_descriptor）の情報も含まれる。ＣＰＵ２２１は、これにより、サブタイトルＰＥＳパケットに第２のタイムスタンプ（独自タイムスタンプ）の挿入があること、およびその挿入場所を容易に認識でき、サブタイトルデコーダ２１０の制御に効果的に利用できる。
　オーディオデコーダ２０７は、ＴＳ解析部２０２で抽出されるオーディオＰＥＳパケットにデコード処理を施し、音声データを得る。音声出力回路２０８は、音声データに対して、Ｄ／Ａ変換や増幅等の必要な処理を施し、スピーカ２０９に供給する。ビデオデコーダ２０３は、ＴＳ解析部２０２で抽出されるビデオＰＥＳパケットにデコード処理を施し、画像データを得る。
　オーディオデコーダ２０７およびビデオデコーダ２０３における各ＰＥＳパケットに対するデコードおよび出力の処理は、通常再生モードにおいてはヘッダに挿入されているタイムスタンプで制御されるが、変速再生モードにおいては当該タイムスタンプで制御されず、ＴＳ解析部２０２から供給された後に直ちに行われる。
　サブタイトルデコーダ２１０は、ＴＳ解析部２０２で抽出されるサブタイトルＰＥＳパケットにデコード処理を施し、画像データに重畳すべき各リージョンのビットマップデータを得る。サブタイトルデコーダ２１０におけるサブタイトルＰＥＳパケットに対するデコードおよび出力の処理は、通常再生モードにおいてはヘッダまたはペイロードに挿入されている第２のタイムスタンプ（独自タイムスタンプ）で制御されるが、変速再生モードにおいては当該第２のタイムスタンプで制御されず、ＴＳ解析部２０２から供給された後に直ちに行われる。
　図１６は、例えば、ＲＡＰ位置で読み出されるサブタイトルＰＥＳパケットに対するデコードおよび出力の処理タイミングを概略的に示している。通常再生モードの場合には、表示開始タイムスタンプで示される時刻までにデコードが完了し、当該時刻からデコード結果としてのビットマップデータの出力が開始され、表示終了タイムスタンプで示される時刻まで継続される。この場合、表示開始タイムスタンプで示される時刻から表示終了タイムスタンプで示される時刻までがサブタイトル表示期間となる。
　これに対して、変速再生モードの場合には、蓄積媒体２０１ａからの読み出し後に直ちにデコードが行われ、デコード結果としてのビットマップデータの出力が開始される。この出力継続時間が、サブタイトル表示期間となる。この出力継続時間は、変速再生の倍速スピードと、サブタイトル表示維持の機能に依存して決まる。
　図１５に戻って、ビデオ重畳部２０４は、ビデオデコーダ２０３で得られた画像データに、サブタイトルデコーダ２１０から得られる各リージョンのビットマップデータを重畳する。パネル駆動回路２０５は、ビデオ重畳部２０４で得られる表示用の画像データに基づいて、表示パネル２０６を駆動する。表示パネル２０６は、例えば、ＬＣＤ(Liquid Crystal Display)、有機ＥＬディスプレイ（organic electroluminescence display）などで構成されている。
　図１５に示すテレビ受信機２００の動作を簡単に説明する。受信部２０１では、放送送出システム１００から放送波に載せて送られてくるトランスポートストリームＴＳが受信される。このトランスポートストリームＴＳには、ビデオストリーム、オーディオストリームおよびサブタイトルストリームが含まれている。
　このトランスポートストリームＴＳは、蓄積媒体２０１ａを通じて、ＴＳ解析部２０２に供給される。この場合、再生モードに対応した部分が取り出されてＴＳ解析部２０２に送られる。例えば、通常再生モードにあっては、蓄積された全てがＴＳ解析部２０２に送られる。これに対して、変速再生モードにあっては、ＲＡＰ位置（ランダムアクセス位置）の部分を含む倍速スピードに応じた間欠的な一部の部分がＴＳ解析部２０２に送られる。特に、ＲＡＰ再生モードにあっては、ＲＡＰ位置（ランダムアクセス位置）の部分のみがＴＳ解析部２０２に送られる。
