信息技術 可關閉字幕

ICS35.040

L71

中華人民共和國國家標準

GB/TXXXXX—XXXX

信息技術可關閉字幕

Informationtechnology-ClosedCaptioning

（征求意見稿）

(在提交反饋意見時,請將您知道的相關專利連同支持性文件一并附上)

XXXX-XX-XX發(fā)布XXXX-XX-XX實施

GB/TXXXXX—XXXX

前??言

本文件按照GB/T1.1—2020《標準化工作導則第1部分：標準化文件的結構和起草規(guī)則》的規(guī)定起

草。

本文件為GB/TXXXXX。

本文件由全國信息技術標準化技術委員會（SAC/TC28）歸口。

本文件起草單位：

本文件主要起草人：

GB/TXXXXX-XXXX

信息技術可關閉字幕

1范圍

本文件規(guī)定了可關閉字幕的編碼、存儲和傳輸格式。

本文件適用于電視廣播、應急廣播、網絡流媒體、網絡電視和視頻點播等應用，為聽障人士提供信

息無障礙服務，或為不同語種地區(qū)觀眾提供當地所使用主語言的相應翻譯文本。

2規(guī)范性引用文件

下列文件對于本文件的應用是必不可少的。凡是注日期的引用文件，僅注日期的版本適用于本文件。

凡是不注日期的引用文件，其最新版本（包括所有的修改單）適用于本文件。

GB/T1988-1998信息技術信息交換用七位編碼字符集

GB2312-1980信息交換用漢字編碼字符集基本集

GB/T4880.3-2009語種名稱代碼第3部分：所有語種的3字母代碼

GB13000-2010信息技術通用多八位編碼字符集（UCS）

GB/T17975.1信息技術運動圖象及其伴音信息的通用編碼第1部分:系統(tǒng)

GB18030-2005信息技術中文編碼字符集

GB/T18793-2002信息技術可擴展置標語言（XML）1.0

GB/T20090.11-2015信息技術先進音視頻編碼第11部分：同步文本

GB/T33475.1-2019信息技術高效多媒體編碼第1部分：系統(tǒng)

GB/T33475.6-XXXX信息技術高效多媒體編碼第6部分：智能媒體傳輸

W3CXML可擴展置標語言（ExtensibleMarkupLanguage(XML)）

IETFRFC3550RTP：實時應用傳輸協(xié)議（RTP：Atransportprotocolforreal-timeapplications）

ISO/IEC13818-1信息技術運動圖像及其伴音信息的通用編碼第1部分：系統(tǒng)（ISO/IEC13818-

1:2018Informationtechnology—Genericcodingofmovingpicturesandassociatedaudio

information—Part1:Systems）

ISO/IEC14496-12信息技術音視頻對象的編碼第12部分：ISO基媒體文件格式（Information

technology–Codingofaudio-visualobjects–Part12:ISObasemediafileformat）

3術語和定義

下列術語和定義適用于本文件。

3.1

可關閉字幕closedcaptioning

與音視頻內容具有關聯(lián)關系的可以打開或關閉其呈現的文本。

注1：通常用于在電視、視頻屏幕或其他視覺顯示設備上為聽力障礙人群提供語音的文本轉錄或非語音內容的文本描述；

注2：還可為不同語種地區(qū)觀眾提供當地所使用主語言的相應翻譯文本。

3.2

保留值reserved

用于擴展目的保留的二進制位的值。不做特別說明情況下，其所有比特值為1。

3.3

1

GB/TXXXXX—XXXX

字幕文本captiontext

終端屏幕用于字幕顯示的文字。

3.4

CCF可關閉字幕文件closedcaptionfile

一種獨立存儲可關閉字幕的文本文件格式。

4縮略語

下列縮略語適用于本文件。

bslbf左位在先比特串（bitstringleftbitfirst）

CC可關閉字幕（ClosedCaptioning）

CCF可關閉字幕文件（ClosedCaptionFile）

CTS組合時間戳（CompositionTimeStamp）

DTS解碼時間戳（DecodingTimeStamp）

ISOBMFFISO基媒體文件格式（ISOBaseMediaFileFormat）

MPEG-2TSMPEG-2傳輸流（MPEG-2TransportStream）

MSB最高位(mostsignificantbit)

