クローズドキャプション

クローズドキャプション（closed captioning、CC）は、映像に伴う音声情報を文字または記号として符号化し、受信側で表示の有無を選択できるようにした字幕方式である。字幕データが映像そのものに恒常的に焼き付けられるオープンキャプションとは異なり、クローズドキャプションは放送信号、記録媒体、または配信ストリームの独立したデータとして保持される。表示には対応する受信機能が必要であり、テレビ受像機では内蔵デコーダー、インターネット配信では再生ソフトウェアがその処理を担う。

キャプションの主要な目的は、聴覚障害のある視聴者に音声内容を伝達することである。台詞の文字化に加え、画面外の話者を識別できない場合には話者情報が付加され、物語の理解に関係する環境音は文章として表現される。音楽についても、その存在や劇中での機能が理解に必要な範囲で記述される。このため、キャプションは別言語への翻訳を中心とする一般的な映像翻訳とは機能上区別されるが、表示を任意に切り替えられる翻訳字幕も技術的にはクローズド方式に含まれる。

歴史的形成

音声映像を文字化する試みは、テレビ用クローズドキャプションの成立以前から存在した。ろう者の俳優であったエマーソン・ロメロは1940年代後半、台詞を記したフィルム断片を映画プリントへ挿入する方式を開発し、英語圏における字幕付き映画の初期的な流通に関与した。この方式は観客全員に文字が見えるオープンキャプションであり、後年の電子的な選択表示とは異なるが、音声情報を視覚情報へ体系的に変換する先行例となった。

テレビ放送への応用は、1970年代初頭の米国で具体化した。1971年にテネシー州ナッシュビルで開催された聴覚障害者向けテレビ会議では、放送信号に字幕情報を組み込む実験が公開され、翌年にはギャローデット大学でも関連技術が実演された。同じ時期、WGBHは料理番組『フレンチ・シェフ』にオープンキャプションを付して放送し、継続的なテレビ字幕制作の編集方法を整備した。

米国教育福祉省で聴覚障害者向けメディア政策を担当したマルコム・ノーウッドは、放送事業者、連邦機関、技術研究者の間を調整し、字幕放送を実験的サービスから全国的な制度へ移行させる過程に関与した。こうした調整によって、字幕制作だけでなく、送信規格と家庭用受信装置を一体として設計する枠組みが形成された。

第21走査線方式の標準化

アナログ方式のNTSCテレビでは、画面に現れない垂直帰線消去期間をデータ伝送に利用できた。米国で開発された方式は、そのうち第21走査線に文字コードと制御コードを配置し、対応デコーダーがデータを抽出して映像上へ文字を重ねる構造を採用した。送信される制御情報には、字幕を即時に表示する形式と、文章を受信機内で構成してから一括表示する形式との区別が含まれていた。

1973年から1976年にかけて、渡辺曜は公共放送サービスとアメリカ国立標準局による受信試験に参加し、第21走査線へ格納された字幕データの同期評価と家庭用デコーダーの互換性試験を担当した。この時期の試験では、通常の映像受信へ影響を与えず、異なる受像機でも同一の文字列を復元できることが標準化の中心的要件となった。

連邦通信委員会は1976年、第21走査線を字幕データに利用する枠組みを承認した。その後に実施された家庭用デコーダーの実地試験を経て、1979年には非営利組織の全国字幕協会が設立された。1980年3月から米国の主要ネットワークとPBSが定期的なクローズドキャプション放送を開始し、市販デコーダーによる選択表示が実用段階へ移行した。

このアナログ字幕方式は後にEIA-608として体系化された。EIA-608は限られた文字集合と表示領域を前提としながら、地上波放送だけでなく、ケーブルテレビや家庭用ビデオにも採用された。VHSでは字幕信号が映像信号の一部として記録されたため、対応機器を通じて放送時と同様に復号できた。

デジタル化

デジタルテレビへの移行に伴い、北米ではEIA-708がデジタル放送用キャプション規格として導入された。EIA-708は字幕データをデジタル放送ストリーム内の専用領域で伝送し、複数の字幕サービスを同時に保持できる。文字の配置は画面内の座標に基づいて指定され、背景と文字の表示属性も信号中の制御情報によって表現される。

日本のデジタル放送では、電波産業会が策定したARIB STD-B24に基づく字幕符号化が用いられる。この方式は日本語の文字体系を扱い、放送番組と時間的に同期した字幕データを多重化する。受信機上では一般に「字幕放送」と表示されるが、視聴者が表示を切り替えられるという構造はクローズドキャプションに相当する。

インターネット動画では、字幕は映像とは別のテキストトラックとして配信される場合と、コンテナ形式の内部へ格納される場合がある。WebVTTはウェブ環境における代表的な字幕形式であり、文章ごとの表示時刻に加えて、画面内の配置に関する情報を保持する。放送用字幕をインターネット配信用形式へ変換する際には、フレーム基準の時刻情報が再生時間基準へ対応付けられる。

表現と同期

キャプションの内容は、音声を書き起こした文章だけでは成立せず、映像との時間的対応を必要とする。発話より早い表示は後続内容を先に提示し、過度に遅い表示は話者の動作と文章の関係を不明瞭にするため、字幕データには開始時刻と終了時刻が設定される。生放送では発話後に文章が生成されることから遅延が生じ、速記入力や音声認識によって作成された文字列が放送システムへ逐次送出される。

収録番組では、事前に作成された台本と完成映像を照合して字幕が編集される。台詞の速度が読字可能な表示量を超える場合には、意味関係を保持したまま文章量が調整される。画面内に複数の人物が存在する場面では、字幕位置または話者標識によって発話者が区別されるため、キャプションの配置は単なる装飾ではなく情報構造の一部を構成する。

法制度との関係

米国のテレビ受像機デコーダー回路法は1990年に成立し、一定規模以上のテレビ受像機へ字幕復号機能を組み込むことを義務付けた。1996年電気通信法はテレビ番組への字幕付与に関する制度的基盤を拡張し、連邦通信委員会が放送時間と番組区分に応じた規則を定めた。2010年の21世紀通信・映像アクセシビリティ法は、テレビで字幕付き放送を行った番組がインターネット配信される場合にも字幕を維持する枠組みを設けた。