　ＴＳ解析部２０２で抽出されるビデオＰＥＳパケットは、ビデオデコーダ２０３に供給される。ビデオデコーダ２０３では、ＴＳ解析部２０２で抽出されるビデオＰＥＳパケットにデコード処理が施されて、画像データが得られる。各ビデオＰＥＳパケットに対するデコードおよび出力の処理は、通常再生モードにおいてはヘッダに挿入されているタイムスタンプで制御されるが、変速再生モードにおいては当該タイムスタンプで制御されず、ＴＳ解析部２０２から供給された後に直ちに行われる。この画像データは、ビデオ重畳部２０４に供給される。
　また、ＴＳ解析部２０２で抽出されるサブタイトルストリーム（ＰＥＳストリーム）は、サブタイトルデコーダ２１０に供給される。サブタイトルデコーダ２１０では、各リージョンのセグメントデータが処理され、画像データに重畳すべき各リージョンのビットマップデータが得られる。各サブタイトルＰＥＳパケットに対するデコードおよび出力の処理は、通常再生モードにおいてはヘッダまたはペイロードに挿入されている第２のタイムスタンプ（独自タイムスタンプ）で制御されるが、変速再生モードにおいては当該第２のタイムスタンプで制御されず、ＴＳ解析部２０２から供給された後に直ちに行われる（図１６参照）。
　サブタイトルデコーダ２１０から出力される各リージョンのビットマップデータは、ビデオ重畳部２０４に供給される。ビデオ重畳部２０４では、ビデオデコーダ２０３で得られた画像データに、サブタイトルデコーダ２１０から出力される各リージョンのビットマップデータが重畳される。
　ビデオ重畳部２０４で得られる表示用の画像データは、パネル駆動回路２０５に供給される。パネル駆動回路２０５では、表示用のビデオデータに基づいて、表示パネル２０６を駆動することが行われる。これにより、表示パネル２０６には、サブタイトルの重畳された画像が表示される。この場合、通常再生モードでは通常速度の通常再生画像となり、変速再生モードでは倍速スピードに応じた変速再生画像となる。
　また、ＴＳ解析部２０２で抽出されるオーディオＰＥＳパケットは、オーディオデコーダ２０７に供給される。オーディオデコーダ２０７では、オーディオＰＥＳパケットにデコード処理が施されて、音声データが得られる。各オーディオＰＥＳパケットに対するデコードおよび出力の処理は、通常再生モードにおいてはヘッダに挿入されているタイムスタンプで制御されるが、変速再生モードにおいては当該タイムスタンプで制御されず、ＴＳ解析部２０２から供給された後に直ちに行われる。
　この音声データは、音声出力回路２０８に供給される。音声出力回路２０８では、音声データに対して、Ｄ／Ａ変換や増幅等の必要な処理が行われる。そして、処理後の音声データはスピーカ２０９に供給される。これにより、スピーカ２０９からは表示パネル２０６の表示画像に対応した音声出力が得られる。
　以上説明したように、図１に示す送受信システム１０においては、送信側で多重化ストリームとしてのトランスポートストリームＴＳを生成するに当たって、サブタイトルＰＥＳパケットがランダムアクセス位置に配置されるものである。そのため、受信側では、多重化ストリームからランダムアクセス位置のビデオＰＥＳパケットを取り出す際にサブタイトルＰＥＳパケットを併せて取り出すことができ、変速再生モードでのサブタイトル表示処理が簡単となる。
　例えば、図１７は、従来の多重化に関して示している。図１７（ａ）は、ビデオストリームを構成するビデオＰＥＳパケット列を示している。「V_TS00」、「V_TS10」、「V_TS20」、「V_TS30」、・・・は、ヘッダに挿入されたタイムスタンプを示し、「V0」、「V10」、「V20」、「V30」、・・・は、ペイロードに配置された符号化画像データを示している。
　図１７（ｂ）は、オーディオストリームを構成するオーディオＰＥＳパケット列を示している。「A_TS00」、「A_TS10」、「A_TS20」、「A_TS30」、・・・は、ヘッダに挿入されたタイムスタンプを示し、「A0」、「A10」、「A20」、「A30」、・・・は、ペイロードに配置された符号化音声データを示している。