PCR節(jié)目時鐘參考（ProgramClockReference）

PTS顯示時間戳（PresentationTimeStamp）

uimsbf高位在前無符號整數（unsignedintegermostsignificantbitfirst）

UTF統(tǒng)一碼轉換格式（UnicodeTranformationFormat）

5約定

下列約定適用于本文件。

描述符

b(8)：一個任意取值的字節(jié)；

f(n)：取特定值的連續(xù)n個二進制位；

r(n)：連續(xù)n個‘1’；

u(n)：n位無符號整數，高位在前；

utf8：用UTF-8格式編碼的字符代碼。

函數

以下函數用于語法描述。假定解碼器中存在一個比特流指針，這個指針指向比特流中要讀取的下一

個比特的位置。函數由函數名及左右圓括號內的參數構成。函數也可沒有參數。

next_bits(n)

返回比特流的隨后n個比特，MSB在前，不改變比特流指針。如果剩余的比特少于n，則返回0。

round()

四舍五入取整。

6架構

本標準的架構如圖1所示，主要包含如下部分：

1）字幕編碼

規(guī)定可關閉字幕基本流的語法和語義。

2

GB/TXXXXX-XXXX

2）字幕存儲

規(guī)定字幕文件格式，包括獨立字幕文件格式CCF和基于ISOBMFF的擴展。

3）字幕傳輸

規(guī)定字幕基本流在MPEG-2TS中傳輸的格式。在其他協(xié)議上的傳輸在附錄A（規(guī)范性）中給出。

與字幕編碼具有對應關系的可關閉字幕表示在附錄B（資料性）中給出。

圖1.可關閉字幕架構

7可關閉字幕編碼

7.1字幕基本流語法

7.1.1字幕序列定義

字幕序列定義見表1。

表1字幕序列定義

字幕序列定義描述符

CC_sequence(){

do{

while((next_bits(32)==sample_start_code)){

CC_sample()

}

}while(next_bits(32)!=CC_sequence_end_code)

CC_sequence_end_codef(32)

}

7.1.2字幕樣本定義

字幕樣本定義見表2：

表2字幕樣本定義

字幕樣本定義描述符

CC_sample(){

sample_start_codef(32)

CC_type//字幕類型：255=應急廣播、1=普通文本字幕、2=圖片、3=手語注釋、4=直播字幕u(8)

language//三字符語言代碼b(24)

3

GB/TXXXXX—XXXX

caption_string_offset//本元素與字幕字符串之間的字節(jié)數u(8)

if(CC_type!=4&&CC_type!=255){//直播字幕和應急廣播沒有時間信息

time_infomation()

}

if(CC_type!=255){//應急廣播沒有格式描述信息

position_description()

display_description()

color_description()

font_description()

style_description()

}

for(i=0;i<N;i++)

user_data_byteb(8)

if(CC_type!=2){

caption_string()

}

else{

picture_data_byteb(8)

}

}

7.1.3時間信息定義

時間信息定義見表3：

表3時間信息定義

時間信息定義描述符

time_infomation(){

time_reference//時間參考：1=PCR，2=節(jié)目起始時間u(2)

time_format//時間格式：1=33位PTS，2=時分秒毫秒u(2)

end_type//終止時間表達方式：0=指定終止時間，1=指定持續(xù)時間u(2)

reservedr(2)

if(time_format==1){

reservedbslbf(4)

PTS[32..30]bslbf(3)

marker_bitbslbf(1)

PTS[29..15]bslbf(15)

marker_bitbslbf(1)

PTS[14..0]bslbf(15)

marker_bitbslbf(1)

if(end_type==0){

reservedbslbf(4)

4

GB/TXXXXX-XXXX

ETS[32..30]bslbf(3)

marker_bitbslbf(1)

ETS[29..15]bslbf(15)

marker_bitbslbf(1)

ETS[14..0]bslbf(15)

marker_bitbslbf(1)

}

if(end_type==1){

reservedbslbf(4)

duration[32..30]bslbf(3)

marker_bitbslbf(1)

duration[29..15]bslbf(15)

marker_bitbslbf(1)

duration[14..0]bslbf(15)

marker_bitbslbf(1)

