CN116390794A - 用于被动观众观看的相机视图选择处理器 - Google Patents

Abstract

用于增强观众的观看体验的方法和系统包括接收对观看在游戏云服务器处执行的视频游戏的游戏进行的请求。响应于所述请求，首先向所述观众提供针对所述游戏进行生成的玩家相机视图或主动观众相机视图中的一者。所述系统基于所述玩家相机视图和所述主动观众相机视图中发生的动作的背景而在所述玩家相机视图与所述主动观众相机视图之间动态地切换。所述动态切换与所述视频游戏的所述游戏场景中发生的动作的时间相关。

Description

用于被动观众观看的相机视图选择处理器

技术领域

本公开涉及向观众提供视频游戏的游戏进行的推荐流，并且更具体来说涉及提供游戏场景的不同相机视图的推荐流，所述不同相机视图捕捉游戏进行的不同方面。

背景技术

近年来，视频游戏变得越来越受欢迎。视频游戏有两种类型。在一种类型中，视频游戏在客户端装置(例如移动装置、PC、膝上型计算机等)上执行并且所述客户端连接到服务器以使得可与所述服务器共享与游戏进行相关的元数据。视频游戏的另一种类型是流式传输的视频游戏，其中在作为游戏云的一部分的一个或多个服务器上执行视频游戏并且将游戏数据流式传输到客户端装置以供渲染。流式传输的视频游戏，尤其是大型多玩家在线(MMO)游戏越来越受欢迎，原因在于大数目的用户(例如玩家、观众)可经由分布在宽地理范围的计算机网络同时访问所述流式传输的视频游戏。

视频游戏的发展趋势是云游戏概念。云游戏使得视频游戏能够使用可在游戏云系统中获取的资源在一个或多个云服务器上执行并且能够由多个玩家和观众从网络连接可用的任何地方访问。大型多玩家在线游戏(MMO)游戏是利用云游戏的视频游戏的示例，并且所述视频游戏变得越来越受欢迎。在视频游戏(例如，MMO游戏)中包括复杂图形的当前趋势下，视频游戏需要大数目的计算资源并且云游戏在集中位置提供必要的计算资源以满足现代游戏引擎的需要。视频游戏在游戏云系统的一个或多个服务器上执行并且将游戏进行数据流式传输到用户的客户端装置。在游戏云系统上执行视频游戏的优点是执行游戏所需的资源集中化，借此使得用户的客户端装置不必拥有特定硬件才能执行视频游戏。客户端装置只需拥有足以接收、解码并渲染游戏进行的硬件即可，与此同时享受高品质的视频游戏体验。

一个或多个玩家玩视频游戏，并且多个观众可调入以看所述一个或多个玩家的游戏进行。在游戏进行期间提供的玩家输入用于更新视频游戏的游戏状态并且生成游戏进行数据，所述游戏进行数据被流式传输到一个或多个玩家和观众的客户端装置。使用所述游戏进行数据在玩家和观众各自的客户端装置上渲染视频游戏的游戏场景。随着云游戏越来越受欢迎，针对云游戏配置的图形复杂性和因此视频游戏的品质也继续增大。

正是在此背景下提出本公开的实施方案。

发明内容

本公开的实施方案涉及用于向对视频游戏的游戏进行感兴趣的观众推荐视频游戏的游戏进行的流的系统和方法。所述视频游戏可以是可在云游戏系统上执行并且由在同一位置或在远程定位(即分布在不同地理位置)的多个玩家访问以进行游戏的单用户视频游戏或大型多玩家在线(MMO)视频游戏。由玩家提供的游戏输入用于影响游戏的结果并生成游戏进行数据。处理所述游戏进行数据以生成游戏场景的帧，将所述帧流式传输到玩家的客户端装置以进行渲染。提供给每一个玩家的游戏场景的帧从相应玩家的视角提供视频游戏的游戏场景的相机视图(即“玩家相机视图)。多个观众可对看视频游戏的游戏进行感兴趣。所述多个观众中的一些观众可选择通过选择看游戏进行的特定相机视图来主动参与观看视频游戏的游戏进行，而其他观众可仅选择所述视频游戏来看。对于主动参与选择特定相机视图的观众(在本文中被称为“主动观众”)，所述系统可生成特定相机视图(即主动观众相机视图)并将所述特定相机视图转发给请求所述特定相机视图的观众。对于仅选择视频游戏来观战而不主动指定任何特定相机视图的观众，所述系统确定将相机视图(即玩家相机视图或主动观众相机视图)中的哪一者提供给这些观众。仅选择看视频游戏而不主动选择任何特定相机视图的这些观众在本文中也被称为“被动观众”。针对被动观众，所述系统在针对视频游戏生成的不同相机视图之间切换，以使得在任何给定时间向被动观众呈现玩家的玩家相机视图或主动观众的主动观众相机视图。两个相机视图之间的切换是基于相应相机视图中出现的动作的背景。在视频游戏的过程期间，向被动观众呈现多个相机视图(玩家相机视图或主动观众相机视图)，其中每一个相机视图呈现视频游戏中发生的动作的视图。提供给被动观众的所述多个相机视图构成推荐流。所述推荐流中所包括的相机视图是在游戏进行期间捕捉的相机视图的子集并且向被动观众提供视频游戏的有意思的细节。

在一个实施方式中，提供一种方法。所述方法包括响应于从玩家接收到的对视频游戏的游戏进行的进行请求而在游戏云服务器处执行视频游戏。对所述视频游戏的所述执行使得生成游戏进行数据，处理所述游戏进行数据以在游戏进行期间生成玩家相机视图以提供给玩家，并且生成主动观众相机视图以提供给访问所述视频游戏以观战所述玩家的所述游戏进行的主动观众。从被动观众接收对观看所述视频游戏的所述游戏进行的请求。响应于所述请求，向所述被动观众呈现玩家相机视图或主动观众相机视图中的一者。所述呈现包括在所述玩家相机视图与所述主动观众相机视图之间动态地切换。所述动态切换是基于所述玩家相机视图和所述主动观众相机视图中出现的动作的背景。所述动态切换是在所述被动观众不进行任何输入的情况下实行。

在一个实施方式中，在游戏进行期间动态地更新所述玩家相机视图和所述主动观众相机视图以捕捉所述视频游戏中发生的所述动作的视图。

在一个实施方式中，为了动态切换而选择的所述玩家相机视图或所述主动观众相机视图与所述视频游戏中发生的所述动作的时间相关。

在一个实施方式中，向所述玩家相机视图或所述主动观众相机视图的所述动态切换还基于所述被动观众的配置文件。

在一个实施方式中，所述被动观众的所述配置文件识别基于所述被动观众观看的内容而随时间推移收集的所述被动观众的观看偏好。

在一个实施方式中，基于从所述被动观众接收到的偏好输入而在所述配置文件中动态地调整所述被动观众的所述观看偏好。

在一个实施方式中，所述视频游戏中发生的所述动作是基于由所述玩家实行的活动，并且玩家相机视图和所述主动观众相机视图捕捉与所述活动相关的所述动作。

在一个实施方式中，所述动态切换在所述视频游戏的所述游戏进行期间继续并且使得生成提供给所述被动观众的推荐流。所述推荐流包括一个或多个玩家相机视图和/或一个或多个主动观众相机视图的组合。每一个玩家相机视图和每一个主动观众相机视图是动态地生成并且包括所述视频游戏中发生的相异动作。

在一个实施方式中，在所述视频游戏的游戏进行期间发生多个动作，其中所述多个动作中的每一个动作与一个或多个玩家相机视图和一个或多个主动观众相机视图相关联。与每一个动作相关联的所述一个或多个玩家相机视图和所述一个或多个主动观众相机视图捕捉所述视频游戏中发生对应动作的游戏场景的相异视图。针对所述动作生成的所述一个或多个玩家相机视图和所述一个或多个主动观众相机视图包括足够的数据以建构与所述动作相关联的所述视频游戏的所述游戏场景的三维表示。

在一个实施方式中，处理所述游戏进行数据包括再次执行所述视频游戏以生成捕捉由所述主动观众的输入指定的所述视频游戏中发生的所述动作的所需角度的所述主动观众相机视图。所述再次执行是使用当接收到来自所述主动观众的输入时可获取的所述游戏进行数据进行。

在一个实施方式中，所述玩家相机视图从所述玩家的视角捕捉所述视频游戏中发生的所述动作的视图。所述主动观众相机视图是基于由所述主动观众提供的输入而生成。所述主动观众相机视图捕捉与所述玩家相机视图中所捕捉的动作的视图不同的动作的视图。

在一个实施方式中，所述动态切换包括在所述视频游戏中发生的动作的持续时间内向所述被动观众呈现所述玩家相机视图或所述主动观众相机视图。

在一个实施方式中，所述游戏进行数据是当前正在玩所述视频游戏的多个玩家的游戏进行数据的聚合。所述聚合游戏进行数据用于针对所述视频游戏中发生的每一个动作为所述多个玩家生成玩家相机视图并且为所述主动观众生成主动观众相机视图。每一个玩家相机视图从所述多个玩家中的一个玩家的视角使用所述玩家的游戏输入来捕捉所述视频游戏的视图，并且每一个主动观众相机视图根据特定主动观众的输入中提供的视图规范来捕捉所述视频游戏的视图。所述动态切换包括仅呈现玩家相机视图，或仅呈现主动观众相机视图，或呈现玩家相机视图与主动观众相机视图的组合，从而捕捉与所述视频游戏中发生的不同动作相关联的游戏场景的视图。

在一个实施方式中，所述动态切换还基于所述被动观众的配置文件。

在一个实施方式中，所述动态切换是通过使用机器学习逻辑生成推荐模型来实行。使用所述视频游戏的游戏进行数据来生成并训练所述推荐模型。所述游戏进行数据是响应于所述玩家的游戏输入、所述主动观众的输入而生成。从所述推荐模型识别与所述视频游戏中发生的动作的背景相关的输出。所述输出用于识别所述玩家相机视图或所述主动观众相机视图以进行动态切换。

在另一实施方式中，公开一种方法。所述方法包括检测对观看在游戏云服务器处执行的视频游戏的请求。所述请求是从被动观众接收到。识别在所述视频游戏的游戏进行期间生成的多个相机视图。所述多个相机视图包括为每一个玩家生成的玩家相机视图和为关注所述视频游戏的所述游戏进行的每一个主动观众生成的主动观众相机视图，其中所述多个相机视图中的每一个相机视图捕捉与所述视频游戏中发生的对应动作相关联的所述视频游戏的游戏场景的相异视图。所述方法还包括响应于所述请求而在从与每一个动作相关联的所述多个相机视图选择的玩家相机视图与主动观众相机视图之间动态地切换，以传回给所述被动观众。所述动态切换是在所述被动观众不进行任何输入的情况下发生并且基于针对所述动作而选择的相应玩家相机视图和所述主动观众相机视图中出现的所述动作的背景。

结合通过示例图解说明本公开的原理的附图阅读以下详细描述，本公开的其他方面和优点将变得显而易见。

附图说明

结合附图参考以下描述，可最好地理解本公开。

图1图解说明根据本公开的一个实施方式的简化的概念性游戏云系统，所述概念性游戏云系统用于收集来自在不同地理位置的玩家的游戏输入并且调整用于向观众提供推荐流的视频游戏输出。

图2A图解说明根据本公开的一个实施方式的针对视频游戏的游戏进行捕捉的不同相机视图的简化图，所述不同相机视图用于提供推荐流。图2B图解说明根据本公开的一个实施方式的绘示针对不同用户(玩家、主动观众)捕捉的不同相机视图的分解图。

图3A图解说明根据本公开的一个实施方式的游戏云系统的简化框图，所述游戏云系统用于收集并处理来自多个玩家的游戏输入和来自多个主动观众的输入以针对所述多个玩家和主动观众中的每一者生成对应的玩家相机视图和主动观众相机视图。

图3B图解说明根据本公开的一个实施方式的用于向被动观众提供不同相机视图的游戏云系统的简化框图。

图4图解说明根据本公开的一个实施方式的视图推荐引擎的简化概念框图，所述视图推荐引擎用于生成构成提供给被动观众的推荐流的不同相机视图。

图5图解说明根据本公开的一个实施方式的用于为观众生成推荐流的视图推荐引擎内的不同模块的简化框图。

图6图解说明根据本公开的一个实施方式的特征处理引擎内的不同模块的简化框图，所述特征处理引擎用于提取并且评估提供到推荐引擎的游戏进行数据的各种特征以用于识别不同相机视图来呈现给被动观众。

图7A-1到图7E-1图解说明根据本公开的一个实施方式的呈现给不同被动观众以观看视频游戏的游戏进行的切换相机视图的样本。图7A-2到图7E-2图解说明根据本公开的一个实施方式的从图7A-1到图7E-1中识别的切换相机视图生成的样本推荐流由视图推荐引擎提供给不同的被动观众。