　図１７（ｃ）は、サブタイトルストリームを構成するサブタイトルＰＥＳパケット列を示している。「S_TS15」、「S_TS19」、「S_TS35」、「A_TS39」、・・・は、ヘッダに挿入されたタイムスタンプを示し、「S15」、「S19」、「S35」、「S39」、・・・は、ペイロードに配置されたサブタイトル情報を示している。サブタイトルＰＥＳパケットのヘッダには、ビデオＰＥＳパケットやオーディオＰＥＳパケットのヘッダに挿入されるタイムスタンプとは関係なく、タイムスタンプが挿入される。
　図１７（ｄ）は、多重化ストリーム（トランスポートストリームＴＳ）における各ＰＥＳパケットの配置の一例を示している。多重化に当たっては、各ＰＥＳパケットのヘッダに挿入されているタイムスタンプが参照されて、各ＰＥＳパケットの配置が決定される。この場合、サブタイトルＰＥＳパケットは、ＲＡＰ位置（ランダムアクセス位置）とは無関係に、表示期間の少し前の位置に配置される。
　ＲＡＰ再生では、例えば、図１７（ｅ）の再生方法１に示すように、ＲＡＰ位置毎にある程度の長さでＰＥＳパケットが読み出されてデコード処理が行われて、画像表示や音声出力が行われる。この場合、ＲＡＰ位置にサブタイトルＰＥＳパケットが必ずしも配置されていないので、サブタイトル表示はされない。
　なお、このＲＡＰ再生でも、サブタイトル表示を行うためには、図１７（ｆ）の再生方法２に示すように、ＲＡＰ位置の読み出しの他に、サブタイトルＰＥＳパケットの読み出しも行っていくことが考えられる。この場合には、ＲＡＰ位置の読み出しのためのジャンプの他に、サブタイトルＰＥＳパケットを読み出すためのジャンプを繰り返す必要があり、再生処理が複雑となる。また、サブタイトルＰＥＳパケットの読み出しが行われるまで画像表示や音声出力を待つことにもなるので、画像表示や音声出力の遅延が発生する。
　図１８は、本技術の多重化に関して示している。１８（ａ）は、ビデオストリームを構成するビデオＰＥＳパケット列を示している。「V_TS00」、「V_TS10」、「V_TS20」、「V_TS30」、・・・は、ヘッダに挿入されたタイムスタンプを示し、「V0」、「V10」、「V20」、「V30」、・・・は、ペイロードに配置された符号化画像データを示している。
　図１８（ｂ）は、オーディオストリームを構成するオーディオＰＥＳパケット列を示している。「A_TS00」、「A_TS10」、「A_TS20」、「A_TS30」、・・・は、ヘッダに挿入されたタイムスタンプを示し、「A0」、「A10」、「A20」、「A30」、・・・は、ペイロードに配置された符号化画像データを示している。
　図１８（ｃ）は、サブタイトルストリームを構成するサブタイトルＰＥＳパケット列を示している。「S_TS10」、「S_TS30」、・・・は、ヘッダに挿入されたタイムスタンプを示し、「S10」、「S130」、・・・は、ペイロードに配置されたサブタイトル情報を示している。サブタイトルＰＥＳパケットのヘッダには、ＲＡＰ対象のビデオＰＥＳパケットのヘッダに挿入されるタイムスタンプと同じか、あるいは近傍の値のタイムスタンプ（第１のタイムスタンプ）が挿入される。
　図１８（ｄ）は、多重化ストリーム（トランスポートストリームＴＳ）における各ＰＥＳパケットの配置の一例を示している。多重化に当たっては、各ＰＥＳパケットのヘッダに挿入されているタイムスタンプが参照されて、各ＰＥＳパケットの配置が決定される。この場合、サブタイトルＰＥＳパケットは、ＲＡＰ対象のビデオＰＥＳパケットやオーディオＰＥＳパケットと同様に、ＲＡＰ位置（ランダムアクセス位置）に配置される。
　ＲＡＰ再生では、例えば、図１８（ｅ）の再生方法３に示すように、ＲＡＰ位置毎にある程度の長さでＰＥＳパケットが読み出されてデコード処理が行われる。この場合、ビデオＰＥＳパケットやオーディオＰＥＳパケットと共に、サブタイトルＰＥＳパケットも読み出されてデコード処理されることから、画像表示や音声出力と共に、サブタイトル表示も良好に行われる。
