AVscript：使用音视频脚本进行可访问的视频编辑

文献标题

AVscript: Accessible Video Editing with Audio-Visual Scripts

文献信息

• 主题领域: 人机交互、无障碍技术、视频编辑
• 关键词: 视频, 视频编辑工具, 无障碍设计, 文本编辑, 盲人创作者, 人机交互

研究背景与问题

• 作者发现了哪些问题或挑战？

  • 现有主流视频编辑工具对视力障碍用户（包括盲人和低视力用户，简称 BLV）而言极为不便，主要因为这些工具依赖视觉内容（如时间轴、界面图标）进行操作。
  • BLV 创作者在视频编辑中面临四大障碍：1) 无法轻松获取视频的视觉内容；2) 无法评价视频的视觉质量，如模糊或光线不足的片段；3) 工具菜单对屏幕阅读器不友好；4) 难以高效非线性地浏览或查找视频内容。
  • 因此，许多 BLV 创作者依赖有视力的合作者完成任务，或直接上传未经编辑的视频，限制了他们的独立性和创作水平。

• 为什么这个问题很重要？

  • 随着越来越多的 BLV 创作者试图通过 YouTube 和其他平台分享他们的内容，为这些群体开发适合的视频编辑工具具有重大社会意义。
  • 改善工具无障碍性可以提升 BLV 创作者的独立性、自信心以及内容质量。

• 研究动机与相关工作

  • 本研究在已有无障碍创作工具（如文本与演示文稿编辑工具）和视频无障碍播放技术（如影音描述）的基础上，首次探索如何针对 BLV 用户改进视频编辑的无障碍性。
  • 作者结合观看/研究了 BLV 创作者的现状和视频编辑教程，并提出了创新的音频-视频脚本编辑模式。

解决方案

• 作者提出了哪些方法或解决方案？

  • 设计并开发了 AVscript，这是一款无障碍文本视频编辑工具，通过将视觉内容、视觉错误（如模糊、照明不足）和视频的叙述脚本整合成文本脚本，帮助 BLV 用户编辑视频。
  • 该工具集成了场景描述、高层可视导航、视觉错误检测、以及文本与视频同步的操作。

• 该解决方案的创新之处是什么？

  • 文本与视频的整合：在单一文本界面中提供视频内容和视觉质量的描述，使屏幕阅读器用户能够快速获取信息。
  • 自动化检测视觉错误：如模糊、遮挡、光线问题等，为 BLV 创作者明确标记可能需要的切割点。
  • 全局与局部导航结合：支持通过场景大纲与详细脚本实现非线性浏览。
  • 多模式支持：为 BLV 用户量身定制，例如音频通知和无需手动导航的快速跳转功能。

• 实施步骤是什么？使用了哪些关键技术？

  1. 脚本生成：将音频转录为文字，同时检测视觉场景和语音对齐。
  2. 视觉错误检测：利用计算机视觉技术（如 Detic 和 OpenCV）检测光线不足、模糊等问题。
  3. 导航支持：开发包含场景描述的可导航大纲，同时支持基于搜索的快速跳转。
  4. 编辑功能：支持对视频内容的删除、剪辑、速度调整等操作。

研究成果

• 取得了哪些具体成果？

  • 减少认知负担：通过实验（N=12），发现使用 AVscript 能显著降低 BLV 用户的视频编辑心智负荷，同时提升效率。
  • 支持多样化视频创作：在探索性研究中，参与者表示 AVscript 激发了他们尝试更多不同类型与风格视频的兴趣，并减少对视觉正常的协作者的依赖。
  • 用户案例成功：参与者在实际案例中成功高效编辑自己的视频，通过场景描述和错误提示找准切割点，增强创作自信。

• 与现有解决方案相比，它有哪些优势？

  • 弥合了 BLV 创作者与现有视频编辑工具间的“无障碍”差距。
  • 在用户操作方式上大幅优化，避免了深层菜单和图标依赖，使 BLV 创作者的场景编辑效率显著提升。

• 实验或评估结果是什么？

  • 与参与者的传统工具相比，使用 AVscript 的编辑过程显著降低了认知负担（66% 评分改进）和时间压力（57% 评分改进）。
  • 实验中，用户显著更依赖 AVscript 的自动视觉错误提示来实现视觉质量的保证。

• 局限性与未来方向

  • 局限性：
    • 对复杂视频内容（如同时执行多个任务的场景）描述的准确性有待提高。
    • 当前的视觉错误检测（如关键对象模糊）可能遗漏部分细节。
    • 使用初期需要一定的适应时间。
  • 未来方向：
    • 增加视觉错误的严重性等级和具体化描述（如区分较轻微与明显模糊）。
    • 增强多轨编辑功能，如支持标题、插入动画等。
    • 结合人工智能生成辅助描述，提高精度和场景信息。

通过这项研究，AVscript 为 BLV 创作者提供了全新的视频编辑可能性，展现了高效、无障碍的视频创作趋势。