}

}

if(time_format==2){

start_hour_add_1u(8)

start_minute_add_1u(8)

start_second_add_1u(8)

start_millisecond_add_1u(10)

reservedr(6)

if(end_type==0){

end_hour_add_1u(8)

end_minute_add_1u(8)

end_second_add_1u(8)

end_millisecond_add_1u(10)

reservedr(6)

}

if(end_type==1){

duration_hour_add_1u(8)

duration_minute_add_1u(8)

duration_second_add_1u(8)

duration_millisecond_add_1u(10)

reservedr(6)

}

}

}

7.1.4位置描述定義

位置描述定義見表4：

5

GB/TXXXXX—XXXX

表4位置描述定義

位置描述定義描述符

position_description(){//指定字幕窗口的位置

origin//原點：1=屏幕左上角，2=視頻顯示窗口左上角u(2)

abs_or_relative//絕對的還是相對的：1=絕對的，單位是像素；2=相對的，單位是1‰u(2)

position_format//指定字幕窗口位置的方式：1=指定中心點，2=指定左上角和右下角坐標u(4)

if(position_format==1){

center_x//中心點橫坐標u(15)

marker_bitf(1)

center_y//中心點縱坐標u(15)

marker_bitf(1)

reservedr(32)

}

if(position_format==2){

left//左上角橫坐標u(15)

marker_bitf(1)

top//左上角縱坐標u(15)

marker_bitf(1)

right//右下角橫坐標u(15)

marker_bitf(1)

bottom//右下角縱坐標u(15)

marker_bitf(1)

}

}

7.1.5顯示描述定義

顯示描述定義見表5：

表5顯示描述定義

顯示描述定義描述符

display_description(){

write_direction//書寫方向，值為0表示從左到右,值為1表示從上到下u(1)

horizontal_justification//水平對齊方式，0表示左對齊，1表示居中，2表示右對齊u(2)

vertical_justification//垂直對齊方式，0表示頂端對齊，1表示居中，2表示底端對齊u(2)

reserved//保留u(11)

}

7.1.6顏色描述定義

顏色描述定義見表6：

表6顏色描述定義

顏色描述定義描述符

color_description(){

6

GB/TXXXXX-XXXX

background_color_red//背景色的紅色分量u(8)

background_color_green//背景色的綠色分量u(8)

marker_bitf(1)

background_color_transparency//背景色的透明度分量u(7)

background_color_blue//背景色的藍色分量u(8)

background_width//背景寬度，255=填充整個字幕窗口，1~15=從文字向外擴展指定個像素u(8)

foreground_color_red//前景色的紅色分量u(8)

foreground_color_green//前景色的綠色分量u(8)

marker_bitf(1)

foreground_color_transparency//前景色的透明度分量u(7)

foreground_color_blue//前景色的藍色分量u(8)

reservedb(32)

}

7.1.7字體描述定義

字體描述定義見表7：

表7字體描述定義

字體描述定義描述符

font_description(){

font_id//字體序號u(8)

font_size//像素高度，abs_or_relative=1時單位是像素，abs_or_relative=2時單位是1‰u(8)

reservedr(8)

}

7.1.8風格描述定義

風格描述定義見表8：

表8風格描述定義

風格描述定義描述符

style_description(){

if(CC_type!=2){

bold_flag//加粗標志，0=正常，1=加粗u(1)

italic_flag//斜體標志，0=正常，1=斜體u(1)

underline_flag//下劃線標志，0=正常，1=加下劃線u(1)

reservedr(13)

}

if(CC_type==2){

picture_format//圖片格式，0=JPG，1=PNG，2=TIFF，3=GIFu(8)

reservedr(8)

}

}

7.1.9字幕字符串定義

7

GB/TXXXXX—XXXX

字幕字符串定義見表9：

表9字幕字符串定義

字幕字符串定義描述符

caption_string(){

do{

while(next_bits(8)!=0){

caption_charutf8

}

zero_bytef(8)

}while(next_bits(32)!=CC_sequence_end_code&&next_bits(32)!=sample_start_code)