　このように本技術のように多重化が行われることで、図１７（ｆ）に示す再生方法２のような、ＲＡＰ位置の読み出しのためのジャンプの他に、サブタイトルＰＥＳパケットを読み出すためのジャンプを繰り返すということが必要なく、サブタイトル表示を可能とするための受信側における変速再生処理が簡単となる。
　また、図１に示す送受信システム１０においては、サブタイトルＰＥＳパケットのヘッダまたはペイロードにサブタイトルの表示時刻を示す第２のタイムスタンプ（独自タイムスタンプ）が挿入されるものである。そのため、受信側では、この独自タイムスタンプに基づいて、サブタイトルの表示タイミングを容易に制御可能となる。
　また、図１に示す送受信システム１０においては、トランスポートストリームＴＳに、サブタイトルＰＥＳパケットに独自タイムスタンプの挿入があることを示す識別情報が挿入されるものである。そのため、受信側では、この識別情報に基づいて独自タイムスタンプの挿入があることを容易に認識でき、独自タイムスタンプの抽出を効率よく行うことができる。
　＜２．変形例＞
　なお、上述実施の形態においては、表示タイミング情報を持つ所定フォーマットのサブタイトルのテキスト情報としてＴＴＭＬを用いる例を示した。しかし、本技術は、これに限定されず、ＴＴＭＬと同等の情報を持つその他のタイムドテキスト情報を用いることも考えらえる。例えば、ＴＴＭＬの派生フォーマットを用いてもよい。また、本技術は、サブタイトルのフォーマットとしては従来タイプのビットマップ方式も全く同様に適用できることは当然である。
　また、上述実施の形態においては、放送送出システム１００とテレビ受信機２００とからなる送受信システム１０を示したが、本技術を適用し得る送受信システムの構成は、これに限定されるものではない。例えば、テレビ受信機２００の部分が、ＨＤＭＩ（High-Definition Multimedia Interface）などのデジタルインタフェースで接続されたセットトップボックスおよびモニタの構成などであってもよい。なお、「ＨＤＭＩ」は登録商標である。
　また、本技術は、以下のような構成を取ることもできる。
　（１）ペイロードに符号化画像データを持つビデオパケットにより構成されるビデオストリームを生成するビデオエンコード部と、
　ペイロードにサブタイトル情報を持つサブタイトルパケットにより構成されるサブタイトルストリームを生成するサブタイトルエンコード部と、
　上記ビデオストリームと上記サブタイトルストリームを含む多重化ストリームを生成する多重化ストリーム生成部と、
　上記多重化ストリームを送信する送信部を備え、
　上記多重化ストリーム生成部は、
　上記サブタイトルパケットを、ランダムアクセス位置に配置する
　送信装置。
　（２）上記サブタイトルエンコード部は、
　上記サブタイトルパケットのヘッダのタイムスタンプ挿入位置に、上記ランダムアクセス位置のビデオパケットのヘッダのタイムスタンプ挿入位置に挿入されるタイムスタンプの値と同じか、あるいは近傍の値のタイムスタンプを挿入する
　前記（１）に記載の送信装置。
　（３）上記サブタイトルエンコード部は、
　上記サブタイトルパケットのヘッダまたはペイロードに、サブタイトルの表示時刻を示す独自タイムスタンプを挿入する
　前記（２）に記載の送信装置。
　（４）上記多重化ストリーム生成部は、
　上記多重化ストリームに、上記サブタイトルパケットに上記独自タイムスタンプの挿入があることを示す識別情報を挿入する
　前記（３）に記載の送信装置。
　（５）上記識別情報には、挿入位置を示す情報が付加されている
　前記（４）に記載の送信装置。
　（６）上記サブタイトル情報は、表示タイミング情報を持つ所定フォーマットのサブタイトルのテキスト情報である
　前記（１）から（５）のいずれかに記載の送信装置。
　（７）上記所定フォーマットのサブタイトルのテキスト情報は、ＴＴＭＬあるいは該ＴＴＭＬの派生フォーマットである
　前記（６）に記載の送信装置。
　（８）上記ビデオパケットおよび上記サブタイトルパケットはＰＥＳパケットであり、
　上記多重化ストリームはＭＰＥＧ２トランスポートストリームである
　前記（１）から（７）のいずれかに記載の送信装置。
