數(shù)字資源建設(shè)中視頻與音頻信息的采集

數(shù)字資源建設(shè)中視頻與音頻信息的采集

大多數(shù)大型圖書館都保存著大量的音像制品和材料，如錄音、視頻記錄、唱片、電影剪輯、cd-romd等。其中豐富的歷史資料和重要的研究價值。隨著圖書館數(shù)字資源建設(shè)的開展,需要把傳統(tǒng)圖書館中的視音頻資料轉(zhuǎn)變成圖書館中的數(shù)字化的內(nèi)容,使人們能夠通過網(wǎng)絡(luò)聽音樂、看電影,從而讓更多的人更加方便地訪問圖書館中的視音頻資料。本文試從模擬信號的數(shù)字化、常見視音頻文件格式和視音頻節(jié)目的編輯整理及非線性編輯系統(tǒng)等幾個方面,談?wù)剶?shù)字資源建設(shè)中視頻與音頻信息的采集。傳統(tǒng)的音像制品包括錄音帶、錄像帶、唱片、電影拷貝等,是以模擬的方式記錄聲音和圖像信息的,播放這些音像制品的設(shè)備也是模擬的電子和光學(xué)設(shè)備。一般來講,它們都是把聲音和光學(xué)信號轉(zhuǎn)變成不同強度的電信號,這些電信號再通過記錄設(shè)備改變存儲介質(zhì)的某些物理特性(比如:磁場、形狀、光學(xué)性質(zhì)等)來記錄這些信號。在播放時,過程剛好相反,先是根據(jù)介質(zhì)上各個記錄區(qū)域的物理特性還原出電信號,再利用這些電信號的強度,通過播放設(shè)備產(chǎn)生接近于真實感覺的聲學(xué)和光學(xué)效果。數(shù)字化的節(jié)目,是以編碼的方式保存在數(shù)字化存儲設(shè)備上的。與聲音和光學(xué)信號對應(yīng)的不再是電信號的強度變化,而是數(shù)字化的編碼序列。因此,圖書館要做的就是把模擬音像制品介質(zhì)上記錄的電信號的強度變化提取出來,再按照數(shù)字化播放設(shè)備可以使用的編碼格式進行編碼。由于視音頻內(nèi)容的數(shù)據(jù)量比較大,在數(shù)字化的過程中通常要進行壓縮處理。對于視音頻內(nèi)容,經(jīng)常使用的是具有較高壓縮效率的帶有失真的壓縮算法。對那些本來就是數(shù)字化的視音頻內(nèi)容,有時候需要進行編碼格式的轉(zhuǎn)換。圖書館數(shù)字化過程分為兩個部分:采樣和編碼。采樣就是在時域和空域上,按照一定的間隔和順序,對連續(xù)的模擬信號進行量化,得到離散的數(shù)字化的數(shù)據(jù)序列的過程。通常情況下,設(shè)備越先進,采樣的間隔越小,樣本數(shù)據(jù)的精度越高,采樣的效果就越好,數(shù)據(jù)量也越大。不過,節(jié)目源的質(zhì)量決定了數(shù)字化后的節(jié)目所能達到的最高質(zhì)量。編碼是用預(yù)先規(guī)定的方法將文字、數(shù)字或其他對象編成數(shù)碼,或?qū)⑿畔?、?shù)據(jù)轉(zhuǎn)換成規(guī)定的電脈沖信號。在數(shù)字化過程中,圖書館可利用相應(yīng)的播放設(shè)備把介質(zhì)上存儲的節(jié)目轉(zhuǎn)變成強度連續(xù)變化的電信號。采編系統(tǒng)中的視(音)頻編碼卡對輸入的模擬信號進行采樣和模擬信號到數(shù)字量的轉(zhuǎn)換。在編碼卡驅(qū)動程序和采編軟件的配合下,編碼后的數(shù)據(jù)被儲存到大容量的存儲設(shè)備上。2.1midi音頻格式的選擇目前常見的音頻文件格式有WAV文件格式、MIDI文件格式、MPEG文件格式、RealAudio文件格式。值得注意的是,由于Windows本身的影響力,WAV文件格式已經(jīng)成為了事實上的通用音頻格式。