}

7.2字幕基本流語義

7.2.1字幕序列

字幕序列由若干字幕樣本組成，以字幕樣本起始碼開始，以序列結束碼結束。

字幕序列結束碼CC_sequence_end_code

位串‘0x000001C1’。標識字幕序列的結束。

起始碼是一組特定的位串。在符合本文件的位流中，除起始碼外的任何情況下都不應出現這些位串。

起始碼由起始碼前綴和起始碼值構成。起始碼前綴是位串“000000000000000000000001”。

所有的起始碼都應字節(jié)對齊。

起始碼值是一個8位無符號整數，用來表示起始碼的類型，見表10。

表10起始碼值

起始碼類型起始碼值（十六進制）

字幕樣本起始碼（sample_start_code）C0

字幕序列結束碼（CC_sequence_end_code）C1

保留C2-C7

用戶自定義起始碼C8-FF，00-BF

掩碼位marker_bit

1位，取固定值1。設置掩碼位的目的是避免出現偽起始碼。

保留位reserved

保留的若干位，每一位都取固定值1。

7.2.2字幕樣本

字幕樣本起始碼sample_start_code

位串‘0x000001C0’。標識字幕樣本的開始。

字幕類型CC_type

8位無符號整數，值為1表示字幕樣本中包含的字幕是普通文本；值為2表示字幕樣本中包含的字

幕是圖片；值為3表示字幕樣本中包含的字幕是手語注釋（帶注釋的文本，用于說明手語動作）；值為

4表示字幕樣本是直播字幕；值為255表示字幕樣本是應急廣播。其他取值保留。CC_type取值分配見

表11。

8

GB/TXXXXX-XXXX

表11CC_type取值

CC_type含義

0禁止

1普通文本

2圖片

3手語注釋

4直播字幕

5..254保留

255應急廣播

當CC_type的值為2時，字幕類型為圖片。終端應忽略display_description()、

color_description()、font_description()中的格式信息。如果圖片的寬度和高度與

position_description()中指定的字幕窗口的寬度和高度不一致,終端應調整圖片使其適應字幕窗口。

當CC_type的值為4時，字幕類型為直播字幕。當終端接收到直播字幕時，應按照以下方法處理：

——如果直播字幕的字幕字符串不為空，則按照以下方式處理：

（1）如果終端正在顯示直播字幕，則立即停止正在顯示的直播字幕，并立即顯示本條直播字幕；

（2）如果終端沒有正在顯示的直播字幕，則立即顯示本條直播字幕。

——如果直播字幕的字幕字符串為空，即沒有出現caption_char字段，則按照以下方式處理；

（1）如果終端正在顯示直播字幕，則立即停止正在顯示的直播字幕；

（2）如果終端沒有正在顯示直播字幕，則不做任何動作。

當CC_type的值為255時，字幕類型為應急廣播。當終端接收到應急廣播時，應按照以下方法處理：

——如果應急廣播的字幕字符串不為空，則立即開始按照以下規(guī)定的方式開始播放應急廣播的內容,

直到接收到下一條應急廣播為止；

——如果應急廣播的字幕字符串為空，即沒有出現caption_char字段，則按照以下方式處理；

（1）如果終端正在播放應急廣播，則應立即停止正在播放的應急廣播；

（2）如果終端沒有正在播放應急廣播，則不做任何動作。

應急廣播的格式信息取以下值，其中有些字段的取值在指定的范圍之內即可,終端可根據自身情況

決定具體取值：

origin=1

abs_or_relative=2

position_format=2

left=0

top應大于等于800小于等于900

right=1000

bottom=1000

write_direction=0

horizontal_justification=3（此字段在應急廣播的格式描述中應被忽略）

vertical_justification=1

background_color_red=16

background_color_green=16

background_color_transparency=100

background_color_blue=240

background_width=255

foreground_color_red=240

9

GB/TXXXXX—XXXX

foreground_color_green=240

foreground_color_transparency=100

foreground_color_blue=240

font_id=0

font_size的值大于等于（bottom-top）*0.7小于等于（bottom-top）*0.9

bold_flag=0

italic_flag=0

underline_flag=0

應急廣播應采用走馬燈的方式播放。文字從屏幕右側向左側勻速運動，運動速度為每秒5個漢字。

走馬燈文字頭尾間隔大于等于10個漢字，小于等于屏幕寬度。

如果應急廣播的字幕字符串中出現回車、換行符，則終端應忽略這些回車、換行符。