　（９）ペイロードに符号化画像データを持つビデオパケットにより構成されるビデオストリームを生成するビデオエンコードステップと、
　ペイロードにサブタイトル情報を持つサブタイトルパケットにより構成されるサブタイトルストリームを生成するサブタイトルストリーム生成ステップと、
　上記ビデオストリームと上記サブタイトルストリームを含む多重化ストリームを生成する多重化ストリーム生成ステップと、
　送信部により、上記多重化ストリームを送信する送信ステップを有し、
　上記多重化ストリーム生成ステップでは、
　上記サブタイトルパケットを、ランダムアクセス位置に配置する
　送信方法。
　（１０）ペイロードに符号化画像データを持つビデオパケットにより構成されるビデオストリームとペイロードにサブタイトル情報を持つサブタイトルパケットにより構成されるサブタイトルストリームを含む多重化ストリームを受信する受信部を備え、
　上記多重化ストリームにおいて、上記サブタイトルパケットはランダムアクセス位置に配置されており、
　上記多重化ストリームから上記サブタイトルパケットを、上記ランダムアクセス位置のビデオパケットと共に取り出してサブタイトルの表示処理を行う処理部をさらに備える
　受信装置。
　（１１）上記サブタイトルパケットのヘッダのタイムスタンプ挿入位置には、上記ランダムアクセス位置のビデオパケットのヘッダのタイムスタンプ挿入位置に挿入されるタイムスタンプの値と同じか、あるいは近傍の値の第１のタイムスタンプが挿入されており、
　上記サブタイトルパケットのヘッダまたはペイロードに、サブタイトルの表示時刻を示す第２のタイムスタンプが挿入されており、
　上記処理部は、
　通常再生モードでは、上記第２のタイムスタンプを参照してサブタイトルの表示処理を行う
　前記（１０）に記載の受信装置。
　（１２）上記多重化ストリームには、上記サブタイトルパケットに上記第２のタイムスタンプの挿入があることを示す識別情報が挿入されており、
　上記処理部は、上記識別情報に基づいて、上記サブタイトルパケットから上記第２のタイムスタンプを抽出して用いる
　前記（１１）に記載の受信装置。
　（１３）受信部により、ペイロードに符号化画像データを持つビデオパケットにより構成されるビデオストリームとペイロードにサブタイトル情報を持つサブタイトルパケットにより構成されるサブタイトルストリームを含む多重化ストリームを受信する受信ステップを有し、
　上記多重化ストリームにおいて、上記サブタイトルパケットはランダムアクセス位置に配置されており、
　上記多重化ストリームから上記サブタイトルパケットを、上記ランダムアクセス位置のビデオパケットと共に取り出してサブタイトルの表示処理を行う処理ステップをさらに有する
　受信方法。
　本技術の主な特徴は、多重化ストリームとしてのトランスポートストリームＴＳを生成するに当たって、サブタイトルＰＥＳパケットをランダムアクセス位置に配置することで、受信側における変速再生モードでのサブタイトル表示処理の簡単化を図るようにしたことである（図１８参照）。
　１０・・・送受信システム
　１００・・・放送送出システム
　１１０・・・ストリーム生成部
　１１１・・・制御部
　１１２・・・ビデオエンコーダ
　１１３・・・オーディオエンコーダ
　１１４・・・テキストフォーマット変換部
　１１５・・・サブタイトルエンコーダ
　１１６・・・ＴＳフォーマッタ（マルチプレクサ）
　１２０・・・タイミング管理部
　１２１・・・ビデオタイミング管理部
　１２２・・・オーディオタイミング管理部
　１２３・・・ＲＡＰタイミング管理部
　１２４・・・サブタイトル表示タイミング管理部
　２００・・・テレビ受信機
　２０１・・・受信部
　２０１ａ・・・蓄積媒体
　２０２・・・ＴＳ解析部
　２０３・・・ビデオデコーダ
　２０４・・・ビデオ重畳部
　２０５・・・パネル駆動回路
　２０６・・・表示パネル
　２０７・・・オーディオデコーダ
　２０８・・・音声出力回路
　２０９・・・スピーカ
　２１０・・・サブタイトルデコーダ
　２２１・・・ＣＰＵ

