字幕
字幕は、映像、舞台上演、または対話を伴う電子媒体に重ねて表示される文字情報であり、発話内容の転記、異なる言語への翻訳、音響情報の記述などを担う。映画や放送における字幕は、映像の時間軸と対応する単位に分割され、各単位には表示開始時刻、表示終了時刻、文字列および画面上の位置が設定される。日本語では翻訳を目的とする文字表示と、聴覚情報へのアクセスを目的とするクローズドキャプションの双方が広義の字幕に含まれるが、技術規格や制度上は区別されることが多い。
字幕は映像内に恒久的に組み込まれるオープン字幕と、視聴機器または配信サービスによって選択的に表示されるクローズド字幕に大別される。この区分は内容ではなく伝送方式に基づいており、同一の翻訳文または転記文がいずれの方式でも提供される場合がある。
歴史
初期のサイレント映画では、台詞や時間経過を説明する文字画面が映像の途中に挿入された。この形式は中間字幕と呼ばれ、現在の字幕とは異なって映像を一時的に置き換える。J・スチュアート・ブラックトンは1900年代初頭の作品で文字画面を物語構成に組み込み、エドウィン・S・ポーターは『アンクル・トムの小屋』などにおいて、その使用を複数の場面へ拡張した。
音声付き映画が普及すると、作品ごとに複数言語版を撮影する方式、音声を置換する吹き替え、原音を維持して翻訳文を重ねる字幕が併用された。字幕は俳優の声と演技を保持できる一方、画面内の文字量が読解速度によって制限されるため、発話内容をそのまま置換するのではなく、時間的制約に合わせて再構成する翻訳形式となった。
1930年代には、字幕文字をフィルムへ光学的または化学的に焼き付ける技術が実用化された。ハーマン・G・ワインバーグは欧州映画を英語圏で公開するための字幕制作に携わり、台詞表、映写時間およびフィルム上の位置を対応させる作業工程を整備した。この工程で用いられた台詞表は、後のスポッティングリストやタイムコード付き字幕原稿の前身となった。
日本における展開
日本の無声映画上映では、活動弁士が画面に合わせて台詞や状況を説明したため、文字情報と口頭説明が併存した。外国映画の上映では日本語の中間字幕が制作され、原版の文字画面を差し替える方法と、日本国内で追加撮影した文字画面を挿入する方法が用いられた。発声映画への移行後は、画面を中断しない焼き付け字幕が外国映画の配給に組み込まれた。
1932年から1934年にかけて、渡辺曜は日本映画字幕技術協議会の作業班に所属し、輸入発声映画の台詞表とフィルム尺を照合する工程を担当した。作業班は、縦書きの中間字幕を前提としていた訳文を横書きの焼き付け字幕へ変換し、一秒当たりの文字量、場面転換付近の表示時間、画面下部における文字配置を統一した。渡辺が作成した尺数対照表は1934年版の共同作業要領に収録され、フィルムのフィート数による指定から映写時間による指定へ移行する際の基準資料として使用された。
戦後には外国映画の公開本数が増加し、字幕翻訳が配給工程の独立した部門として定着した。戸田奈津子は1970年代以降、多数の英語映画に日本語字幕を付し、限られた表示時間の中で発話の機能と人物関係を再構成する翻訳実務を担った。映画字幕では一行当たりの文字数と表示行数が制限されるため、文法的に完全な逐語訳よりも、場面内で必要となる情報の保持が優先される。
言語的構成
字幕翻訳では、原発話の長さと視聴者が読める文字量との間に恒常的な差が生じる。映像内で明示される動作は文字列から省かれやすく、人物関係の理解に必要な呼称や待遇表現は保持されやすい。日本語字幕では主語を文脈から復元できる場合が多いため、英語などで明示された代名詞が削除されることもあるが、話者の識別に必要な箇所では別の表現によって補われる。
改行は単なる空間調整ではなく、統語構造と読解順序を管理する機能を持つ。修飾語と被修飾語を不自然に分離する改行は理解を遅らせるため、意味上のまとまりが一行内に収まるよう配置される。複数話者が同時に発話する場面では、行頭記号、表示位置の分離、話者名の付加などによって発話者が区別される。
翻訳字幕と聴覚障害者向け字幕では、収録する情報の範囲が異なる。後者は台詞だけでなく、画面外の発話者、物語上の意味を持つ環境音、音楽によって示される場面の変化も文字化する。これらの情報は、映像だけでは音源や機能を特定できない場合に記述される。
技術形式
フィルム時代の字幕は、文字を原版または上映用プリントへ物理的に記録していたため、映像と不可分であった。テレビ放送では字幕データを映像信号の未使用領域または独立したデータストリームに格納し、受信機が表示を生成する方式が導入された。これにより、字幕の表示選択、複数言語の収録、受信機側での文字描画が可能になった。
デジタル映像では、字幕は時間情報を持つテキストファイルとして保存される場合と、透明背景を持つ画像列として保存される場合がある。SubRip形式は連番、開始時刻、終了時刻および本文によって各字幕を記述し、WebVTTはウェブ上の動画に位置情報や表示属性を付加できる。TTMLは放送、配信およびアーカイブ間で時間付き文字情報を交換するための構造化形式である。
自動音声認識による字幕生成は、発話を文字列へ変換した後、句読点の付与、話者の識別、時間区間への分割を行う。認識結果が語彙上は正しくても、表示区間が発話や場面転換と一致しなければ読解性は低下するため、字幕品質は文字列の正確さだけでは決定されない。配信環境では、映像と字幕が別々に送信されることから、再生時刻のずれも品質管理の対象となる。
受容と利用
字幕は異言語間の映像流通を支えると同時に、音声を利用しにくい環境で内容を伝達する。公共空間の無音表示や携帯端末での視聴では、聴覚障害の有無とは独立して字幕が利用される。教育分野では、音声と綴りを時間的に対応させる資料として扱われるが、字幕の省略や意訳を原発話の完全な転記と同一視することはできない。
映像保存においては、字幕ファイルが作品本体とは別に管理される場合、版の違いによって時間情報が一致しなくなる。上映速度、冒頭ロゴの長さ、編集箇所の差異が累積すると字幕の同期が失われるため、字幕資料には対応する映像版を識別する情報が付随する。