語言language

24位比特串，GB/T4880.3-2009規(guī)定的三字母語言代碼。符合本標準的終端至少應支持中文（zho）

和英文（eng）。

字幕字符串偏移caption_string_offset

8位無符號整數，表示本字段與字幕字符串之間的字節(jié)數。

用戶數據字節(jié)user_data_byte

用戶數據字節(jié)，其數量由字幕字符串偏移和字幕格式信息、時間信息的字節(jié)數共同確定。用戶數據

也可以起到填充的作用。用戶數據的含義本標準不做規(guī)定，但用戶數據應保證不出現偽起始碼。解碼器

可忽略這些數據。

圖片數據字節(jié)picture_data_byte

當CC_type的值為2時，此字段中包含圖片文件數據字節(jié)。

7.2.3時間信息

時間參考time_reference

2位無符號整數。值為1表示字幕樣本中的時間相對于節(jié)目時鐘參考（PCR）；值為2表示字幕樣本

中的時間相對于節(jié)目的開始時刻，節(jié)目的開始時刻定義為0時刻。

時間格式time_format

2位無符號整數。值為1表示字幕樣本中的時間格式是33位時間戳，單位是1/90000秒；值為2

表示字幕樣本中的時間格式是時分秒毫秒，分別用1/1/1/2個字節(jié)表示。如果時間參考取值1，則時間

格式應取值1；如果時間參考取值2，則時間格式應取值2。

終止時間表達方式end_type

2位無符號整數。值為0表示字幕樣本中給出字幕顯示的終止時刻，值為1表示字幕樣本中給出字

幕顯示的持續(xù)時間。

顯示時間戳PTS

33位無符號整數，表示字幕開始顯示的時刻。為了防止出現偽起始碼，顯示時間戳被分為3個部

分，中間用掩碼位分割開。顯示時間戳的編碼格式與ISO/IEC13818-1相同。

結束時間戳ETS

33位無符號整數，表示字幕結束顯示的時刻。為了防止出現偽起始碼，結束時間戳被分為3個部

分，中間用掩碼位分割開。結束時間戳的編碼格式與顯示時間戳相同。

字幕持續(xù)顯示時間duration

33位無符號整數，表示字幕持續(xù)顯示的時間長度，單位為1/90000秒。為了防止出現偽起始碼，

字幕持續(xù)顯示時間被分為3個部分，中間用掩碼位分割開。字幕持續(xù)顯示時間的編碼格式與顯示時間戳

10

GB/TXXXXX-XXXX

相同。

字幕開始時加1start_hour_add_1

8位無符號整數，表示字幕開始顯示時間的小時加1。start_hour_add_1的取值范圍是1..24。

字幕開始分加1start_minute_add_1

8位無符號整數，表示字幕開始顯示時間的分鐘加1。start_minute_add_1的取值范圍是1..60。

字幕開始秒加1start_second_add_1

8位無符號整數，表示字幕開始顯示時間的秒加1。start_second_add_1的取值范圍是1..60。

字幕開始毫秒加1start_millisecond_add_1

10位無符號整數，表示字幕開始顯示時間的毫秒加1。start_millisecond_add_1的取值范圍是

1..1000。

字幕開始時間記為SH:SM:SS:SX，計算方式如下：

SH=start_hour_add_1-1

SM=start_minute_add_1-1

SS=start_second_add_1–1

SX=start_millisecond_add_1–1

字幕結束時加1end_hour_add_1

8位無符號整數，表示字幕結束顯示時間的小時加1。end_hour_add_1的取值范圍是1..24。

字幕結束分加1end_minute_add_1

8位無符號整數，表示字幕結束顯示時間的分鐘加1。end_minute_add_1的取值范圍是1..60。

字幕結束秒加1end_second_add_1

8位無符號整數，表示字幕結束顯示時間的秒加1。end_second_add_1的取值范圍是1..60。

字幕結束毫秒加1end_millisecond_add_1

10位無符號整數，表示字幕結束顯示時間的毫秒加1。end_millisecond_add_1的取值范圍是

1..1000。

字幕結束時間記為EH:EM:ES:EX，計算方式如下：

EH=end_hour_add_1-1

EM=end_minute_add_1-1

ES=end_second_add_1–1

EX=end_millisecond_add_1–1

字幕持續(xù)時加1duration_hour_add_1

8位無符號整數，表示字幕持續(xù)顯示時間的小時加1。duration_hour_add_1的取值范圍是1..24。

字幕持續(xù)分加1duration_minute_add_1

8位無符號整數，表示字幕持續(xù)顯示時間的分鐘加1。duration_minute_add_1的取值范圍是1..60。

字幕持續(xù)秒加1duration_second_add_1

8位無符號整數，表示字幕持續(xù)顯示時間的秒加1。duration_second_add_1的取值范圍是1..60。

字幕持續(xù)毫秒加1duration_millisecond_add_1

10位無符號整數，表示字幕持續(xù)顯示時間的毫秒加1。duration_millisecond_add_1的取值范圍

是1..1000。

字幕持續(xù)時間記為DH:DM:DS:DX，計算方式如下：

DH=duration_hour_add_1-1

DM=duration_minute_add_1-1

DS=duration_second_add_1–1

DX=duration_millisecond_add_1–1

11

GB/TXXXXX—XXXX

7.2.4位置描述

位置描述中包含樣本顯示位置的信息。字幕窗口示意圖見圖2。規(guī)定屏幕左上角為坐標原點，橫坐

標從左向右增加，縱坐標從上到下增加。屏幕水平分辨率記為ScreenWidth，屏幕垂直分辨率記為

ScreenHeight，視頻窗口左上角坐標記為（VideoWindowX0，VideoWindowY0），視頻窗口的寬度和高度

記為VideoWindowWidth和VideoWindowHeight。

圖2.字幕窗口示意圖

原點origin

2位無符號整數，值為1表示坐標原點在屏幕左上角，值為2表示坐標原點在視頻顯示窗口左上角。

絕對或相對abs_or_relative

2位無符號整數，值為1表示給出的位置坐標是絕對坐標，單位是像素；值為2表示給出的位置坐

標是相對坐標，單位是1‰。

指定字幕窗口位置的方式position_format

4位無符號整數，值為1表示指定字幕窗口的中心坐標，字幕窗口的大小根據所需顯示的字幕確定。

值為2表示指定字幕窗口的左上角和右下角坐標。

中心橫坐標center_x

中心縱坐標center_y

15位無符號整數。當abs_or_relative值為1時表示字幕窗口中心的絕對橫坐標和縱坐標，以像

素為單位；當abs_or_relative的值為2時表示字幕窗口中心的相對橫坐標和縱坐標，單位是1‰。字

幕窗口的中心坐標（CCWCenterX,CCWCenterY）按照以下方式計算：

if(origin==1){

if(abs_or_relative==1){

CCWCenterX=center_x

CCWCenterY=center_y

}

if(abs_or_relative==2){

CCWCenterX=round(ScreenWidth*center_x/1000)

CCWCenterY=round(ScreenHeight*center_y/1000)

}

}

if(origin==2){

if(abs_or_relative==1){

CCWCenterX=VideoWindowX0+center_x

CCWCenterY=VideoWindowY0+center_y

12

GB/TXXXXX-XXXX

}

if(abs_or_relative==2){

CCWCenterX=VideoWindowX0+round(VideoWindowWidth*center_x/1000)

CCWCenterY=VideoWindowY0+round(VideoWindowHeight*center_y/1000)

}

}

字幕窗口左上角橫坐標left

字幕窗口左上角縱坐標top

字幕窗口右下角橫坐標right

字幕窗口右下角縱坐標bottom

15位無符號整數。當abs_or_relative值為1時表示字幕窗口左上角和右下角的絕對橫坐標和縱

坐標，以像素為單位；當abs_or_relative的值為2時表示字幕窗口左上角和右下角的相對橫坐標和縱

坐標，單位是1‰。字幕窗口左上角和右下角的相對于屏幕左上角的絕對坐標按照以下方式計算：

if(origin==1){

if(abs_or_relative==1){

CCW_X0=left

CCW_Y0=top

CCW_X1=right

CCW_Y1=bottom

}

if(abs_or_relative==2){

CCW_X0=round(ScreenWidth*left/1000)

CCW_Y0=round(ScreenHeight*top/1000)

CCW_X1=round(ScreenWidth*right/1000)

CCW_Y1=round(ScreenHeight*bottom/1000)

}

}

if(origin==2){

if(abs_or_relative==1){

CCW_X0=VideoWindowX0+left

CCW_Y0=VideoWindowY0+top

CCW_X1=VideoWindowX0+right

CCW_Y1=VideoWindowY0+bottom

}

if(abs_o