Claims (13)

  1. 　ペイロードに符号化画像データを持つビデオパケットにより構成されるビデオストリームを生成するビデオエンコード部と、
    　ペイロードにサブタイトル情報を持つサブタイトルパケットにより構成されるサブタイトルストリームを生成するサブタイトルエンコード部と、
    　上記ビデオストリームと上記サブタイトルストリームを含む多重化ストリームを生成する多重化ストリーム生成部と、
    　上記多重化ストリームを送信する送信部を備え、
    　上記多重化ストリーム生成部は、
    　上記サブタイトルパケットを、ランダムアクセス位置に配置する
    　送信装置。
  2. 　上記サブタイトルエンコード部は、
    　上記サブタイトルパケットのヘッダのタイムスタンプ挿入位置に、上記ランダムアクセス位置のビデオパケットのヘッダのタイムスタンプ挿入位置に挿入されるタイムスタンプの値と同じか、あるいは近傍の値のタイムスタンプを挿入する
    　請求項１に記載の送信装置。
  3. 　上記サブタイトルエンコード部は、
    　上記サブタイトルパケットのヘッダまたはペイロードに、サブタイトルの表示時刻を示す独自タイムスタンプを挿入する
    　請求項２に記載の送信装置。
  4. 　上記多重化ストリーム生成部は、
    　上記多重化ストリームに、上記サブタイトルパケットに上記独自タイムスタンプの挿入があることを示す識別情報を挿入する
    　請求項３に記載の送信装置。
  5. 　上記識別情報には、挿入位置を示す情報が付加されている
    　請求項４に記載の送信装置。
  6. 　上記サブタイトル情報は、表示タイミング情報を持つ所定フォーマットのサブタイトルのテキスト情報である
    　請求項１に記載の送信装置。
  7. 　上記所定フォーマットのサブタイトルのテキスト情報は、ＴＴＭＬあるいは該ＴＴＭＬの派生フォーマットである
    　請求項６に記載の送信装置。
  8. 　上記ビデオパケットおよび上記サブタイトルパケットはＰＥＳパケットであり、
    　上記多重化ストリームはＭＰＥＧ２トランスポートストリームである
    　請求項１に記載の送信装置。
  9. 　ペイロードに符号化画像データを持つビデオパケットにより構成されるビデオストリームを生成するビデオエンコードステップと、
    　ペイロードにサブタイトル情報を持つサブタイトルパケットにより構成されるサブタイトルストリームを生成するサブタイトルストリーム生成ステップと、
    　上記ビデオストリームと上記サブタイトルストリームを含む多重化ストリームを生成する多重化ストリーム生成ステップと、
    　送信部により、上記多重化ストリームを送信する送信ステップを有し、
    　上記多重化ストリーム生成ステップでは、
    　上記サブタイトルパケットを、ランダムアクセス位置に配置する
    　送信方法。
  10. 　ペイロードに符号化画像データを持つビデオパケットにより構成されるビデオストリームとペイロードにサブタイトル情報を持つサブタイトルパケットにより構成されるサブタイトルストリームを含む多重化ストリームを受信する受信部を備え、
    　上記多重化ストリームにおいて、上記サブタイトルパケットはランダムアクセス位置に配置されており、
    　上記多重化ストリームから上記サブタイトルパケットを、上記ランダムアクセス位置のビデオパケットと共に取り出してサブタイトルの表示処理を行う処理部をさらに備える
    　受信装置。
  11. 　上記サブタイトルパケットのヘッダのタイムスタンプ挿入位置には、上記ランダムアクセス位置のビデオパケットのヘッダのタイムスタンプ挿入位置に挿入されるタイムスタンプの値と同じか、あるいは近傍の値の第１のタイムスタンプが挿入されており、
    　上記サブタイトルパケットのヘッダまたはペイロードに、サブタイトルの表示時刻を示す第２のタイムスタンプが挿入されており、
    　上記処理部は、
    　通常再生モードでは、上記第２のタイムスタンプを参照してサブタイトルの表示処理を行う
    　請求項１０に記載の受信装置。
  12. 　上記多重化ストリームには、上記サブタイトルパケットに上記第２のタイムスタンプの挿入があることを示す識別情報が挿入されており、
    　上記処理部は、上記識別情報に基づいて、上記サブタイトルパケットから上記第２のタイムスタンプを抽出して用いる
    　請求項１１に記載の受信装置。
  13. 　受信部により、ペイロードに符号化画像データを持つビデオパケットにより構成されるビデオストリームとペイロードにサブタイトル情報を持つサブタイトルパケットにより構成されるサブタイトルストリームを含む多重化ストリームを受信する受信ステップを有し、
    　上記多重化ストリームにおいて、上記サブタイトルパケットはランダムアクセス位置に配置されており、
    　上記多重化ストリームから上記サブタイトルパケットを、上記ランダムアクセス位置のビデオパケットと共に取り出してサブタイトルの表示処理を行う処理ステップをさらに有する
    　受信方法。
PCT/JP2016/053869 2015-02-20 2016-02-09 送信装置、送信方法、受信装置および受信方法 WO2016132977A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
EP16752363.8A EP3261353B1 (en) 2015-02-20 2016-02-09 Transmission device, transmission method, reception device, and reception method
US15/543,424 US10225589B2 (en) 2015-02-20 2016-02-09 Transmission apparatus, transmission method, reception apparatus, and reception method
CN201680009873.6A CN107211170B (zh) 2015-02-20 2016-02-09 传输装置、传输方法、接收装置以及接收方法
JP2017500621A JP6729547B2 (ja) 2015-02-20 2016-02-09 送信装置、送信方法、受信装置および受信方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2015031800 2015-02-20
JP2015-031800 2015-02-20

