数字资源建设中视频与音频信息的采集

数字资源建设中视频与音频信息的采集

大多数大型图书馆都保存着大量的音像制品和材料，如录音、视频记录、唱片、电影剪辑、cd-romd等。其中丰富的历史资料和重要的研究价值。随着图书馆数字资源建设的开展,需要把传统图书馆中的视音频资料转变成图书馆中的数字化的内容,使人们能够通过网络听音乐、看电影,从而让更多的人更加方便地访问图书馆中的视音频资料。本文试从模拟信号的数字化、常见视音频文件格式和视音频节目的编辑整理及非线性编辑系统等几个方面,谈谈数字资源建设中视频与音频信息的采集。传统的音像制品包括录音带、录像带、唱片、电影拷贝等,是以模拟的方式记录声音和图像信息的,播放这些音像制品的设备也是模拟的电子和光学设备。一般来讲,它们都是把声音和光学信号转变成不同强度的电信号,这些电信号再通过记录设备改变存储介质的某些物理特性(比如:磁场、形状、光学性质等)来记录这些信号。在播放时,过程刚好相反,先是根据介质上各个记录区域的物理特性还原出电信号,再利用这些电信号的强度,通过播放设备产生接近于真实感觉的声学和光学效果。数字化的节目,是以编码的方式保存在数字化存储设备上的。与声音和光学信号对应的不再是电信号的强度变化,而是数字化的编码序列。因此,图书馆要做的就是把模拟音像制品介质上记录的电信号的强度变化提取出来,再按照数字化播放设备可以使用的编码格式进行编码。由于视音频内容的数据量比较大,在数字化的过程中通常要进行压缩处理。对于视音频内容,经常使用的是具有较高压缩效率的带有失真的压缩算法。对那些本来就是数字化的视音频内容,有时候需要进行编码格式的转换。图书馆数字化过程分为两个部分:采样和编码。采样就是在时域和空域上,按照一定的间隔和顺序,对连续的模拟信号进行量化,得到离散的数字化的数据序列的过程。通常情况下,设备越先进,采样的间隔越小,样本数据的精度越高,采样的效果就越好,数据量也越大。不过,节目源的质量决定了数字化后的节目所能达到的最高质量。编码是用预先规定的方法将文字、数字或其他对象编成数码,或将信息、数据转换成规定的电脉冲信号。在数字化过程中,图书馆可利用相应的播放设备把介质上存储的节目转变成强度连续变化的电信号。采编系统中的视(音)频编码卡对输入的模拟信号进行采样和模拟信号到数字量的转换。在编码卡驱动程序和采编软件的配合下,编码后的数据被储存到大容量的存储设备上。2.1midi音频格式的选择目前常见的音频文件格式有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本身的影响力,WAV文件格式已经成为了事实上的通用音频格式。在音频信息采集中,图书馆如果希望文件占用空间和带宽小,可选择MIDI文件格式,在MIDI文件中,只包含产生某种声音的指令,这些指令包括使用什么MIDl设备的音色、声音的强弱、声音持续多长时间等,计算机将这些指令发送给声卡,声卡按照指令将声音合成出来,MIDI声音在重放时可以有不同的效果,这取决于音乐合成器的质量。相对于保存真实采样数据的声音文件,MIDI文件显得更加紧凑,其文件尺寸通常比声音文件小得多。图书馆采集音频信息时,如果期望得到很高的压缩率,同时其音质基本保持不失真,可选择使用MP3文件格式,MPEG音频编码具有很高的压缩率。MP1和MP2的压缩率分别为4∶1和6∶1-8∶1;而MP3压缩率则高达10∶1-12∶1,也就是说一分钟CD音质的音乐,未经压缩需要1OMB存储空间,而经过MP3压缩编码后只有1MB左右,同时其音质基本保持不失真,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广域网上实时传输音频信息,可选择使用RealAudio文件,使用RealAudio文件,网络连接速率不同,客户端所获得的声音质量也不尽相同。对于14.4kbps的网络连接,可获得调幅(AM)质量的音质;对于28.8kbps的连接,可以达到广播级的声音质量;如果拥有ISDN或更快的线路连接,则可获得CD音质的声音。2.2采集影像文件的格式广义的视频文件可以分为两类:动画文件和影像文件。动画文件指由相互关联的若干帧静止图像所组成的图像序列,这些静止图像连续播放便形成了一组动画,通常用来完成简单的动态过程演示。影像文件是指那些包含了实时的音频、视频信息的多媒体文件,其多媒体信息通常来源于视频输入设备,由于同时包含了大量的音频、视频信息,影像文件往往相当庞大。目前常见的动画文件格式有GIF文件格式和FLIC文件格式。图书馆采集视频信息时,如果主要目的是用于网络传输,可选择GIF文件格式。因为GIF除了逐行显示方式外,还增加了渐显方式。也就是,在图像传输过程中,图书馆用户可以看到图像大体轮廓,然后随着传输过程的继续而逐渐看清图像的细节。如果是要形成压缩比较高的彩色动画文件格式,可选择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。在采集影像文件时,如果主要目的是用多媒体光来保存电影、电视等各种影像信息,可选择AVI格式文件。如果希望通过Internet提供实时的数字化信息流、工作流与文件回放功能,可选择QuickTime文件格式。若期望压缩效率非常高,同时图像和音响的质量也非常好,可选择MPEG文件格式。如果主要用来在低速率的广域网上实时传输活动视频影像,可以选择RealVideo文件格式。2.3多媒体节目编辑系统目前,基于TCP/IP协议的Internet是多媒体数据传输的主要途径。然而,有限的网络带宽限制了视频数据的实时传输,解决问题的关键在于采用使图像帧内、帧间相关性趋近于零的有损压缩方式,同时以减小图像尺寸及每秒帧数为代价,实现视频信息的实时传送和实时播放。由此,新型的流式视频格式便应运而生。流式视频格式中,视频流的作用在于缓冲视频并实时播放它,低分辨率、低帧率的视频画面首先出现,允许用户快速决定是否继续观看视频或把它下载到硬盘中,如果有较多的下载时间或者较快的网络连接,该视频将持续改善画面质量和显示帧率,直到所有的视频数据都已下载到客户机中为止,这种边传边播的方法避免了用户必须等待整个文件从Internet上全部下载完毕才能观看的缺点。到目前为止,Internet上使用较多的流式视频格式主要有以下三种:RealNetworks公司的RealMedia、Apple公司的QuickTime以及Microsoft公司的AdvancedStreamingFormat(ASF)。在采集流式视频格式文件时,可以根据网络数据传输速率的不同,利用RealMedia制定了不同的压缩比率,使用14.4kbps、28.8kbps以及ISDN56kbps三种不同速率下的RealMedia流格式。若打算存储单个的媒体内容(如视频帧或音频采样),而且能保存对该媒体作品的完整描述,可以使用QuickTime。QuickTime为多种流行的浏览器软件提供了相应的QuickTimeViewer插件,该插件可以在视频数据下载的同时就开始播放视频图像,用户不需要等到全部下载完毕就能进行欣赏。当用户通过调用插件来播放QuickTime多媒体文件时,能够自己选择不同的连接速率而下载并播放相应图像质量的交互式多媒体文件。如果期望在互联网上实时传播多媒体,可选择ASF,ASF的主要优点包括:本地或网络回放、可扩充的媒体类型、部件下载、可伸缩的媒体类型、流的优先级化、多语言支持、环境独立性、丰富的流间关系以及扩展性等。为了让读者能够有效地利用,常常需要对经过数字化后的视音频内容进行适当的编辑和整理。在编辑中最常见的操作是剪切和拼接,通过这些操作可以把不同素材中的视频片断组织在一起形成新的节目单元。其他的编辑功能包括视频片断衔接处的过渡处理,视频与音频的合成和分离,多路节目的叠加等。图书馆进行数字化视音频节目编辑的工具称为非线性编辑系统。传统的视频节目制作过程中,节目素材以录像带的方式保存,不便于保管和查找,由于模拟设备的特点,经过多次的编辑与合成之后,图像质量明显降低。为了提高视频节目的制作效率,几年前,许多公司开始开发利用先进计算机技术的数字化的节目编辑制作系统。由于在工作时素材以文件的方式储存在硬盘中,不需要通过顺序地浏览录像带来定位节目内容,所以称作非线性编辑系统。非线性编辑系统的使用,使得视频节目的制作方式发生了根本转变,进入了数字化时代。不过,它们仍然有一些不尽如人意的地方,主要的问题在于,压缩效率和节目质量之间的矛盾难以解决,这些系统(如使用比较多的AdobePremier等)使用的编码方法(如MotionJPEG,MPEG-1,AVI等)的编码效率都比较低,不同的格式也影响了节目的互换性。这些问题,导致了非线性编辑系统价格昂贵且不具有通用性。现在,许多技术实力比较强的公司都在开发基于MP