リアルタイム字幕放送（リアルタイムじまくほうそう。リアルタイムキャプション放送とも）は、字幕つきの放送のうち、放送時に字幕を作成・付加するシステムを指す。ここでは、主に日本のテレビ放送で、受信機で表示を切り替えられるもの（「字幕放送」）を述べる。日本の字幕放送は事前に収録した番組にしか対応していなかった。生放送における字幕放送は、海外の表音文字のみ使用する場合だと音声認識で対応できたが、日本では同じ音でも複数の表記方法がある表語文字が使われ、機械的や技術的な問題があり行われていなかった。聴覚障害者や高齢者にも情報のバリアフリーを推進していこうとNHK放送技術研究所が音声認識ソフトによる文字放送を開発した。2000年3月27日から日本放送協会（NHK）の一部番組で実施されており、現在は民間放送（2013年現在は前者の日本テレビ、TBSテレビ、フジテレビ、テレビ朝日、テレビ東京各系列と、その番組を同時ネットする一部の独立局や、一部のBS放送局およびCS放送局）でも実施されている。リアルタイム字幕の原理には、人間が聞き取ってキーボードから文字を入力する方式と、音声認識技術を用いた音声認識方式と、の2方式が存在する。字幕を生成する過程以外では、通常の字幕放送と同じ流れでデータが重畳され、電波に乗せられて届けられる。原理的に字幕を生成する部分での遅延が避けられないので、字幕は発声の数秒遅れで表示される事になる。放送音声を入力オペレータが聞きながら同時に打ち込みを行う。入力は複数人で分担して行われるが、方式によって役割分担が異なっている。主に2つの方式がある。通常は打ち込み速度が放送音声より遅れるため、入力オペレータと校正オペレータの組を複数セット用いてリレー方式で入力を行う。基本的には音声認識による文字情報の直接生成を用いたものである。音声認識は現在でも100%の変換が難しいものであるが、ニュースにおいては語調や使用される単語などを一定の条件に制限できる事から、この用途に限って音声認識を用いる事で高い変換効率を実現した。開発当初、リアルタイム字幕の付加はスタジオなどでのアナウンサーの発声に限られる場合が多く、VTR映像などの音声には同様の字幕が付かない事が殆どだった。スポーツイベントやNHK紅白歌合戦などの番組では、専門のアナウンサーが字幕生成のためにセリフを再発声する「リスピーク方式」とすることで同様の条件を達成している。NHKでは2012年03月14日放送の一ニュース番組から、アナウンサーの発声など認識率が高い部分は音声認識システムを使い、聞き取りにくい部分のみ担当者がリスピークを行う「ハイブリッド方式」の導入を開始した。ローカルに差し替わった部分では行わない場合がある。

出典:wikipedia