Publications (1)

Publication Number Publication Date
WO2016132977A1 true WO2016132977A1 (ja) 2016-08-25

Family

ID=56689236

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2016/053869 WO2016132977A1 (ja) 2015-02-20 2016-02-09 送信装置、送信方法、受信装置および受信方法

Country Status (5)

Country Link
US (1) US10225589B2 (ja)
EP (1) EP3261353B1 (ja)
JP (5) JP6729547B2 (ja)
CN (1) CN107211170B (ja)
WO (1) WO2016132977A1 (ja)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4322238A3 (en) 2010-01-19 2024-05-15 Sirigen II Limited Novel reagents for directed biomarker signal amplification
US10225600B2 (en) * 2015-04-13 2019-03-05 Sony Corporation Transmission device, transmission method, reproduction device and reproduction method
EP3470976A1 (en) * 2017-10-12 2019-04-17 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Method and apparatus for efficient delivery and usage of audio messages for high quality of experience
CN108111896B (zh) * 2018-01-16 2020-05-05 北京三体云联科技有限公司 一种字幕同步方法及装置
CN114302215B (zh) * 2021-12-29 2023-09-29 北京奕斯伟计算技术股份有限公司 视频数据流解码系统、方法、电子设备和介质
EP4221169A1 (en) * 2022-01-31 2023-08-02 Koa Health B.V. Sucursal en España System and method for monitoring communication quality