在音頻信息采集中,圖書館如果希望文件占用空間和帶寬小,可選擇MIDI文件格式,在MIDI文件中,只包含產(chǎn)生某種聲音的指令,這些指令包括使用什么MIDl設(shè)備的音色、聲音的強弱、聲音持續(xù)多長時間等,計算機將這些指令發(fā)送給聲卡,聲卡按照指令將聲音合成出來,MIDI聲音在重放時可以有不同的效果,這取決于音樂合成器的質(zhì)量。相對于保存真實采樣數(shù)據(jù)的聲音文件,MIDI文件顯得更加緊湊,其文件尺寸通常比聲音文件小得多。圖書館采集音頻信息時,如果期望得到很高的壓縮率,同時其音質(zhì)基本保持不失真,可選擇使用MP3文件格式,MPEG音頻編碼具有很高的壓縮率。MP1和MP2的壓縮率分別為4∶1和6∶1-8∶1;而MP3壓縮率則高達10∶1-12∶1,也就是說一分鐘CD音質(zhì)的音樂,未經(jīng)壓縮需要1OMB存儲空間,而經(jīng)過MP3壓縮編碼后只有1MB左右,同時其音質(zhì)基本保持不失真,因此,目前使用最多的是MP3文件格式。如果打算用于在低速率的廣域網(wǎng)上實時傳輸音頻信息,可選擇使用RealAudio文件,使用RealAudio文件,網(wǎng)絡(luò)連接速率不同,客戶端所獲得的聲音質(zhì)量也不盡相同。對于14.4kbps的網(wǎng)絡(luò)連接,可獲得調(diào)幅(AM)質(zhì)量的音質(zhì);對于28.8kbps的連接,可以達到廣播級的聲音質(zhì)量;如果擁有ISDN或更快的線路連接,則可獲得CD音質(zhì)的聲音。2.2采集影像文件的格式廣義的視頻文件可以分為兩類:動畫文件和影像文件。動畫文件指由相互關(guān)聯(lián)的若干幀靜止圖像所組成的圖像序列,這些靜止圖像連續(xù)播放便形成了一組動畫,通常用來完成簡單的動態(tài)過程演示。影像文件是指那些包含了實時的音頻、視頻信息的多媒體文件,其多媒體信息通常來源于視頻輸入設(shè)備,由于同時包含了大量的音頻、視頻信息,影像文件往往相當(dāng)龐大。目前常見的動畫文件格式有GIF文件格式和FLIC文件格式。圖書館采集視頻信息時,如果主要目的是用于網(wǎng)絡(luò)傳輸,可選擇GIF文件格式。因為GIF除了逐行顯示方式外,還增加了漸顯方式。也就是,在圖像傳輸過程中,圖書館用戶可以看到圖像大體輪廓,然后隨著傳輸過程的繼續(xù)而逐漸看清圖像的細節(jié)。如果是要形成壓縮比較高的彩色動畫文件格式,可選擇FLIC文件格式。影像文件格式有AVI文件格式、QuickTime文件格式、MPEG文件格式、RealVideo文件格式。在采集影像文件時,如果主要目的是用多媒體光來保存電影、電視等各種影像信息,可選擇AVI格式文件。如果希望通過Internet提供實時的數(shù)字化信息流、工作流與文件回放功能,可選擇QuickTime文件格式。若期望壓縮效率非常高,同時圖像和音響的質(zhì)量也非常好,可選擇MPEG文件格式。如果主要用來在低速率的廣域網(wǎng)上實時傳輸活動視頻影像,可以選擇RealVideo文件格式。2.3多媒體節(jié)目編輯系統(tǒng)目前,基于TCP/IP協(xié)議的Internet是多媒體數(shù)據(jù)傳輸?shù)闹饕緩?。然?有限的網(wǎng)絡(luò)帶寬限制了視頻數(shù)據(jù)的實時傳輸,解決問題的關(guān)鍵在于采用使圖像幀內(nèi)、幀間相關(guān)性趨近于零的有損壓縮方式,同時以減小圖像尺寸及每秒幀數(shù)為代價,實現(xiàn)視頻信息的實時傳送和實時播放。由此,新型的流式視頻格式便應(yīng)運而生。流式視頻格式中,視頻流的作用在于緩沖視頻并實時播放它,低分辨率、低幀率的視頻畫面首先出現(xiàn),允許用戶快速決定是否繼續(xù)觀看視頻或把它下載到硬盤中,如果有較多的下載時間或者較快的網(wǎng)絡(luò)連接,該視頻將持續(xù)改善畫面質(zhì)量和顯示幀率,直到所有的視頻數(shù)據(jù)都已下載到客戶機中為止,這種邊傳邊播的方法避免了用戶必須等待整個文件從Internet上全部下載完畢才能觀看的缺點。到目前為止,Internet上使用較多的流式視頻格式主要有以下三種:RealNetworks公司的RealMedia、Apple公司的QuickTime以及Microsoft公司的AdvancedStreamingFormat(ASF)。在采集流式視頻格式文件時,可以根據(jù)網(wǎng)絡(luò)數(shù)據(jù)傳輸速率的不同,利用RealMedia制定了不同的壓縮比率,使用14.4kbps、28.8kbps以及ISDN56kbps三種不同速率下的RealMedia流格式。若打算存儲單個的媒體內(nèi)容(如視頻幀或音頻采樣),而且能保存對該媒體作品的完整描述,可以使用QuickTime。QuickTime為多種流行的瀏覽器軟件提供了相應(yīng)的QuickTimeViewer插件,該插件可以在視頻數(shù)據(jù)下載的同時就開始播放視頻圖像,用戶不需要等到全部下載完畢就能進行欣賞。當(dāng)用戶通過調(diào)用插件來播放QuickTime多媒體文件時,能夠自己選擇不同的連接速率而下載并播放相應(yīng)圖像質(zhì)量的交互式多媒體文件。如果期望在互聯(lián)網(wǎng)上實時傳播多媒體,可選擇ASF,ASF的主要優(yōu)點包括:本地或網(wǎng)絡(luò)回放、可擴充的媒體類型、部件下載、可伸縮的媒體類型、流的優(yōu)先級化、多語言支持、環(huán)境獨立性、豐富的流間關(guān)系以及擴展性等。為了讓讀者能夠有效地利用,常常需要對經(jīng)過數(shù)字化后的視音頻內(nèi)容進行適當(dāng)?shù)木庉嫼驼?。在編輯中最常見的操作是剪切和拼?通過這些操作可以把不同素材中的視頻片斷組織在一起形成新的節(jié)目單元。其他的編輯功能包括視頻片斷銜接處的過渡處理,視頻與音頻的合成和分離,多路節(jié)目的疊加等。圖書館進行數(shù)字化視音頻節(jié)目編輯的工具稱為非線性編輯系統(tǒng)。傳統(tǒng)的視頻節(jié)目制作過程中,節(jié)目素材以錄像帶的方式保存,不便于保管和查找,由于模擬設(shè)備的特點,經(jīng)過多次的編輯與合成之后,圖像質(zhì)量明顯降低。為了提高視頻節(jié)目的制作效率,幾年前,許多公司開始開發(fā)利用先進計算機技術(shù)的數(shù)字化的節(jié)目編輯制作系統(tǒng)。由于在工作時素材以文件的方式儲存在硬盤中,不需要通過順序地瀏覽錄像帶來定位節(jié)目內(nèi)容,所以稱作非線性編輯系統(tǒng)。非線性編輯系統(tǒng)的使用,使得視頻節(jié)目的制作方式發(fā)生了根本轉(zhuǎn)變,進入了數(shù)字化時代。不過,它們?nèi)匀挥幸恍┎槐M如人意的地方,主要的問題在于,壓縮效率和節(jié)目質(zhì)量之間的矛盾難以解決,這些系統(tǒng)(如使用比較多的AdobePremier等)使用的編碼方法(如MotionJPEG,MPEG-1,AVI等)的編碼效率都比較低,不同的格式也影響了節(jié)目的互換性。這些問題,導(dǎo)致了非線性編輯系統(tǒng)價格昂貴且不具有通用性?，F(xiàn)在,許多技術(shù)實力比較強的公司都在開發(fā)基于MP