图8图解说明根据本公开的一个实施方式的用于生成推荐流以供传回给观众的方法的各种操作的流程图。

图9图解说明根据本公开的一个实施方式的信息服务提供商架构的示例性实施方式。

图10图解说明根据本公开的一个实施方式的用于执行视频游戏的实例的示例性云游戏服务器的简化框图。

具体实施方式

在以下描述中，阐述许多特定细节以提供对本公开的透彻理解。然而，本领域的技术人员将明白，可在没有一些或所有这些具体细节的情况下实践本公开。在其他实例中，未详细描述众所周知的过程步骤以免使本公开模糊。

当前，玩家选择视频游戏(简称“游戏”)来进行游戏并且提供游戏输入。游戏逻辑处理所述游戏输入以生成游戏进行数据。使用所述游戏进行数据来生成玩家所访问的视频游戏的每一个场景的各种相机视图。视频游戏的流式传输能力使得能够经由网络(诸如因特网)现场流式传输游戏进行。观众可通过网站、游戏平台、移动应用、内容提供商平台或任何其他应用/内容平台访问视频游戏并且观战玩家的游戏进行。观众可希望关注特定玩家的游戏进行或游戏的全部游戏进行。视频游戏的复杂设计允许所述视频游戏针对玩家所访问的每一个游戏场景中发生的每一个动作生成不同的相机视图。举例来说，视频游戏的游戏进行数据可用于为玩视频游戏的每一个玩家生成相机视图(即，玩家相机视图)。为每一个玩家生成的相机视图可从玩家的视角捕捉正在发生特定动作的游戏场景的视图。在一个实施方式中，特定动作可响应于玩家的游戏输入而发生。在替代实施方式中，特定动作可响应于其他玩家的游戏输入或响应于视频游戏中的自然进程而发生。除了玩家相机视图之外，当观众希望关注游戏的游戏进行时，视频游戏也可为访问视频游戏以观战游戏进行的每一个观众生成观众相机视图。观众可提供输入以针对视频游戏的每一个游戏场景中发生的每一个动作指定其期望观看的相机视图，并且观众相机视图是根据观众在输入中提供的详情而生成。针对视频游戏的每一个动作生成的每一个观众相机视图中所捕捉的游戏场景的视图不同于针对同一动作生成的玩家相机视图中所捕捉的视图。在游戏进行期间主动提供输入以指定其期望观看的相机视图的观众在本文中被称为“主动观众”。因此，为主动观众生成的观众相机视图此后被称为“主动观众相机视图”(ASCV)。另一选择为，观众可希望关注游戏的全部游戏进行。在此种情形中，观众不主动提供输入来指定其想要看的相机视图。相反，观众依靠系统提供视频游戏中发生的不同动作的相机视图。由于观众不主动提供输入来选择相机视图，因此所述观众在本文中被称为“被动观众”。使用游戏逻辑来选择每一个动作的玩家相机视图或主动观众相机视图以呈现给被动观众。根据玩MMO视频游戏的玩家的巨大数目和观战视频游戏的观众的数目，视频游戏生成大数目的相机视图，这些相机视图捕捉在游戏进行期间视频游戏中发生的不同动作的视图。

当前，当被动观众期望观看视频游戏的游戏进行时，向被动观众提供针对视频游戏中发生的每一个动作而生成的所有相机视图。被动观众必须人工地浏览每一个动作的每一个相机视图以选择将想要观看的每一个动作的特定相机视图。鉴于针对每一个动作生成的相机视图的数目巨大，此可能是一项艰巨的任务。必须人工浏览各种相机视图既耗时又耗力，这会导致被动观众感到挫败并且对游戏的游戏进行失去兴趣。观众失去兴趣可导致游戏开发者失去收益，原因在于对游戏的兴趣通常可转化成观众对游戏的购买或来自赞助商的更高收益。

为了解决所述问题，本公开的各种实施方式提供进行以下操作的系统和方法：从多个玩家从游戏进行会话(例如，当前会话或之前会话)收集游戏的游戏进行数据，识别可从游戏场景中的每一个动作获取的各种相机视图，并且智能地识别将为被动观众提供游戏场景内的动作的期望视图的特定相机视图。基于被动观众的配置文件识别每一个动作的特定相机视图。所述配置文件识别基于随时间推移而收集的被动观众的观看历史的被动观众的观看偏好。在一些实例中，可依据被动观众提供的偏好输入动态地调整被动观众的观看偏好。使用在观看视频游戏期间提供给被动观众的视频游戏的各种相机视图来生成推荐流。呈现给被动观众并且推荐流中所包括的相机视图可仅包括从单个玩家的游戏进行或从多个玩家选择的玩家相机视图，仅包括为不同的主动观众生成的主动观众相机视图，或包括玩家相机视图和主动观众相机视图两者的组合。如所述，玩家的玩家相机视图涵盖从玩家的视角发生动作的游戏场景的视图，并且主动观众相机视图捕捉除玩家相机视图中捕捉的游戏场景之外的或与玩家相机视图中捕捉的游戏场景不同的游戏场景。推荐流中所包括的相机视图中的每一者是根据被动观众的配置文件而定并且被选择成与被动观众的一个或多个观看偏好匹配。根据被动观众的配置文件选择相机视图使得被动观众能够看根据被动观众想要观看的内容的游戏进行，并且相机视图的选择是在无需被动观众的输入的情况下进行，借此使得被动观众具有丰富的观看体验。

使用涉及机器学习算法的视图推荐引擎以利用来自玩家的游戏输入和在视频游戏的游戏进行期间生成的游戏进行数据来生成推荐模型。利用从玩家接收到的另外游戏输入和响应于所述另外游戏输入针对视频游戏而生成的另外游戏进行数据来继续训练所述推荐模型。从推荐模型识别输出以与被动观众的配置文件中所包括的观看偏好限定的观看目标匹配。使用来自推荐模型的输出来识别呈现给被动观众的特定相机视图，所述特定相机视图包括发生动作的游戏的游戏场景的视图。依据推荐模型的输出识别的特定相机视图能够比视频游戏提供的视图更与被动观众相关，原因在于所述特定相机视图是根据被动观众的观看偏好而选择。

在大致理解本发明实施方案之后，现在将参考各种图式描述各种实施方式的示例性细节。

图1提供用于访问游戏以进行游戏的游戏云系统(GCS)10的概览。GCS 10包括多个客户端装置100(100-1、100-2、100-3、…100-n)，所述多个客户端装置100分布在单个地理位置或不同地理位置并且经由网络200通信连接到游戏云站点300。GCS 10被配置成托管多个游戏和其他交互式应用，诸如社交媒体应用、内容提供商应用等。可从单个地理位置或从多个地理位置访问GCS 10。客户端装置100可以是具有处理器、存储器和访问网络200(诸如LAN、有线、无线或4G/5G等)的通信能力的任何类型的客户端计算装置，并且可以是便携的或非便携的。客户端装置100可运行操作系统并且包括访问网络200的网络接口，或可以是具有网络接口以经由网络200与游戏云站点300通信的瘦客户端，其中游戏云站点300提供计算功能。举例来说，客户端装置可以是包括具有便携形状因数的监视器或触摸屏的智能电话、移动装置、平板计算机、台式计算机、个人计算机、可穿戴装置、连接电视或混合体或其他数字装置。

具有5G通信能力的客户端装置100可包括能够连接到5G网络的移动装置或任何其他计算装置。在一个实施方式中，5G网络是数字蜂窝网络，其中服务区域被划分成多个“小区”(即小地理区域)。移动装置处生成的模拟数据被数字化并以无线电波形式使用频道传输到小区内的本地天线，所述频道可在地理上分离的小区中再次使用。本地天线通过高带宽光纤或其他类似的无线通信连接到因特网和电话网络。由于5G网络使用较高的射频波来进行通信，因此5G网络能够以较高的数据速率传输数据并且因此提供较低的网络等待时间。

玩家可使用用户账户访问可在GCS 10处获取的视频游戏。响应于来自玩家的为进行游戏对游戏的访问请求，依据用户数据存储装置305中维持的用户账户304对玩家的用户账户进行验证。在提供对视频游戏的访问之前，还依据游戏数据存储装置306验证所述请求以确定玩家是否有资格访问并玩视频游戏。通过识别可在游戏云站点300处获取的玩家有资格观看或玩的所有游戏名称并且依据所识别的游戏名称确认玩家的请求中所包括的游戏名称来进行所述验证。游戏数据存储装置306维持处于或可托管在GCS 10处的一系列游戏名称，并且当引入新游戏时，将与所述新游戏相关的游戏名称、游戏代码和信息更新到游戏数据存储装置306。应注意，尽管关于视频游戏(也被称为“游戏”)描述各种实施方案，但实施方案可扩展为包括任何其他交互式应用。

在成功地验证用户和请求之后，游戏云站点300识别可托管游戏的数据中心并且将信号发送到所识别的数据中心以加载与所述请求中所识别的游戏名称相关联的游戏。在一些实施方式中，一个以上数据中心可托管或能够托管游戏。在这些实施方式中，游戏云站点300识别在地理上靠近玩家的地理位置的数据中心。玩家的地理位置可使用客户端装置100内的全球定位系统(GPS)机构、客户端装置的IP地址、客户端装置的ping信息、经由客户端装置100实行的玩家社交和其他在线互动(仅举几例)来确定。当然，提供检测玩家地理位置的前述方式作为示例，并且应注意可使用其他类型的机构或工具来确定玩家的地理位置。识别靠近玩家地理位置的数据中心可缩短当在玩家的客户端装置100与在所识别数据中心301处执行的游戏之间传输游戏相关数据时的等待时间。数据中心301可包括多个游戏服务器302，并且游戏服务器302是基于可在用于托管游戏的游戏服务器302处获取的资源来选择。在一些实施方式中，可在所识别数据中心301内的一个或多个游戏服务器302上执行游戏的实例。

在一些实施方式中，所识别的数据中心301可能不具有托管游戏所需的资源(例如带宽、处理等)。在所述实施方式中，游戏云站点300可识别在地理上靠近玩家的地理位置并且具有托管游戏所需的资源的第二数据中心。

游戏云站点300将游戏加载到所识别数据中心301中的一个或多个游戏服务器302中。所述一个或多个游戏服务器302包括满足游戏要求的硬件/软件资源。游戏服务器302可以是游戏云站点300中可获取的任何类型的服务器计算装置，包括独立服务器等。此外，游戏服务器302可管理一个或多个虚拟机，所述一个或多个虚拟机支持在主机上为玩家执行游戏的实例的游戏处理器。

在一些实施方式中，所述一个或多个服务器302可包括多个游戏控制台(或计算装置)303，并且游戏云站点300可在所识别的一个或多个服务器302内识别一个或多个游戏控制台或计算装置303以加载游戏。所述一个或多个游戏控制台/计算装置303中的每一者可以是独立游戏控制台或计算装置，或可以是机架式服务器或刀片服务器。刀片服务器继而可包括多个服务器刀片，其中每一个刀片具有实例化游戏的单个实例所需的电路系统和资源(举例来说)。当然，上文所述的游戏控制台是示例性的，而不应被视为限制性的。其他类型的游戏控制台或计算装置(包括其他形式的刀片服务器)也可用于执行所识别游戏的实例。一旦识别一个或多个游戏控制台或计算装置，则将游戏的通用游戏相关代码加载到一个或多个游戏控制台/计算装置上并且使得可由玩家获取。

在其他实施方式中，可在客户端装置100本地执行视频游戏，并且可经由网络200将执行视频游戏所得的元数据传输到游戏云站点300的所识别数据中心301处的游戏云服务器(在此简称为“游戏服务器”)302以用于影响游戏状态并且与其他玩家和观众共享游戏进行数据。

可从输入装置(诸如鼠标112、键盘(未示出)等)或与客户端装置100相关联的控制接口(例如触摸屏等)或从通信连接到客户端装置100的控制器120提供影响游戏的游戏状态的游戏输入。使用在视频游戏的游戏进行期间从玩家的游戏输入生成的游戏进行数据来形成推荐模型(即，人工智能(AI)模型)。使用用玩家在游戏会话期间提供的进行中的游戏输入所生成的另外游戏进行数据来进一步训练所述推荐模型。使用经过训练的推荐模型来识别提供给每一个玩家的相机视图。提供给每一个玩家的相机视图捕捉视频游戏中在游戏进行期间发生一个或多个动作的游戏场景的视图，并且这些相机视图被设计成从每一个玩家的视角捕捉游戏场景。因此，提供给每一个玩家的相机视图在本文中也被称为“玩家相机视图”。经过训练的推荐模型也用于识别提供给不同主动观众以满足每一个观众的观看目标的相机视图。主动观众是已访问视频游戏以观看游戏进行并且主动提供输入以识别与其想观看的视频游戏的每一个动作相关联的游戏场景的不同视图的那些观众。基于来自主动观众的输入，再次执行视频游戏以为主动观众生成指定相机视图。为主动观众生成的相机视图因此也被称为“主动观众相机视图”并且捕捉游戏场景的视图，所述游戏场景的视图从与提供给每一个玩家的相机视图中所捕捉的不同观看角度或观看深度或观看方向捕捉动作。

在一些实例中，除主动观众之外的观众可访问视频游戏以观看。在此种情形中，所述观众选择视频游戏来观看，但不提供任何其他输入来选择特定相机视图。在选择视频游戏之后，观众坐下来观看捕捉视频游戏的游戏进行的不同阶段的相机视图。在此种情形中，所述观众在下文中被称为“被动观众”，原因在于其不提供任何输入来影响相机视图的生成，而是依靠系统向其提供捕捉视频游戏中的不同动作的相机视图。使用在游戏云站点300处执行的视图推荐引擎来识别并且提供特定相机视图给被动观众。视图推荐引擎使用推荐模型来识别视频游戏的相机视图中的特定相机视图以传回给被动观众。捕捉视频游戏中的不同动作的相机视图是根据被动观众的配置文件识别。为被动观众识别的每一个相机视图捕捉发生动作的游戏场景的视图并且在所述动作的持续时间内呈现，接着动态地切换成捕捉视频游戏中发生的下一个动作的另一相机视图。因此，在观看视频游戏的游戏进行的过程期间，可向被动观众呈现一个或多个玩家相机视图和/或一个或多个主动观众相机视图。

在游戏云站点300处执行的游戏可以是单玩家游戏或多玩家游戏。在一些实施方式中，视频游戏可以是允许来自不同地理位置的多个玩家访问并玩所述视频游戏的大型多玩家在线(MMO)游戏。因此，呈现给被动观众的玩家相机视图可包括单个玩家或多个玩家的玩家相机视图。类似地，呈现给被动观众的主动观众相机视图可包括单个主动观众或多个主动观众的主动观众相机视图。提供给被动观众的不同相机视图是根据从被动观众的用户配置文件确定的观看偏好而定。因此，根据观众期望看到的内容，相机视图允许被动观众观看不同的动作，借此丰富观众的游戏观看体验。将为被动观众识别的相机视图中的特定相机视图的帧转发到游戏引擎以进行处理、编码并流式传输到被动观众的客户端装置，在所述客户端装置处对所述流进行解码和渲染。

游戏引擎(未示出)可包括通信连接到游戏的游戏逻辑的多玩家分布式游戏引擎。一般来说，游戏引擎是用作游戏(诸如MMO游戏)的基础的软件层，并且提供用于开发视频游戏的框架。游戏引擎将做每个游戏所需的常见相关任务(即，游戏引擎任务)的细节抽象化，而游戏开发者提供游戏逻辑，所述游戏逻辑提供如何玩游戏的细节。游戏引擎框架包括多个可再用部件以用于处理使视频游戏生动的游戏的数个功能部分(即核心特征)。由游戏引擎处理的基本核心特征可包括物理特性(例如碰撞检测、碰撞响应、轨迹、基于重力的对象移动、摩擦等)、图形、音频、人工智能、脚本设计、动画、联网、流式传输、优化、存储器管理、线程处理、定位支持等等。可再用部件包括用于处理针对游戏所识别的核心特征的处理引擎。

在游戏的游戏进行期间，游戏引擎管理游戏的游戏逻辑，收集从一个或多个客户端装置100接收到的一个或多个玩家输入并将其传输到游戏逻辑。游戏引擎还管理游戏引擎的功能部分的分配和同步从而以最优方式处理由游戏逻辑生成的游戏数据，并且生成传输回到客户端装置100以供渲染的游戏数据帧。当前各种游戏引擎均可用于提供不同的核心功能，并且可基于被指定执行视频游戏的功能来选择适当的游戏引擎。响应于观看游戏的游戏场景的请求，游戏引擎对由视图推荐引擎生成的推荐流进行处理、编码并流式传输到观众的客户端装置。

玩家在游戏进行期间提供的游戏输入对应于由玩家在视频游戏中实行的活动。举例来说，由玩家实行的活动可使得在视频游戏的游戏场景中实行某些动作。玩家的游戏输入、实行的活动和在视频游戏中发生的动作是用于生成游戏进行数据308的遥测数据的一部分。游戏进行数据308和遥测数据存储在游戏进行数据存储装置307中。游戏逻辑处理由玩家提供的游戏输入以影响视频游戏的游戏状态。视频游戏的游戏状态识别视频游戏在特定点的总体状态并且受玩家的游戏输入对视频游戏的游戏进行的影响的复杂性影响。如果视频游戏是MMO游戏，则使用来自多个玩家的输入来影响视频游戏的总体游戏状态。针对游戏进行生成的游戏进行数据包括所保存的每一个玩家的数据。所保存的玩家数据包括针对视频游戏由玩家提供的任何游戏自定义。遥测数据捕捉玩家已尝试、玩家已实现、玩家未做到等的每一个活动的特性、玩家的玩家属性、玩家的游戏自定义、游戏特征(仅举几例)。可将玩家属性更新到用户数据存储装置305中所存储的玩家配置文件。游戏进行数据还包括与在游戏进行期间访问的游戏场景相关的图像数据。所述图像数据用于生成提供给玩家、主动观众和被动观众的各种相机视图。

图2A图解说明在一个示例性实施方式中的可在游戏进行期间针对游戏生成的各种相机视图。示出多个玩家已访问游戏云站点300并且选择视频游戏(游戏1)来进行游戏。使用由每一个玩家提供的游戏输入来生成游戏进行数据。处理游戏进行数据以生成转发给相应玩家的玩家相机视图的帧。一个或多个主动观众可选择关注一个或多个玩家的游戏进行。这些主动观众提供输入，所述输入用于识别捕捉在视频游戏中发生的每一个动作的特定相机视图。图2A示出玩家P1-P6当前正在玩游戏1。每一个玩家可正在游戏1内以不同的节奏前进。向每一个玩家提供游戏中发生动作的游戏场景的相应玩家相机视图。所述动作可响应于由一个或多个玩家提供的游戏输入或基于视频游戏的游戏逻辑而发生。提供给每一个玩家的玩家相机视图(PCV)从玩家的视角示出游戏的游戏场景。因此，向玩家P1呈现从玩家P1的视角示出游戏1的游戏场景的玩家相机视图PCV1，向玩家P2呈现玩家相机视图PCV2，向玩家P3呈现玩家相机视图PCV3，以此类推。经由网络200将由每一个玩家提供的游戏输入传输到游戏云站点300。在游戏云站点300上执行的游戏1的游戏逻辑使用每一个玩家的输入来影响游戏1的游戏状态并且生成游戏进行数据。处理从每一个玩家的输入产生的游戏进行数据以生成图像帧，将所述图像帧传回给相应玩家作为玩家相机视图。每一个玩家的玩家相机视图图解说明游戏1的当前游戏状态。

一个或多个主动观众也已登录到游戏云站点300中以观看一个或多个玩家的游戏进行。举例来说，观众S1和S2可已选择观看玩家P1的游戏进行，观众S3可已选择观看玩家P3的游戏进行，并且观众S4可已选择观看玩家P5的游戏进行。每一个主动观众在游戏进行期间主动提供输入以指定所述主动观众想要的特定相机视图，所述特定相机视图是针对视频游戏中发生并且生成对应的一个或多个玩家相机视图的动作而捕捉。游戏逻辑使用与动作的发生时间对应的游戏进行数据并且再次执行视频游戏以根据输入中所包括的详情为主动观众生成主动观众相机视图。来自主动观众的输入可识别在与相应动作相关联的游戏场景中捕捉的所述主动观众想要的特定方向、深度、角度、清晰度等，并且据此生成主动观众相机视图。针对每一个动作为每一个主动观众生成的主动观众相机视图所捕捉的游戏场景的视图不同于针对同一动作生成的对应玩家相机视图中所捕捉的视图。举例来说，基于主动观众AS1的输入，针对玩家1的玩家相机视图PCV1中所捕捉的游戏场景来生成主动观众相机视图ASCV1.1(即，玩家1的游戏场景的主动观众相机视图1)。类似地，基于主动观众AS2的输入，针对玩家1的PCV1中捕捉的游戏场景来生成主动观众相机视图ASCV1.2(即，玩家1的游戏场景的主动观众相机视图2)。同理，基于主动观众AS3提供的输入，针对玩家3的PCV3中捕捉的游戏场景来生成主动观众相机视图ASCV3.3，基于观众AS4的输入，针对玩家5的PCV5中捕捉的游戏场景来生成主动观众相机视图ASCV5.4，以此类推。从主动观众的输入生成的每一个主动观众相机视图可以是相异的并且可识别玩家正在观看的同一游戏场景的不同捕捉角度、捕捉深度、捕捉方向、捕捉清晰度等。所生成的主动观众相机视图可示出游戏场景的更少或另外的特征。

图2B图解说明游戏1中发生动作的游戏场景的各种相机视图的分解图。动作可以是响应于来自玩家P1的游戏输入或基于视频游戏的游戏逻辑。向玩家P1呈现玩家相机视图PCV1，所述玩家相机视图PCV1捕捉游戏场景内的游戏对象101的视图。已基于主动观众S1和S2提供的输入针对此游戏场景生成两个主动观众相机视图。因此，响应于主动观众S1的输入而生成的主动观众相机视图ASCV1.1示出了玩家P1的PCV1中所捕捉的游戏场景的相机视图，但是从不同视图角度捕捉。因此，ASCV1.1包括PCV1中所包括的游戏对象101以及在玩家相机视图PCV1之外的第一游戏对象102的视图。这是由于主动观众相机视图ASCV1.1是超出PCV1捕捉，如图2B中所示。类似地，从主动观众S2的输入生成的主动观众相机视图ASCV1.2捕捉PCV1中所捕捉的游戏场景的不同视角，并且包括除PCV1中所捕捉的游戏对象101之外的第二游戏对象103的视图。主动观众相机视图ASCV1.2从与PCV1和ASCV1.1中所捕捉的角度不同的角度捕捉游戏对象101。从不同主动观众的输入生成的主动观众相机视图可从与PCV中所捕捉的角度不同的角度捕捉游戏对象101。举例来说，一个主动观众相机视图(未示出)可捕捉游戏对象101的俯视相机视图，而另一ASCV可从PCV1中所示的游戏对象101的相对侧示出视图。游戏逻辑被配置成基于来自不同主动观众的输入来生成游戏进行中发生动作的每一个游戏场景的各种视图，以捕捉游戏进行的不同特征。

当被动观众选择视频游戏来观看时，在游戏云站点300处执行的视图推荐引擎被配置成提取针对每一个游戏场景中发生的每一个动作而生成的不同相机视图并且针对该动作选择所述相机视图中的特定相机视图来呈现给被动观众。基于被动观众的用户配置文件中指定的被动观众的观看偏好来选择相机视图中的特定相机视图。被动观众只要选择视频游戏来观看即可，并且视图推荐引擎实行浏览针对每一个动作生成的不同相机视图的工作并为所述被动观众识别适当相机视图。呈现给被动观众的每一个相机视图对应于游戏场景中发生的动作。针对每一个动作呈现的相机视图持续所述相机视图内所捕捉的动作的持续时间，并且是针对所述动作生成的玩家相机视图或主动观众相机视图中的一者。

视图推荐引擎在玩家相机视图与主动观众相机视图之间动态地切换，并且所述动态切换是基于相应相机视图中出现的动作的背景。举例来说，视频游戏可以是赛车游戏并且相机视图捕捉竞赛的不同视图。玩家1的玩家相机视图PCV1从玩家1的视角捕捉竞赛的游戏场景—示出玩家1的车在竞争者前方，而前面没有车。观众S1的主动观众相机视图捕捉同一游戏场景并且包括与第二玩家相关联的第二车，所述第二车在赛道上正从后方驶来并且正努力赶超玩家1的车。视图推荐引擎评估两个相机视图并且确定AS1的主动观众相机视图ASCV1.1所捕捉的游戏场景中的动作(即，在所述竞赛中第二车相对于玩家1的车的相对位置)比PCV1中所捕捉的游戏场景更有吸引力。因此，视图推荐引擎可选择AS1的ASCV1.1而非PCV1来呈现给被动观众。

在一个实施方式中，除了基于相应相机视图内出现的动作的背景来识别特定相机视图之外，视图推荐引擎还可根据被动观众的配置文件筛选相机视图。被动观众的配置文件可指定被动观众对观看激动人心的动作或选择游戏场景的俯视图或选择特定玩家或主动观众来关注等感兴趣，并且视图推荐引擎将根据被动观众的配置文件来识别相机视图。在以上示例中，如果被动观众对关注玩家P1感兴趣，则视图推荐引擎可识别PCV1而非ASCV1.1来呈现给被动观众。被动观众只要坐下来享受根据其观看偏好所识别的精选相机视图即可。随着游戏进行继续，视图推荐引擎在不同玩家的PCV与不同主动观众的ASCV之间动态地切换，并且所述切换与视频游戏中发生的不同动作的时间相关。

图3A和图3B图解说明用于为被动观众识别相机视图的游戏云站点300内的游戏进行数据流的不同视角。将捕捉不同动作的相机视图流式传输到被动观众，并且每一个相机视图的流式传输与视频游戏内发生的不同动作相关。相机视图是提供给被动观众的推荐流的一部分。

图3A图解说明在一个实施方式中的用于生成视频游戏的各种相机视图的游戏进行数据流，并且图3B图解说明用于识别图3A中生成的相机视图中的特定相机视图并将所述特定相机视图提供给被动观众的数据流。各种相机视图是提供给被动观众的推荐流的一部分。

参考图3A，在一个实施方式中，多个玩家经由网络200(诸如因特网)访问游戏云站点300并且请求玩视频游戏(例如，游戏1)。所述请求可包括游戏1的游戏识别符。所述游戏可以是处于同一位置或在远程定位的多个玩家玩的多玩家游戏。游戏云站点300接收并确认来自玩家的请求并且在成功确认玩家中的每一者之后，在一个或多个数据中心301内的一个或多个游戏控制台303/游戏服务器302上执行游戏的一个或多个实例。所述多个玩家在游戏进行期间提供的游戏输入由游戏1的游戏逻辑处理并且用于更新游戏1的游戏状态并生成游戏进行数据308。由玩家的游戏输入产生的游戏1的游戏状态跨一个或多个数据中心301中执行的游戏的实例同步。在一些实施方式中，正在玩游戏的每一个玩家可以是与游戏内的其他团队比赛的团队的一部分。另一选择为，每一个玩家可独立于另一玩家玩游戏并且随着其在游戏内前进会在游戏的不同游戏场景中遇到不同的玩家。除了玩家提供的游戏输入之外，主动观众也可提供其自己的输入以针对游戏1中发生的每一个动作选择想观看的特定相机视图。主动观众的输入不改变游戏1的游戏状态。主动观众的输入由游戏1的游戏逻辑处理以更新游戏1的游戏进行数据308。游戏进行数据308包括用于生成游戏1的每一个游戏场景中发生的每一个动作的不同相机视图的信息。举例来说，游戏进行数据308用于生成多个PCV 430a和多个主动观众相机视图(ASCV)430b。每一个PCV 430a是为特定玩家生成并且响应于由相应玩家提供的游戏输入。将为每一个玩家识别的PCV转发到玩家的相应客户端装置以供渲染。基于所渲染的PCV，每一个玩家可提供另外的游戏输入，所述另外的游戏输入由游戏云站点处理以生成另外的游戏进行数据。视图推荐引擎400使用所述另外的游戏进行数据来训练推荐模型。随着将更多游戏进行数据提供到推荐模型，所述推荐模型的输出得以微调。当被动观众请求游戏进行数据时，使用所述微调为被动观众识别更好的相机视图推荐。类似地，基于由特定主动观众提供的输入来为相应主动观众生成每一个ASCV 430b。在游戏进行期间根据主动观众的输入中所限定的其指定视图偏好将ASCV430b传回给相应主动观众以允许主动观众观看发生动作的游戏场景。

现在参考图3B，对观看游戏1的游戏进行感兴趣的被动观众PS1经由网络200访问在游戏云站点300上执行的游戏1。游戏云站点300使用被动观众的登录凭证识别被动观众并且提取被动观众PS1的配置文件309。提供被动观众的配置文件309作为视图推荐引擎400的输入。被动观众的配置文件309包括在一定时间段内收集的被动观众的观看偏好。视图推荐引擎也接收由游戏1的游戏进行数据308生成的各种相机视图。视图推荐引擎400使用机器学习算法410以使用与由作为输入的游戏进行数据生成的相机视图相关的信息生成推荐模型，所述推荐模型是人工智能模型。使用从进行中的游戏进行会话收集的游戏进行数据进一步训练所述推荐模型，以生成与主动观众指定的不同观看目标匹配的不同输出。从推荐模型识别输出以呈现给被动观众。使用来自推荐模型的输出来选择视频游戏中发生的每一个动作的相机视图中的特定相机视图。基于在视频游戏的游戏场景中发生每一个动作时每一个相机视图中出现的所述动作的背景来选择相机视图。识别的相机视图可以是玩家相机视图或主动观众相机视图。

当基于动作的背景识别到一个以上相机视图时，视图推荐引擎400使用被动观众PS1的配置文件中所限定的观看偏好来进一步筛选相机视图。举例来说，主动观众相机视图中的两者或更多者可捕捉视频游戏中发生的动作的视图。在此示例中，视图推荐引擎400使用被动观众PS1的观看偏好来选择主动观众相机视图中的一者以呈现给被动观众PS1。配置文件中的观看偏好指定了被动观众的观看目标并且是基于随时间推移而收集的被动观众PS1的观看历史识别，其中观看历史可涉及游戏1和/或其他游戏/交互式应用。将捕捉视频游戏的游戏场景中发生的动作的视图的选定相机视图流式传输到被动观众PS1。在视频游戏的游戏进行过程中提供给被动观众PS1的各种相机视图限定推荐流430。被动观众PS1的推荐流特定于所述被动观众。因此，可在不同被动观众的推荐流中向所述不同被动观众提供不同的相机视图，并且不同的被动观众的相机视图是根据所述相机视图内出现的动作的背景和相应被动观众的观看偏好。

接着，视图推荐引擎400将被动观众PS1的推荐流430中所识别的相机视图转发到被动观众的客户端装置100以供渲染。因此，视图推荐引擎400能够分析游戏的相机视图以识别游戏的游戏场景的相机视图中对被动观众更有意义的特定相机视图，以丰富被动观众的游戏观看体验。

来自被动观众PS1的请求可以是想观看当前现场流式传输游戏的游戏进行或多个玩家玩的游戏的预先录制游戏进行。为简单起见，论述游戏的当前现场流式传输游戏进行会话的各种实施方式，但所述各种实施方式也可扩展到预先录制游戏进行会话。另外，各种实施方式不仅可适用于MMO游戏，而且可适用于真实世界环境中生成的内容，所述内容或是现场流式传输或是预先录制以供以后流式传输以及电影摄制的现场指导等。

将为被动观众PS1识别的相机视图的细节转发到流推荐引擎(或简称“推荐引擎”)420。推荐引擎420使用游戏的每一个游戏场景中的每一个动作的选定相机视图来生成推荐流430。所生成的推荐流430是游戏的不同游戏场景中的不同动作的精选相机视图的聚合。经由网络200将推荐流430中识别的相机视图转发到被动观众PS1的客户端装置以供渲染。转发给被动观众PS1的相机视图可以是捕捉不同动作的不同视图的一个或多个玩家的玩家相机视图和/或一个或多个主动观众相机视图的组合。基于动作的背景并且在适当情况下根据被动观众PS1的观看偏好提供捕捉动作发生的游戏场景的相机视图中的精选相机视图允许被动观众更沉浸于游戏，借此增强被动观众对游戏的兴趣。

图4图解说明在一个实施方式中的用于处理游戏的游戏进行期间生成的游戏进行数据308的视图推荐引擎400的细节。如先前所述，游戏可以是由多个玩家玩的多玩家游戏。由游戏的多个玩家提供的游戏输入用于更新游戏的游戏状态并且生成游戏进行数据308。游戏进行数据308用于生成不同的游戏相机视图，所述不同的游戏相机视图是为游戏的被动观众识别的推荐流430的一部分。游戏进行数据包括每一个玩家的游戏输入308a。玩家中的每一者的游戏输入308a用于影响游戏的结果。除了由玩家提供的游戏输入308a之外，一个或多个主动观众可在游戏进行期间提供输入308b以影响主动观众相机视图(ASCV)430b的生成。响应于来自主动观众的输入308b，游戏逻辑使用在从主动观众接收到输入308b时可获取的游戏进行数据308再次执行游戏以生成游戏场景中发生的动作的ASCV 430b。针对游戏场景中发生的每一个动作捕捉的不同PCV 430a捕捉动作的不同玩家视角，而针对每一个动作生成的ASCV 430b捕捉与对应PCV 430a中所捕捉的视图和方面不同的视图和方面。ASCV 430b以及PCV 430a所捕捉的游戏场景中的每一个动作的视图包括足够的数据以使得能够建构与所述动作相关联的游戏场景的三维表示。

为了识别作为传回给游戏1的被动观众的推荐流430的一部分的相机视图，处理游戏进行数据308以提取图像数据311和遥测数据312。图像数据311提供由视频游戏中的一个或多个玩家访问的每一个游戏场景中所包括的各种图像特征的细节。遥测数据312捕捉游戏进行的细节，包括玩家提供的游戏输入、玩家尝试、玩家实现、玩家未完成等的每一个活动的特性、玩家的玩家属性、玩家的游戏输入对游戏状态的影响、游戏的游戏特征(包括类型、游戏进行等级、复杂程度)等。将图像数据311和遥测数据312转发到特征处理引擎401以进行进一步处理。图像数据311可存储在图像数据存储装置311a中，并且遥测数据312可存储在遥测数据存储装置312a中。

特征处理引擎401从图像数据存储装置311a提取图像数据311并处理所述图像数据311以提取游戏进行数据的每一个相机视图中捕捉的图像的各种特征。游戏场景的图像特征可包括游戏场景中所包括的每一个游戏对象的特征(例如长度、宽度、高度、大小、重量、色彩、静态或动态特性等)，诸如每一个游戏对象的数目和位置；非进行游戏的角色的数目、位置和特征；玩家的敌手或搭档的数目、位置和特征；等等。此外，图像特征也可包括捕捉角度、捕捉深度、所捕捉图像的清晰度等。特征处理引擎401也从遥测数据存储装置312a提取遥测数据312并处理所述遥测数据312以提取游戏进行的特征和提供影响游戏进行的游戏输入的玩家的属性。遥测数据312中所包括的游戏进行细节可用于识别在每一个相机视图中所捕捉的游戏场景内由玩家提供的各种游戏输入和所述游戏输入的结果的复杂性。

提供从游戏的游戏进行期间的游戏进行数据308提取的图像特征、游戏特征和玩家属性作为机器学习算法410的输入。所述机器学习算法包括针对从游戏的游戏进行数据提取的不同特征和属性而限定的分类器410a。分类器410a用于生成推荐模型410b。使用在视频游戏的游戏进行期间随时间推移收集的、从玩家接收到的游戏输入、另外游戏输入来训练推荐模型410b。在一个实施方式中，从多个游戏进行会话收集游戏输入。训练推荐模型是为了微调推荐模型的各种节点中所包括的属性、特征并且加强由推荐模型的成对连续节点之间的边限定的关系。推荐模型中限定各种输出，其中每一个输出与玩家的特定游戏行为和/或主动观众的观看偏好相关。基于捕捉相应动作的各种相机视图中的每一者中出现的动作的背景来选择来自推荐模型410b的输出。选定输出识别将响应于来自被动观众的观看请求而提供给被动观众的相机视图。除了用于选择相机视图中的特定相机视图的动作的背景之外，还可使用被动观众的观看偏好以从推荐模型识别输出。被动观众的观看偏好可从被动观众的配置文件309获得(所述配置文件309可寄存被动观众喜欢的游戏类型、动作类型、观看类型等)，并且此信息可从在一定时间段内搜集的被动观众的观看历史获得。识别相机视图并将其传回给被动观众以满足被动观众的观看偏好。

在一些实施方式中，可识别根据动作的背景和被动观众的观看偏好的捕捉动作的视图的一个以上相机视图。在所述实施方式中，对被动观众的观看偏好进行加权并且基于加权偏好进一步筛选相机视图，以识别相机视图中与被动观众的加权偏好最好地匹配的特定相机视图。将相机视图的特定相机视图推荐给被动观众。推荐给被动观众的相机视图是根据游戏场景中发生的动作并且在一些实例中根据被动观众的观看偏好，以允许被动观众具有最优的观看体验。将来自推荐模型410b的输出提供到推荐引擎420，所述推荐引擎识别每一个动作的相机视图中的精选相机视图。在游戏场景中发生的动作的持续时间内提供针对所述动作选择的相机视图，并且在所述动作完成之后，将相机视图动态切换到与在动态切换时发生的动作对应的不同相机视图。不同动作的流式传输到被动观众的相机视图限定游戏进行的内容的推荐流430。推荐流430包括一个或多个PCV 430a和一个或多个ASCV430b。推荐流中的一系列相机视图与视频游戏的游戏进行中发生的一系列各种动作匹配。在一个实施方式中，推荐引擎420所生成的推荐流430可特定于每一个被动观众，原因在于所述推荐流可包括根据相应被动观众的观看偏好的一个或多个相机视图。响应于来自每一个被动观众的请求将被动观众的推荐流430传回给观众的相应客户端装置100以供渲染。

图5图解说明在一个实施方式中的视图推荐引擎400的各种模块，所述各种模块用于处理游戏的游戏进行数据以为已请求游戏的游戏进行数据的每一个被动观众生成推荐流。视图推荐引擎400包括多个模块/处理引擎以处理游戏进行数据并且识别游戏进行数据中所包括的各种特征和属性。视图推荐引擎400中所包括的模块可包括遥测特征提取引擎402、图像特征提取引擎403、玩家属性提取引擎402a、观众属性提取引擎402b和游戏进行数据提取引擎402c。除了前述模块/引擎之外，视图推荐引擎400还可包括特征处理引擎401、机器学习算法410(包括分类器(即分类引擎)410a、推荐模型410b)和推荐引擎420(仅举几例)。

将在游戏的游戏进行期间在玩家的相应客户端装置处生成的游戏输入转发到执行游戏的实例的一个或多个游戏服务器302以供进一步处理。游戏的游戏逻辑使用游戏输入来更新游戏的游戏状态并生成游戏进行数据308。游戏进行数据308用于生成多个相机视图，所述多个相机视图作为传回给被动观众的推荐流430的一部分。所述多个相机视图捕捉游戏的不同游戏场景中发生的动作的不同视角。从游戏进行数据308生成的相机视图包括玩家相机视图(PCV)，所述玩家相机视图捕捉游戏的每一个游戏场景中发生的每一个动作的相应玩家的视角。除了PCV之外，使用由主动观众提供的输入来生成多个主动观众相机视图(ASCV)。来自主动观众的输入指定主动观众想要的针对每一个动作捕捉的深度、方向、清晰度水平、角度、内容。游戏逻辑使用主动观众的输入来再次执行视频游戏以生成每一个动作的主动观众相机视图(ASCV)。将PCV 430a和ASCV 430b以及游戏进行数据308转发到在游戏服务器302处执行的视图推荐引擎400。执行视图推荐引擎400的游戏服务器302可以是执行由一个或多个玩家和/或观众访问的游戏的实例的同一游戏服务器302，或可以是通信连接到执行游戏的一个或多个游戏服务器302的不同游戏服务器302。玩家可通过访问在游戏服务器302处执行的游戏的单个实例来参与游戏的游戏进行。另一选择为，玩家可访问在不同游戏服务器302处执行的游戏的不同实例。在所述情形中，游戏的游戏状态跨游戏的所有执行实例同步，以使得可向玩家呈现游戏的当前游戏状态。

通信连接使得视图推荐引擎400能够接收游戏进行数据308和所生成的游戏相机视图作为相机流。游戏进行数据308捕捉遥测数据312，并且游戏相机视图捕捉所述多个玩家的游戏进行的图像数据311。遥测数据312捕捉基于来自玩家的游戏输入而在游戏中实行的动作的复杂性。

遥测特征提取引擎402被配置成处理游戏相机视图中所含有的遥测数据312。遥测数据312包括基于每一个玩家的游戏输入和游戏进行技巧限定的玩家属性以及由游戏的执行产生的游戏特征。遥测特征提取引擎402包括玩家属性提取引擎402a、观众属性提取引擎402b和游戏进行数据提取引擎402c。玩家属性提取引擎402a被配置成从遥测数据312提取玩家相关数据。可提取的玩家相关数据中的一些玩家相关数据包括与以下各项相关的数据：玩家评级、玩家水平、游戏进度、每一个玩家所采取的游戏进行策略、与游戏进行有关和与玩家有关的娱乐值、玩家的移动顺序、玩家实行的独特移动等。可依据由其他玩家、主动观众、内容提供商等提供的评级输入更新每一个玩家的玩家评级数据。玩家相关数据用于确定在游戏中提供游戏输入的每一个玩家的玩家属性(例如受欢迎度、技巧/专业水平等)。玩家相关数据可存储在用户数据存储装置305中并且可用于更新用户账户304中所包括的玩家配置文件。

游戏进行数据提取引擎402c被配置成提取与游戏特征相关的数据(诸如游戏等级数据)、与玩家实行的活动相关的数据(包括尝试的活动、完成的活动、尝试每一个活动的次数)、每一个玩家的游戏获胜数据、游戏状态数据等。通过玩家的游戏输入实行的活动可与游戏的游戏场景中实行的动作相关。游戏相关特征用于确定游戏状态、与每一个玩家有关的保存数据(包括由每一个玩家实行的游戏自定义)等。游戏相关特征可存储在游戏进行数据存储装置307中。

观众属性提取引擎402b被配置成从遥测数据312提取主动观众相关数据。可提取的主动观众相关数据中的一些包括关注游戏的游戏进行的主动观众数、关注每一个玩家的主动观众数、主动观众的配置文件(包括观众评级)以及主动观众提供的输入。主动观众提供的输入可包括捕捉游戏的游戏场景中发生的游戏动作的相机视图相关输入，诸如特定角度、深度、方向等。除了前述输入之外，主动观众还可提供与一个或多个玩家的游戏进行相关的其他游戏相关输入，诸如评论、评级、聊天、电子邮件、博客等。游戏相关输入可用于识别所提供评论的类型、评论品质、游戏的观众认知度等。主动观众相关数据可更新到观众的配置文件并且也可用于更新游戏特征和/或将游戏输入提供到游戏的每一个玩家的玩家属性(例如受欢迎度、技巧水平等)。主动观众相关数据可与玩家属性分开地或一起存储在用户数据存储装置305中。

图像特征提取引擎403类似地被配置成从图像数据311提取各种图像特征。从图像数据311提取的图像特征可用于将游戏进行视图内的PCV 430a与ASCV 430b区分开。提取的图像特征可包括与以下各项相关的数据：捕捉角度、捕捉深度、捕捉方向、每一个捕捉视图中捕捉的图像的清晰度、图像中捕捉的内容、来自玩家的游戏输入所针对的游戏对象、游戏输入所针对的游戏对象的位置和特征等。与图像相关的数据可存储在图像数据存储装置311a中。

提供由玩家属性提取引擎402a提取的玩家属性、由观众属性提取引擎402b提取的主动观众属性、由游戏进行数据提取引擎402c提取的游戏特征和由图像特征提取引擎403提取的图像特征，作为特征处理引擎401的输入以用于进一步处理。特征处理引擎401识别游戏进行的复杂性，并且使从游戏进行数据所生成的各种相机视图中识别的特征、属性与游戏的每一个游戏场景中发生的特定动作相关。提供经过特征处理引擎401处理的特征、属性、动作、游戏场景和其他游戏相关数据作为机器学习算法410的输入。机器学习算法410包括分类器410a，所述分类器是使用一个或多个图像特征、游戏特征、玩家和/或主动观众属性限定。使用分类器410a中所包括的信息来生成推荐模型410b。推荐模型410b是使用从游戏进行数据308提取的各种特征和属性建立和训练的AI模型。推荐模型410b包括多个节点和边。各种分类器中所限定的特征、属性信息用于填充推荐模型410b的各个节点，并且任何一对连续节点之间的边用于限定相应节点中所含有的信息之间的相互关系。当从游戏的游戏进行生成另外游戏数据时，利用所述另外游戏数据来训练AI模型。所述另外游戏数据用于微调相应节点中所包括的特征、属性以及限定相应节点之间的相互关系的对应边，从而使得所述相互关系更强。机器学习算法410识别各种相机视图以呈现给对观看游戏的游戏进行感兴趣的被动观众。所识别的各种相机视图可包括玩家相机视图或主动观众相机视图中的一者或多者，并且为被动观众选择的相机视图是基于相关玩家相机视图和主动观众相机视图中出现的动作的背景。

机器学习算法410也接收对观看游戏的游戏进行感兴趣的被动观众的配置文件309。被动观众的配置文件309识别从被动观众的观看历史获得的被动观众的观看偏好。这些观看偏好限定被动观众的观看目标。在一些实施方式中，机器学习算法410也可使用被动观众的观看偏好来识别与被动观众的观看目标最好地匹配的AI模型的输出。使用来自AI模型的输出来识别与观众的偏好匹配的各种相机视图，其除了识别基于相应相机视图中捕捉的动作的背景的相机视图之外。推荐模型可为不同的被动观众识别不同的输出，其中每一个输出识别游戏的游戏场景的捕捉游戏中发生的动作的视图的一组相机视图。进一步筛选所述一组相机视图以识别相机视图中与特定被动观众的偏好匹配的特定相机视图。将来自AI模型的输出提供到推荐引擎420作为输入。推荐引擎420使用来自AI模型的输出以提取与相机视图的精选相机视图相关的数据，处理所述数据以生成游戏场景内容的帧并且经由网络200将游戏场景的帧流式传输到与每一个被动观众相关联的客户端装置100以供渲染。提供给被动观众的相机视图是推荐流的一部分，所述推荐流在游戏的游戏进行过程期间流式传输到被动观众并且提供与被动观众希望观看的内容一致的动作的视图。

图6图解说明在一个实施方式中的特征处理引擎内的各种模块，所述特征处理引擎用于处理由相应提取引擎提取的游戏进行的各种特征以及玩家的属性。在一个实施方式中，特征处理引擎401包括例如遥测特征处理引擎404、图像数据分析器405和评分生成引擎406(仅举几例)。遥测特征处理引擎404处理从游戏服务器302所提供的游戏进行数据308提取的遥测数据312。遥测特征处理引擎404可包括多个子模块以用于处理不同的遥测数据312。举例来说，遥测特征处理引擎404内的玩家属性处理引擎404a可用于处理与由玩家属性提取引擎402a提取并存储在用户数据存储装置305中的玩家属性相关的数据。当检测到玩家的另外玩家属性或现有玩家属性的改变时，更新用户数据存储装置305中的玩家属性。所述玩家属性可用于判断游戏内玩家的游戏进行风格、玩家的受欢迎度、玩家的游戏进行值(例如娱乐值、策略值、玩家的专业水平等)以及由玩家限定的游戏自定义。类似地，遥测特征处理引擎404内的观众属性处理引擎404b可用于处理由观众属性提取引擎402b提取并且存储在用户数据存储装置305中的主动观众的观众属性。主动观众是在游戏进行期间主动提供输入以指定其想观看的不同动作的相机视图的那些观众。观众属性可用于限定或更新玩家的另外属性和/或游戏的另外游戏特征。

遥测特征处理引擎404内的游戏进行数据处理引擎404c可用于处理由游戏进行数据提取引擎402c提取的游戏特征。游戏特征可用于确定游戏状态、每一个玩家的游戏保存数据、游戏在玩家和/或主动观众之间的受欢迎度、游戏复杂等。

图像数据分析器405用于分析由图像特征提取引擎403提取并存储在图像数据存储装置311a中的图像数据311，以识别游戏的游戏场景的各种特征。所述特征可与游戏场景的内容、游戏场景中发生的动作、不同玩家在游戏场景中实行的一个或多个活动和/或游戏场景的品质/复杂相关。图像数据分析器405可包括多个子模块以用于评估图像数据311中所包括的各种特征。对图像数据的评估包括给出所识别的每一个图像特征的相关评分以及在机器学习算法410限定分类器410a时使用所给出的评分。图像数据分析器405的子模块中的一些子模块包括内容评估引擎405a、评价评估引擎405b和活动评估引擎405c以用于评估图像数据311的特征。内容评估引擎405a被配置成评估图像数据以识别每一个游戏场景内所捕捉的内容。所述内容可包括提供游戏场景的全景的游戏对象、非玩家角色、场景、挑战、敌手、搭档等。与特征相关的图像数据可包括特征识别符、修饰性特性(诸如高度、重量、长度、宽度、深度、大小)、外观、位置、物理特性(例如移动或非移动、移动方向、轨迹、速度等)等)。图像数据分析器的评价评估引擎405b被配置成基于注册玩家在游戏进行期间浏览游戏场景的次数、从主动观众接收到的与在游戏场景中识别的特征相关的评论的数目和类型等来评估游戏的游戏场景的受欢迎度。图像数据分析器的活动评估引擎405c被配置成评估每一个游戏场景中发生的各种动作、玩家在每一个游戏场景中通过游戏输入实行的活动。所述评估也确定每一个活动在每一个游戏场景中发生的频率、为了实行每一个活动而提供的游戏输入的类型和数量、动作类型、动作持续时间等。评价评估引擎405b和活动评估引擎405c评估从来自玩家的游戏输入(例如活动、动作等)以及来自主动观众的输入(例如主动观众的评论、聊天、评价、类型和互动频率等)导出的图像数据。来自主动观众的输入可用于更新对应玩家的配置文件和/或对应游戏场景的游戏特征。活动评估引擎405c被配置成识别并评估玩家相关活动和主动观众相关活动两者。

提供来自遥测特征处理引擎404和图像数据分析器405的信息作为评分生成引擎406的输入。评分生成引擎406被配置成基于对各种特征和属性的识别和评估来生成不同相机视图的相关评分。举例来说，可基于对游戏场景的每一个相机视图中所捕捉的内容的评估来计算基于内容的评分406a。类似地，可基于由玩家实行的活动和在相应相机视图中所捕捉的每一个游戏场景中响应于所述活动而发生的动作来计算每一个相机视图的基于活动/动作的评分406b。可基于从在相应相机视图中所捕捉的游戏场景中实行的活动确定的玩家属性来计算相机视图的基于玩家的评分406c。可基于主动观众针对游戏场景的每一个相机视图提供的输入计算不同相机视图的基于观众的评分406d。来自评分生成引擎406的评分与相应相机视图相关联并且在推荐模型(即，AI模型)410b的生成和调谐期间使用。基于从玩家接收到的游戏输入和来自主动观众的输入不断地更新不同游戏场景的各种相机视图的评分。

由主动观众提供的输入指定对游戏中发生的每一个动作的游戏观看偏好。对游戏场景的游戏观看偏好可用于捕捉游戏场景内发生的动作并且可指定动作的捕捉角度、深度、方向等。这些观看偏好可特定于每一个动作并且可基于游戏场景中发生的动作的类型。游戏观看偏好限定观众的观看目标并且用于生成游戏的特定主动观众相机视图。

使用玩家的游戏输入和针对游戏收集的主动观众的输入来对推荐模型410b进行微调。所述微调有助于加强从游戏进行数据识别的各种特征、属性之间的相互关系。推荐模型410b针对不同的观看目标识别不同的输出。当被动观众选择游戏来观看时，从推荐模型410b识别满足被动观众的观看目标的输出。观看目标可基于游戏的游戏场景中发生的动作的背景并且在一些情形中也基于被动观众的配置文件。观众配置文件识别被动观众在观看游戏时偏好的动作类型、动作的细节量、相机视图类型(俯视图、侧视图等)等。从被动观众的观看历史搜集被动观众的观看偏好细节，其中观看历史可与游戏应用和/或任何其他交互式应用相关。来自推荐模型410b的输出用于识别游戏场景中发生的每一个动作的相机视图以呈现给被动观众。举例来说，基于游戏场景中发生的动作，可识别一个或多个相机视图以呈现给被动观众。当识别到一个以上相机视图时，可使用被动观众的观看偏好来识别动作的相机视图。为被动观众识别的相机视图可与PCV相同或不同。举例来说，被动观众的配置文件可示出被动观众通常喜欢观看动作的俯视相机视图，并且可将所述动作的适当俯视相机视图呈现给被动观众以观看所述动作。在另一示例中，可希望向被动观众呈现不同类型的动作的不同相机视图，诸如竞赛游戏的俯视图、篮球游戏的侧视图、网球游戏的对方视图等。在一个实施方式中，对方视图可被定义为从对方玩家(诸如网球游戏中的对手)的视角捕捉动作(例如，发或接球)的视图，而同一动作的PCV可捕捉从玩家视角看球朝向对方玩家移动的视图。

在一个实施方式中，由来自主动观众的输入生成的主动观众相机视图可以是基于方向的相机视图或基于动作的相机视图。评分生成引擎406根据所生成的ASCV的类型计算各种基于特征/用户的评分。将针对不同相机视图计算的评分提供到机器学习算法410以进一步调谐推荐模型410b以使得可识别适当相机视图来呈现给被动观众。在视频游戏的游戏进行过程中将不同相机视图呈现给被动观众，其中每一个相机视图对应于游戏场景中发生的动作的改变并且是在所述改变的持续时间内呈现给被动观众。动态地切换呈现给被动观众的相机视图以与游戏场景中发生的动作对应。所述动态切换在被动观众不进行任何输入的情况下实行并且被设计成根据发生的动作并且根据被动观众的配置文件来向被动观众提供捕捉游戏中发生的各种动作的相机视图。呈现给被动观众的相机视图是推荐流430的一部分。

即使当游戏场景中发生相同动作时，推荐算法可在不同被动观众的推荐流430中向不同被动观众提供不同的相机视图。一个被动观众的相机视图与另一被动观众的相机视图的差异可由于被动观众的相应配置文件中指定的不同观看偏好所致。推荐模型410b被配置成以不同被动观众的观看偏好为考量而识别适当输出。将从推荐模型410b识别的输出转发到推荐引擎420。推荐引擎420使用输出中提供的信息来识别相机视图中的特定相机视图以传回给被动观众。当相机视图符合被动观众的观看偏好时，被动观众基于呈现给所述被动观众的相机视图而得到满意的游戏观看体验。

图7A-1到图7E-1图解说明推荐引擎420基于从推荐模型识别的输出提供给游戏的多个被动观众的样本切换相机视图。图7A-1图解说明提供给被动观众1的一个样本切换相机视图。切换相机视图包括玩家相机视图(PCV)与主动观众相机视图(ASCV)的组合。举例来说，提供给被动观众PS1的所推荐的切换相机视图包括开头的玩家的PCV(玩家识别符35、731)、后续接着是ASCV16.1、玩家3和42的PCV、ASCV20.7、和玩家35的PCV。在渲染视频游戏期间通过基本上实时地将现有相机视图动态切换为新相机视图来提供各种相机视图。每一个相机视图是在切换之前的一段时间段内渲染，其中所述时间段与相应相机视图中出现的动作的持续时间相关。举例来说，渲染PCV35达4.5秒，接着再动态地切换并替换成PCV731。在游戏进行中从4.5秒开始渲染PCV731达7.5秒直到12秒，接着再切换并替换成ASCV16.1。渲染ASCV16.1达7秒，接着再切换并替换成PCV3，以此类推。在图7A-1中所示的示例性推荐切换相机视图中，示出了PCV35两次—一次在样本的开端并且一次在样本的末尾。此可指示玩家35的相机视图捕捉被动观众PS1喜欢看的进行中动作的图像特征和/或视图，并且在一些实例中也可与被动观众PS1在不同时间的偏好匹配。呈现给被动观众的ASCV识别主动观众感兴趣的玩家的游戏场景并且是基于主动观众的输入而生成。举例来说，ASCV16.1对应于主动观众相机视图1，所述主动观众相机视图1捕捉与玩家16相关联的游戏场景中的游戏动作。类似地，ASCV20.7对应于主动观众相机视图7，所述主动观众相机视图7捕捉与玩家20的游戏场景相关联的游戏场景中的游戏动作。图7A-2示出在观看视频游戏的游戏进行的过程中提供给被动观众PS1的所产生相机视图流。

图7B-1图解说明在一个实施方式中的提供给第二被动观众PS2的样本切换相机视图的另一示例。推荐流包括开头的一组ASCV 3.5、73.1和16.1、后续接着玩家3和42的PCV、ASCV 20.7、玩家3的PCV和ASCV 3.5。如在图7A-1中一样，相机视图中的某些相机视图重复出现。为每一个被动观众生成的切换相机视图可不仅从不同角度捕捉游戏的游戏场景，而且可捕捉游戏场景中发生的动作的进程。游戏场景中发生的动作可以是或可以不是响应于来自玩家的游戏输入。图7B-1图解说明一个此种示例，其中开头的ASCV3.5可捕捉动作的开端并且末尾的同一ASCV3.5可捕捉游戏场景中的动作随时间推移的进程。在此示例中，开头和末尾的ASCV3.5可从相同角度捕捉动作的游戏场景，而其他ASCV和PCV可从不同角度(包括不同高度、不同深度、不同模式、不同方向等)捕捉与所述动作相关联的游戏场景。图7B-2示出在观看视频游戏的游戏进行的过程中提供给被动观众PS2的所产生相机视图推荐流。

图7C-1图解说明提供给被动观众PS3的另一示例性切换相机视图，所述相机视图包括玩家35的PCV、后续接着一串ASCV(ASCV35.7、ASCV6.1、ASCV318.3、ASCV42.8、ASCV20.7、ASCV35.9)和PCV35。在一个实施方式中，提供给PS3的切换相机视图中所包括的所有相机视图可捕捉与一个动作或多个动作相关联的同一游戏场景，并且每一个相机视图可根据观众的观看偏好从不同视角呈现动作。图7C-2示出在观看视频游戏的游戏进行的过程中提供给被动观众PS3的所产生相机视图推荐流。

图7D-1图解说明提供给被动观众PS4的切换相机视图的另一示例，所述切换相机视图仅包括捕捉游戏的游戏场景中发生的一个或多个动作的视图的不同玩家的PCV。在此示例中，示出玩家35的PCV位于所述切换相机视图的开头和末尾。此可示出游戏场景内发生的动作的进程。图7D-2示出在观看视频游戏的游戏进行的过程中提供给被动观众PS4的所产生相机视图推荐流。

图7E-1图解说明其中提供给被动观众PS5的切换相机视图仅包括从主动观众的输入生成的ASCV的另一示例，所述ASCV捕捉游戏场景中发生的一个或多个动作。图7E-2示出在观看视频游戏的游戏进行的过程中提供给被动观众PS5的所产生相机视图推荐流。提供前述示例作为示例来图解说明基于被动观众的指定偏好而为被动观众识别的相机视图可包括捕捉不同动作的相机视图或同一动作的不同视图的任何组合。

本文中所述的各种实施方式提供通过识别并呈现从多个玩家的游戏进行生成的游戏进行的游戏场景的相机视图中的精选相机视图来增强被动观众的观看体验的方式。相机视图中的精选相机视图是基于被动观众的配置文件中指定的被动观众的偏好而不是基于游戏的游戏逻辑的推荐而识别，所述游戏逻辑可从玩家的视角或者基于动作的受欢迎度或相机视图的受欢迎度提供相机视图。向被动观众提供与游戏的被动观众相关的相机视图(即，根据被动观众想要看的内容)可使被动观众得到令人满意的观看体验，这可使得观看者停留在游戏中。观看者停留可转化成游戏开发者、游戏玩家、游戏赞助商等的更多收益。

图8图解说明在一个实施方式中的用于提高观众的观看体验的方法的操作流程。所述方法开始于在游戏服务器处执行视频游戏，如操作810中所图解说明。对所述视频游戏的所述执行可响应于从一个或多个玩家接收到的视频游戏的游戏进行的请求。所述视频游戏的所述执行使得在游戏进行期间从玩家所提供的游戏输入生成游戏进行数据。所述游戏进行数据用于生成相机视图，所述相机视图包括用于提供给玩家中的每一者的玩家相机视图以及用于提供给访问视频游戏以观看玩家的游戏进行的每一个主动观众的主动观众相机视图。主动观众相机视图是基于从主动观众接收到的主动输入而生成，其中所述输入可指定主动观众的观看偏好。主动观众的观看偏好可包括捕捉角度、捕捉深度、捕捉方向、捕捉清晰度等。因此，为每一个主动观众生成的主动观众相机视图也被称为主动观众相机视图。游戏可以是处于同一位置或在不同地理位置中的远程位置的多个玩家所玩的多玩家游戏。由每一个玩家提供的游戏输入用于影响游戏的游戏状态并生成游戏进行数据。所述游戏进行数据用于生成捕捉游戏的游戏场景的不同方面的多个相机视图。针对游戏场景生成的各种相机视图可用于生成游戏场景的三维视图。从游戏进行数据生成的相机视图包括捕捉游戏场景中发生的一个或多个动作的视图的内容帧。向玩家现场流式传输与玩家的玩家相机视图相关联的内容帧。

接收被动观众想观看视频游戏的游戏进行的请求，如操作820中所图解说明。所述请求指定被动观众感兴趣观看的视频游戏，但不包括影响相机视图生成的任何其他输入。响应于来自被动观众的请求，在游戏服务器上执行的视图推荐引擎识别捕捉视频游戏的游戏场景中发生的动作的视图的玩家相机视图和主动观众相机视图，以响应于所述请求而呈现给所述被动观众，如操作830中所图解说明。与动作相关的玩家相机视图和主动观众相机视图是使用在动作发生时可获取的游戏进行数据生成。视图推荐引擎接着基于所述玩家相机视图和所述主动观众相机视图中发生的动作的背景在所述玩家相机视图与所述主动观众相机视图之间动态地切换。所述动态切换是在无需来自被动观众的任何输入的情况下自动进行。提供给被动观众的相机视图是根据所捕捉动作的类型而定。在一些实施方式中，相机视图也基于从被动观众的配置文件中所包括的观看历史收集的被动观众的观看偏好。

传统上，游戏逻辑将呈现针对每一个游戏场景中的每一个动作而生成的所有相机视图，并且被动观众必须浏览每一个相机视图以根据其偏好识别捕捉游戏场景的相机视图。或另一选择为，游戏逻辑将通过将特定玩家的配置文件与被动观众的配置文件进行匹配来呈现该玩家的玩家相机视图。所述相机视图对于被动观众来说可能不是最优的，原因在于被动观众可对观看发生动作的游戏场景的不同视角感兴趣，而非对游戏逻辑提供的视角感兴趣。被动观众可能对像主动观众那样提供输入以生成新相机视图不感兴趣，而是可对观看最好地捕捉游戏场景内的动作的相机视图感兴趣。

本文中所论述的本公开的各种实施方式通过使用已为玩家和主动观众生成的相机视图向被动观众提供游戏中发生的不同动作的相机视图，而不必形成被动观众自己的相机视图。提供给被动观众的相机视图与被动观众的观看偏好匹配并且提供游戏场景内的动作的视图以使得被动观众能够获得满意的游戏观看体验。

在一些实施方式中，可向被动观众提供用户界面以在被动观众的配置文件中更新观看偏好。所述观看偏好指定被动观众的观看目标。视图推荐引擎与游戏逻辑协作以根据被动观众的观看目标来选择相机视图。用户界面可包括供被动观众选择的选项。本文中所论述的各种实施方式可用于现场流式传输的游戏和游戏的预先录制游戏进行。

除了游戏的游戏进行之外，各种实施方式可扩展到捕捉并流式传输给观众的真实世界内容。在一个实施方式中，真实世界内容可由多个用户捕捉，其中所述用户可分组成不同的团队。每一个用户团队可从不同角度捕捉真实世界场景并将所捕捉的流转发到应用云服务器以与其他用户/观众共享。与视图推荐引擎相关联的应用云服务器可处理所捕捉的真实世界场景的内容，以识别捕捉真实世界场景中的动作的各种相机视图并且基于被动观众的偏好来识别相机视图中的精选相机视图以流式传输给被动观众。与游戏的游戏进行一样，可经由应用云服务器向被动观众现场流式传输由所述多个用户捕捉的真实世界场景，或另一选择为，真实世界场景的记录可存储在应用云服务器中并当被动观众期望看真实世界场景的预先录制视频时使用。在捕捉真实世界内容的实施方式中，主动观众可以是提供输入以影响相机视图中所捕捉的内容的观众。所述输入可呈去向捕捉真实世界内容的用户的反馈或指令的形式。替代实施方式可包括：接收由多个用户捕捉的真实世界内容，其中每一个用户从不同的角度/深度/方向捕捉真实世界内容；以及使用主动观众的输入来识别相机视图中的精选相机视图以呈现给被动观众。被动观众仅提供观看真实世界内容的请求，并且视图推荐引擎将自动识别相机视图中的特定相机视图以提供给被动观众。所述被动观众可坐下来、放松并欣赏为被动观众选择的对被动观众来说最优的游戏进行的相机视图。

图9图解说明信息服务提供商架构的实施方案。信息服务提供商(ISP)902将大量信息服务递送给在地理上分散并且经由网络950连接的用户900。ISP可仅递送一种类型的服务(诸如股价更新)或各种服务(诸如广播媒体、新闻、体育、游戏等)。另外，每一个ISP提供的服务是动态的，即可在任何时间点增加或撤走所述服务。因此，向特定个人提供特定类型的服务的ISP可随时间而改变。例如，当用户在其家乡时，可由靠近用户的ISP为用户服务，并且当用户前往不同的城市时，可由不同的ISP为用户服务。家乡的ISP将把所需的信息和数据传送到新ISP，以使得用户信息“跟随”用户到新的城市，从而使数据更接近用户并且更易于访问。在另一实施方案中，可在为用户管理信息的主ISP与在主ISP的控制下直接与用户介接的服务器ISP之间建立主-服务器关系。在另一实施方案中，当客户端在世界范围内移动时，将数据从一个ISP传送到另一ISP以使在更好的位置为用户服务的ISP成为递送这些服务的ISP。

ISP 902包括应用服务提供商(ASP)906，所述ASP 906经由网络(例如，包括例如但不限于任何有线网络或无线网络、LAN、WAN、WiFi、宽带、缆线、光纤、卫星、蜂窝(例如4G、5G等)、因特网等)向客户提供基于计算机的服务。使用ASP模型提供的软件有时也被称为按需软件或软件即服务(SaaS)。提供对特定应用程序(诸如，客户关系管理)的访问的简单形式是使用标准协议，诸如HTTP。所述应用软件驻留在供应商的系统上，并且由用户使用HTML通过网页浏览器、通过由供应商提供的专用客户端软件或通过其他远程接口(诸如瘦客户端)来访问。

在广阔地理区域上提供的服务通常使用云计算。云计算是一种经由因特网提供可动态扩展和通常虚拟化的资源来作为服务的计算方式。用户不需要成为支持他们的“云”中的技术基础设施方面的专家。云计算可被划分为不同的服务，诸如基础设施即服务(IaaS)、平台即服务(PaaS)和软件即服务(SaaS)。云计算服务通常提供从网页浏览器访问的在线通用业务应用，而软件和数据存储在服务器上。基于计算机网络图中因特网的描绘方式，术语云被用作因特网的隐喻(例如，使用服务器、存储装置和逻辑)，并且是它所隐藏的复杂基础设施的抽象概念。

此外，ISP 902包括游戏处理服务器(GPS)908，所述GPS 908由游戏客户端使用以玩单玩家视频游戏和多玩家视频游戏。经由因特网玩的大多数视频游戏经由与游戏服务器的连接操作。通常，游戏使用从玩家收集数据并将数据分发给其他玩家的专用服务器应用。这比对等布置更有效且更高效，但需要单独的服务器来托管所述服务器应用。在另一实施方案中，GPS在玩家与其相应的游戏进行装置之间建立通信以在不依赖集中式GPS的情况下交换信息。

专用GPS是独立于客户端运行的服务器。此类服务器通常在位于数据中心的专用硬件上运行，从而提供更大的带宽和专用的处理能力。就大多数基于PC的多玩家游戏来说，专用服务器是托管游戏服务器的优选方法。大型多玩家在线游戏在通常由拥有游戏所有权的软件公司托管的专用服务器上运行，从而允许所述专用服务器控制和更新内容。

广播处理服务器(BPS)910将音频信号或视频信号分发给听众。广播到非常窄的听众范围有时被称为窄播。广播分发的最后一站是信号如何到达收听者或观看者，并且所述信号可像无线电台或电视台一样从空中传播到天线和接收器，或可通过有线电视或有线广播(或“无线电缆”)经由工作站或直接从网络传播。因特网也可特别通过允许共享信号和带宽的多播将无线电或电视带给接收者。以往，广播已由地理区域界定，诸如国家广播或区域性广播。然而，随着快速因特网的剧增，广播不受地形局限，内容可到达几乎世界上的任何国家。

存储服务提供商(SSP)912提供计算机存储空间和相关的管理服务。SSP也提供周期性备份和存档。通过提供存储即服务，用户可根据需要来订购更多存储。另一主要优点是SSP包括备份服务，并且如果用户的计算机的硬盘驱动器发生故障，用户将不会丢失其所有数据。此外，多个SSP可具有用户数据的全部或部分副本，从而允许用户高效地访问数据，而与用户所在的位置或用于访问数据的装置无关。举例来说，当用户在移动中时，用户可访问家庭计算机以及移动电话中的个人文件。

通信提供商914向用户提供连接。一种通信提供商是提供对因特网访问的因特网服务提供商(ISP)。ISP使用适合于传输因特网协议数据报的数据传输技术(诸如拨号、DSL、缆线调制解调器、光纤、无线或专用高速互连)来连接其客户。通信提供商还可提供消息传递服务，诸如电子邮件、即时消息传递和SMS短信。另一种类型的通信提供商是网络服务提供商(NSP)，其通过提供对因特网的直接主干的访问来出售带宽或网络访问。网络服务提供商可由提供高速因特网访问的电信公司、数据通讯公司、无线通信提供商、因特网服务提供商、有线电视运营商等组成。

数据交换904将ISP 902内部的数个模块互连并且经由网络950将这些模块连接到用户900。数据交换904可覆盖ISP 902的所有模块很靠近的小区域，或可在不同模块在地理上分散时覆盖大地理区域。举例来说，数据交换904可包括在数据中心的机箱内的快速千兆以太网(或更快)或洲际虚拟局域网(VLAN)。

用户900通过客户端装置984(即，图1中的客户端装置100)访问远程服务，所述客户端装置984至少包括CPU、存储器、显示器和I/O。客户端装置可以是PC、移动电话、上网本、平板、游戏系统、PDA等。在一个实施方案中，ISP 902辨识客户端使用的装置的类型并调整所采用的通信方法。在其他情形中，客户端装置使用标准通信方法(诸如html)来访问ISP902。

图10图解说明可用于实行本公开的各种实施方案的各方面的示例性游戏服务器装置302的部件。举例来说，图10图解说明根据本公开的一个实施方案的具有适合于训练AI模型的硬件部件的示例性服务器系统，所述AI模型能够实行与视频游戏和/或视频游戏的游戏进行相关的各种功能。服务器系统的框图包括服务器装置302，服务器装置302可包括或可以是个人计算机、服务器计算机、游戏控制台、移动装置或其他数字装置，以上装置中的每一者适合于实践本发明的实施方案。另一选择为，服务器装置302的功能可在物理服务器中或在虚拟机或容器服务器上实施。服务器装置302包括用于运行软件应用并且任选地运行操作系统的中央处理单元(CPU)1002。CPU 1002可由一个或多个同构或异构处理核心构成。

根据各种实施方案，CPU 1002是具有一个或多个处理核心的一个或多个通用微处理器。可使用具有微处理器架构的一个或多个CPU来实施其他实施方案，所述微处理器架构特别适于被配置成用于深度学习、内容分类和用户分类的应用当中的高度并行且计算密集型的应用，诸如媒体和交互式娱乐应用。举例来说，CPU 1002可被配置成包括机器学习算法410(在本文中也被称为AI引擎或深度学习引擎)，所述机器学习算法410被配置成支持和/或实行关于提供与视频游戏和/或所述视频游戏的游戏进行相关的各种功能(例如预测、提议)的学习操作。机器学习算法410可包括分类器410a，所述分类器410a被配置成使用在视频游戏的游戏进行期间提供的输入和互动来建立和/或训练AI模型(即推荐模型)410b。AI模型410b被配置成提供建议以改进视频游戏和/或所述视频游戏的游戏进行的一组观众的参与测度。此外，CPU 1002包括分析器1040，所述分析器1040被配置成分析输入和互动并提供分析结果以用于生成和训练AI模型410b。经过训练的AI模型410b响应于一组特定玩家输入、观众互动而提供输出，其中所述输出是根据经过训练的AI模型410b的预限定功能。经过训练的AI模型410b可用于确定给玩家和/或游戏逻辑的最优建议以改进观众的参与测度，以满足视频游戏限定的参与准则。分析器1040被配置成实行与视频游戏和/或视频游戏的游戏进行相关的各种功能，包括针对给定输入(例如控制器输入、游戏状态数据、成功准则)分析来自经过训练的AI模型126b的输出并提供建议。

存储器1004存储应用和数据以供CPU 1002使用。存储装置1006提供用于应用和数据的非易失性存储装置和其他计算机可读介质，并且可包括固定磁盘驱动器、可移除磁盘驱动器、闪存存储器装置以及CD-ROM、DVD-ROM、蓝光、HD-DVD或其他光学存储装置以及信号传输与存储介质。用户输入装置1008将玩家输入和观众互动从一个或多个玩家、观众传达到服务器装置302。用户输入装置1008的示例可包括键盘、鼠标、游戏杆、触摸垫、触摸屏、静态画面或视频记录器/相机、游戏控制器和/或传声器。网络接口1014允许服务器装置302经由电子通信网络与其他计算机系统进行通信，并且可包括经由局域网和广域网(诸如因特网)的有线通信或无线通信。音频处理器1012适于从由CPU 1002、存储器1004和/或存储装置1006提供的指令和/或数据生成模拟音频输出或数字音频输出。服务器装置302的部件(包括CPU 1002、存储器1004、数据存储装置1006、用户输入装置1008、网络接口1010和音频处理器1012)经由一根或多根数据总线1022连接。

图形子系统1013还与数据总线1022和服务器装置301的其他部件连接。图形子系统1013包括图形处理单元(GPU)1016和图形存储器1018。图形存储器1018包括用于存储输出图像的每一个像素的像素数据的显示存储器(例如，帧缓冲器)。图形存储器1018可与GPU1016集成在同一装置中、作为单独的装置与GPU 1016连接和/或实施在存储器1004内。可将像素数据从CPU 1002直接提供到图形存储器1018。另一选择为，CPU 1002为GPU 1016提供限定所需输出图像的数据和/或指令，GPU 1016依据所述数据和/或指令来生成一个或多个输出图像的像素数据。限定所需输出图像的数据和/或指令可存储在存储器1004和/或图形存储器1018中。在实施方案中，GPU1016包括依据限定场景的几何形状、照明、阴影、纹理、运动和/或相机参数的指令和数据来生成输出图像的像素数据的3D渲染能力。GPU 1016还可包括能够执行着色器程序的一个或多个可编程执行单元。在一个实施方案中，可将GPU1016实施在AI引擎内以提供另外的处理能力，诸如AI或深度学习功能。

图形子系统1013从图形存储器1018周期性地输出图像的像素数据以在显示器装置1010上显示或由投影系统(未示出)投影。显示器装置1010可以是能够响应于来自服务器装置301的信号而显示视觉信息的任何装置，包括CRT、LCD、等离子体和OLED显示器。举例来说，服务器装置301可为显示器装置1010提供模拟信号或数字信号。

本公开的实施方案可通过各种计算机系统配置(包括手持式装置、微处理器系统、基于微处理器或可编程的消费型电子器件、小型计算机、大型计算机等)来实践。还可在分布式计算环境中实践本公开，在所述分布式计算环境中通过有线网络或无线网络链接的远程处理装置实行任务。

在一些实施方案中，可使用无线技术来促进通信。此类技术可包括例如5G无线通信技术。5G是第五代蜂窝网络技术。5G网络是其中提供商覆盖的服务区域被划分成被称为小区的小地理区域的数字蜂窝网络。表示声音和图像的模拟信号在电话中被数字化、由模数转换器转换并作为位流传输。小区中的所有5G无线装置通过无线电波经由收发器从其他小区中重复使用的频率池中分配的频道与所述小区中的本地天线阵列和低功率自动收发器(发射器和接收器)通信。本地天线通过高带宽光纤或无线回程连接来与电话网络和因特网连接。与在其他小区网络中一样，从一个小区跨到另一小区的移动装置会自动转移到新小区。应理解，5G网络只是通信网络的示例性类型，并且本公开的实施方案可利用更早一代的无线通信或有线通信以及5G之后的更新一代的有线技术或无线技术。

考虑到以上实施方案，应理解，本公开可采用涉及存储在计算机系统中的数据的各种计算机实施的操作。这些操作是需要物理地操纵物理量的操作。本文中所述的形成本公开的一部分的任何操作均是有用的机器操作。本公开还涉及用于实行这些操作的装置或设备。可针对所需目的专门构造所述设备，或者所述设备可以是由存储在计算机中的计算机程序选择性地激活或配置的通用计算机。确切来说，各种通用机器可与根据本文中的教义撰写的计算机程序一起使用，或者构造更专业的设备来实行所需操作可能更方便。

本公开也可体现为计算机可读介质上的计算机可读代码。另一选择为，可使用上文所述的数据交换互连从服务器下载计算机可读代码。所述计算机可读介质是可存储数据的任何数据存储装置，所述数据随后可由计算机系统读取。计算机可读介质的示例包括硬盘驱动器、网络附接存储装置(NAS)、只读存储器、随机存取存储器、CD-ROM、CD-R、CD-RW、磁带以及其他光学和非光学数据存储装置。所述计算机可读介质可包括分布在网络耦合计算机系统上的计算机可读有形介质，以使得分布式地存储和执行计算机可读代码。

尽管按照具体的次序描述了方法操作，但应理解，可在操作之间实行其他内务操作，或者可调整操作以使得其在略微不同的时间发生，或者可分布在允许以与处理相关联的各种间隔发生处理操作的系统中，只要以所需方式实行重叠操作的处理即可。

尽管为了清楚地理解起见已详细描述了前述公开，但将显而易见的是可在随附权利要求书的范围内进行某些改变和修改。因此，本发明实施方案应被视为说明性的而非限制性的，并且本公开并不仅限于本文中给出的细节，而是可在所述实施方案的范围和等效内容内加以修改。

应理解，可使用本文中所公开的各种特征将本文中所限定的各种实施方案组合或组装成特定实施方式。因此，所提供的示例只是一些可能的示例，而并不限于可通过组合各种元件来定义更多实施方式的各种实施方式。在一些示例中，一些实施方式可包括更少的元件，而此并不背离本公开或等效实施方式的精神。

Claims (26)

1.一种方法，所述方法包括：

响应于从玩家接收到的游戏进行的进行请求而在游戏云服务器处执行视频游戏，对所述视频游戏的所述执行使得从所述玩家提供的游戏输入生成游戏进行数据，其中对所述视频游戏的所述执行包括处理所述游戏进行数据以生成玩家相机视图以在游戏进行期间提供给所述玩家并且生成主动观众相机视图以提供给访问所述视频游戏以观战所述玩家的所述游戏进行的主动观众；

从被动观众接收观看在所述游戏云服务器处执行的所述视频游戏的请求；以及

响应于所述请求而呈现所述玩家相机视图或所述主动观众相机视图中的一者，其中呈现包括在提供给所述被动观众的所述游戏进行的所述玩家相机视图与所述主动观众相机视图之间动态地切换，所述动态切换是基于所述玩家相机视图和所述主动观众相机视图中出现的动作的背景，

其中所述动态切换是所述被动观众不进行输入的情况下发生，并且其中由游戏云服务器的服务器实行所述方法的操作。

2.如权利要求1所述的方法，其中在游戏进行期间动态地更新所述玩家相机视图和所述主动观众相机视图以捕捉所述视频游戏中发生的所述动作的视图。

3.如权利要求1所述的方法，其中所述动态切换与检测到所述视频游戏中发生的所述动作的改变的时间相关。

4.如权利要求1所述的方法，其中当在预限定时段内未检测到所述视频游戏内的所述动作的改变时实行所述动态切换，所述动态切换与所述预限定时段的到期相关。

5.如权利要求1所述的方法，其中向所述玩家相机视图或所述主动观众相机视图的所述动态切换实时地进行并且还基于所述被动观众的配置文件。

6.如权利要求5所述的方法，其中所述被动观众的所述配置文件识别基于所述被动观众观看的内容而随时间推移收集的所述被动观众的观看偏好。

7.如权利要求6所述的方法，其中基于从所述被动观众接收到的偏好输入而在所述配置文件中动态地调整所述被动观众的所述观看偏好。

8.如权利要求1所述的方法，其中所述视频游戏中发生的所述动作是基于由所述玩家实行的活动，并且所述玩家相机视图和所述主动观众相机视图捕捉与所述活动相关的所述动作。

9.如权利要求1所述的方法，其中所述动态切换在所述视频游戏的所述游戏进行期间继续并且使得生成提供给所述被动观众的推荐流，

其中所述推荐流包括玩家相机视图中的一者或多者和/或一个或多个主动观众相机视图的组合，其中每一个玩家相机视图和每一个主动观众相机视图是动态地生成并且包括所述视频游戏中发生的所述动作的相异视图。

10.如权利要求1所述的方法，其中在所述视频游戏的游戏进行期间发生多个动作，其中所述多个动作中的每一个动作与一个或多个玩家相机视图和一个或多个主动观众相机视图相关联，与每一个动作相关联的所述一个或多个玩家相机视图和所述一个或多个主动观众相机视图捕捉所述游戏场景中发生的对应动作的相异视图，针对所述对应动作生成的所述一个或多个玩家相机视图和所述一个或多个主动观众相机视图包括足够的数据以建构与所述动作相关联的所述视频游戏的所述游戏场景的三维表示。

11.如权利要求1所述的方法，其中处理所述游戏进行数据包括，

再次执行所述视频游戏以生成所述主动观众相机视图，所述主动观众相机视图捕捉如所述主动观众的所述输入中指定的所述视频游戏中发生的所述动作的所需角度，所述再次执行是使用当接收到来自所述主动观众的所述输入时可获取的所述游戏进行数据来进行。

12.如权利要求1所述的方法，其中所述玩家相机视图从所述玩家的视角捕捉所述视频游戏中发生的所述动作的视图，并且

其中所述主动观众相机视图捕捉所述动作的与所述玩家相机视图中所捕捉的所述视图不同的视图，所述主动观众相机视图是基于所述动作的所述背景和由所述主动观众提供的输入而生成。

13.如权利要求12所述的方法，其中所述视频游戏中发生的所述动作是响应于由所述玩家提供的游戏输入。

14.如权利要求1所述的方法，其中所述动态切换包括在所述视频游戏中发生的所述动作的持续时间内呈现为所述被动观众选择的所述玩家相机视图或所述主动观众相机视图。

15.如权利要求1所述的方法，其中所述游戏进行数据是聚合游戏进行数据，所述聚合游戏进行数据包括从当前正在玩所述视频游戏的多个玩家的游戏进行生成的游戏进行数据，所述聚合游戏进行数据用于针对所述视频游戏中发生的每一个动作为所述多个玩家生成玩家相机视图并且为多个主动观众生成主动观众相机视图，

其中每一个玩家相机视图从所述多个玩家中的特定玩家的视角使用所述特定玩家的游戏输入捕捉所述视频游戏的视图，并且每一个主动观众相机视图根据所述多个主动观众中的特定主动观众的输入中所提供的视图规范来捕捉所述视频游戏的视图，并且

其中所述动态切换包括(a)仅在所述玩家相机视图之间切换，或(b)仅在所述主动观众相机视图之间切换，或(c)在所述玩家相机视图与所述主动观众相机视图之间切换，以提供与所述视频游戏中发生的不同动作相关联的游戏场景的视图。

16.如权利要求14所述的方法，其中所述动态切换还基于所述被动观众的配置文件。

17.如权利要求1所述的方法，其中所述动态切换还包括，

使用机器学习逻辑来生成推荐模型，所述推荐模型是使用所述视频游戏的游戏进行数据来生成并训练，其中所述游戏进行数据是响应于所述玩家的游戏输入和所述主动观众的输入而生成；以及

从所述推荐模型识别与所述视频游戏中发生的动作的背景相关的输出，所述输出用于识别所述玩家相机视图或所述主动观众相机视图以用于动态切换。

18.一种方法，所述方法包括：

检测对观看在游戏云服务器处执行的视频游戏的请求，所述请求是从被动观众接收到；

识别在所述视频游戏的游戏进行期间生成的多个相机视图，所述多个相机视图包括为多个玩家生成的玩家相机视图和为关注所述视频游戏的所述游戏进行的多个主动观众生成的主动观众相机视图，其中每一个玩家相机视图和每一个观众相机视图捕捉与所述视频游戏中发生的每一个动作相关联的所述视频游戏的游戏场景的相异视图；

响应于所述请求而向所述被动观众呈现每一个动作的所述多个相机视图当中的所述玩家相机视图或所述主动观众相机视图中的精选相机视图，其中所述呈现包括在所述玩家相机视图或所述主动观众相机视图中的精选相机视图之间动态地切换，

其中所述动态切换是在所述被动观众不进行输入的情况下发生并且基于与每一个动作相关联的相应玩家相机视图和所述观众相机视图中出现的每一个动作的背景，并且

其中由游戏云系统的服务器实行所述方法的操作。

19.如权利要求18所述的方法，其中玩家相机视图或所述主动观众相机视图中用于动态切换的所述精选相机视图被识别为与检测到所述视频游戏中发生的每一个动作的改变的时间相关并且在每一个动作的持续时间内呈现。

20.如权利要求18所述的方法，其中所述视频游戏中发生的每一个动作是响应于由所述多个玩家中的一者或多者提供的游戏输入，所述游戏输入使得从第一游戏场景改变为第二游戏场景，并且针对每一个动作生成的所述多个相机视图捕捉所述第二游戏场景的视图。

21.如权利要求18所述的方法，其中为所述多个玩家中的一个玩家生成的玩家相机视图从所述玩家的视角捕捉与所述视频游戏中发生的每一个动作相关联的游戏场景的视图；并且

其中为主动观众生成的主动观众相机视图是基于由所述主动观众提供的输入，用于所述主动观众的所述主动观众相机视图捕捉与每一个动作相关联的所述游戏场景的视图，所述视图与对应的玩家相机视图中所捕捉的视图不同，来自所述主动观众的所述输入识别由所述主动观众指定的针对每一个动作的所述游戏场景的所需视图方向。

22.如权利要求18所述的方法，其中针对每一个动作的用于所述多个主动观众的所述主动观众相机视图是通过以下方式生成，

使用当接收到每一个主动观众的输入时可获取的游戏进行数据针对每一个动作再次执行所述视频游戏，所生成的主动观众相机视图捕捉与每一个动作相关联的游戏场景的视图，所述视图与对应的玩家相机视图中所捕捉的视图不同。

23.如权利要求22所述的方法，其中对所述视频游戏的所述再次执行和所述动态切换在所述视频游戏的所述游戏进行的持续时间内或在所述被动观众已选择所述视频游戏来观看的持续时间内继续。

24.如权利要求18所述的方法，其中在游戏进行期间生成并且与每一个动作相关联的每一个玩家相机视图特定于所述多个玩家中的一个玩家，生成每一个玩家相机视图以捕捉响应于由所述玩家提供的游戏输入而实行的对应动作的视图。

25.如权利要求18所述的方法，其中所述动态切换在所述视频游戏的所述游戏进行期间继续并且使得生成提供给所述被动观众的推荐流，

其中所述推荐流包括玩家相机视图中的一者或多者和/或一个或多个主动观众相机视图的组合。

26.如权利要求18所述的方法，其中所述动态切换包括在每一个动作的持续时间内呈现与所述动作相关联的所述玩家相机视图或所述主动观众相机视图。

Images