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008193203A (ja) * 2007-02-01 2008-08-21 Mitsubishi Electric Corp デジタル映像情報データ生成装置、デジタル映像情報記録装置、デジタル映像情報再生装置、及びデジタル映像情報データ生成方法
WO2009057298A1 (ja) * 2007-11-01 2009-05-07 Panasonic Corporation 記録媒体、再生装置、記録装置、再生方法、及び記録方法
JP2009165169A (ja) * 2009-04-20 2009-07-23 Sony Corp 情報処理装置および方法、プログラム、並びに記録媒体

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004032607A (ja) * 2002-06-28 2004-01-29 Sanyo Electric Co Ltd ディジタル映像再生装置
JP4781600B2 (ja) * 2002-09-24 2011-09-28 ソニー株式会社 情報処理装置および方法、プログラム、並びに記録媒体
JP4275611B2 (ja) * 2004-12-02 2009-06-10 ソニー株式会社 再生装置、再生方法および再生プログラム、記録媒体、ならびに、データ構造体
KR100782835B1 (ko) * 2005-01-29 2007-12-06 삼성전자주식회사 캡션 정보의 출력시점 및 출력 우선순위를 조절하는 방법및 그 장치
US8745687B2 (en) * 2005-02-15 2014-06-03 Sony Corporation Digital closed caption transport in standalone stream
JP4311570B2 (ja) * 2005-07-01 2009-08-12 株式会社ソニー・コンピュータエンタテインメント 再生装置、ビデオ復号装置および同期再生方法
US20070154176A1 (en) * 2006-01-04 2007-07-05 Elcock Albert F Navigating recorded video using captioning, dialogue and sound effects
JP5685969B2 (ja) 2011-02-15 2015-03-18 ソニー株式会社 表示制御方法、表示制御装置
US9584837B2 (en) * 2011-12-16 2017-02-28 Sony Corporation Receiving device and method of controlling the same, distribution device and distribution method, program, and distribution system
US20140078248A1 (en) * 2012-01-13 2014-03-20 Sony Corporation Transmitting apparatus, transmitting method, receiving apparatus, and receiving method
KR101781887B1 (ko) * 2014-02-23 2017-09-26 엘지전자 주식회사 방송 신호 송수신 방법 및 장치

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008193203A (ja) * 2007-02-01 2008-08-21 Mitsubishi Electric Corp デジタル映像情報データ生成装置、デジタル映像情報記録装置、デジタル映像情報再生装置、及びデジタル映像情報データ生成方法
WO2009057298A1 (ja) * 2007-11-01 2009-05-07 Panasonic Corporation 記録媒体、再生装置、記録装置、再生方法、及び記録方法
JP2009165169A (ja) * 2009-04-20 2009-07-23 Sony Corp 情報処理装置および方法、プログラム、並びに記録媒体

Also Published As

Publication number Publication date
JP7176598B2 (ja) 2022-11-22
JP2024152974A (ja) 2024-10-25
JP7578129B2 (ja) 2024-11-06
JP2020174367A (ja) 2020-10-22
EP3261353A1 (en) 2017-12-27
EP3261353A4 (en) 2018-07-18
CN107211170B (zh) 2020-07-10
JP2023001309A (ja) 2023-01-04
US20180007406A1 (en) 2018-01-04
US10225589B2 (en) 2019-03-05
CN107211170A (zh) 2017-09-26
JP6927374B2 (ja) 2021-08-25
JP6729547B2 (ja) 2020-07-22
JPWO2016132977A1 (ja) 2017-11-30
EP3261353B1 (en) 2021-03-31
JP2021184626A (ja) 2021-12-02

Similar Documents

Publication Publication Date Title
JP7176598B2 (ja) 送信方法
JP6825558B2 (ja) 送信装置、送信方法、再生装置および再生方法
RU2701172C2 (ru) Передающее устройство, способ передачи, приемное устройство и способ приема
JP6760296B2 (ja) 送信装置、送信方法、再生装置および再生方法
US11470296B2 (en) Transmitter, transmission method, receiver, and reception method
EP3306941B1 (en) Transmission device, transmission method, media processing device and media processing method
WO2017126509A1 (ja) 送信装置、送信方法、受信装置および受信方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 16752363

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2017500621

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 15543424

Country of ref document: US

REEP Request for entry into the european phase

Ref document number: 2016752363

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE