WO2026005703A1 - 流媒体的播放方法、装置、电子设备、介质及程序产品 - Google Patents

流媒体的播放方法、装置、电子设备、介质及程序产品

Info

Publication number
WO2026005703A1
WO2026005703A1 PCT/SG2025/050097 SG2025050097W WO2026005703A1 WO 2026005703 A1 WO2026005703 A1 WO 2026005703A1 SG 2025050097 W SG2025050097 W SG 2025050097W WO 2026005703 A1 WO2026005703 A1 WO 2026005703A1
Authority
WO
WIPO (PCT)
Prior art keywords
target
playback
content
target video
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
PCT/SG2025/050097
Other languages
English (en)
French (fr)
Inventor
龙韵翔
周玉辰
张晋荣
熊一鸣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Lemon Inc Cayman Island
Original Assignee
Lemon Inc Cayman Island
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Lemon Inc Cayman Island filed Critical Lemon Inc Cayman Island
Publication of WO2026005703A1 publication Critical patent/WO2026005703A1/zh
Pending legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/438—Interfacing the downstream path of the transmission network originating from a server, e.g. retrieving encoded video stream packets from an IP network
    • H04N21/4383—Accessing a communication channel
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/458—Scheduling content for creating a personalised stream, e.g. by combining a locally stored advertisement with an incoming stream; Updating operations, e.g. for OS modules ; time-related management operations

Definitions

  • a first aspect of this application provides a method for playing streaming media, comprising: receiving a switching request for the currently playing streaming media; in response to the switching request being a background switching request, determining that the currently playing streaming media is a target video, and acquiring playback data of the target video; and selecting a target audio or the target video corresponding to the target video for background playback based on the playback data of the target video.
  • a second aspect of this application proposes a streaming media playback device, comprising: a request receiving module configured to receive a switching request for the currently playing streaming media; a playback data acquisition module configured to, in response to the switching request being a background switching request, determine that the currently playing streaming media is a target video, and acquire playback data of the target video; and a background playback module configured to select a target audio or the target video corresponding to the target video for background playback based on the playback data of the target video.
  • a third aspect of this application proposes an electronic device, comprising a memory, a processor, and a computer program stored in the memory and executable on the processor, wherein the processor, when executing the program, implements the method described in the first aspect.
  • a fourth aspect of this application proposes a non-transitory computer-readable storage medium storing computer instructions for causing a computer to perform the method described in the first aspect.
  • a fifth aspect of this application proposes a computer program product including computer program instructions, wherein when the computer program instructions are run on a computer, they cause the computer to perform the method described in the first aspect.
  • FIG. 1 is a schematic diagram of an application scenario of an embodiment of this application
  • Figure 2A is a flowchart of a streaming media playback method of an embodiment of this application
  • Figure 2B is a schematic diagram of the data flow of each virtual device in the playback program of an embodiment of this application
  • Figure 3 is a structural block diagram of a streaming media playback device of an embodiment of this application
  • Figure 4 is a structural schematic diagram of an electronic device of an embodiment of this application.
  • a prompt message is sent to the user to clearly inform the user that the operation requested will require the acquisition and use of the user's personal information.
  • the user can choose, based on the prompt message, whether to provide personal information to the software or hardware such as electronic devices, applications, servers, or storage media that perform the operations of the technical solutions of this disclosure.
  • sending a prompt message to the user could be done via a pop-up window, where the prompt message could be presented in text format.
  • the window can also contain a selection control allowing users to choose "agree” or “disagree” to provide personal information to the electronic device.
  • FIG. 1 it is a schematic diagram of an application scenario for the streaming media playback method provided in this application embodiment.
  • This application scenario includes a terminal device 101, a server 102, and a data storage system 103.
  • the terminal device 101 and the server 102 can be connected via wired or wireless communication networks.
  • the terminal device 101 includes, but is not limited to, desktop computers, mobile phones, mobile computers, tablets, media players, smart wearable devices, personal digital assistants (PDAs), or other electronic devices capable of performing the above functions.
  • PDAs personal digital assistants
  • Both the server 102 and the data storage system 103 can be independent physical servers, server clusters or distributed systems composed of multiple physical servers, or cloud servers providing basic cloud computing services such as cloud services, cloud databases, cloud computing, cloud functions, cloud storage, network services, cloud communication, middleware services, domain name services, security services, CDN (Content Delivery Network) architecture, and big data and artificial intelligence platforms.
  • the terminal device 101 ⁇ has an application installed for playing streaming media (streaming media includes: data streams formed by audio and/or images and/or text).
  • the application Upon receiving a background switching request, and given that the currently playing streaming media is the target video, the application selects a smaller content from the target video or corresponding target audio based on the current playback data of the target video, preloads the corresponding playback content from server 102, and performs background playback based on the preloaded playback content.
  • the data storage system W3 provides data storage support for the operation of server 102, for example, storing various streaming media data for preloading on terminal device 101.
  • the following describes a streaming media playback method according to an exemplary embodiment of this application, in conjunction with the application scenario in Figure 1. It should be noted that the above application scenario is only shown to facilitate understanding of the spirit and principles of this application, and the implementation of this application is not limited in any way.
  • FIG. 2A shows a flowchart of a streaming media playback method according to an embodiment of this application.
  • An embodiment of this application provides a streaming media playback method, as shown in Figure 2A.
  • This method is applied to a terminal device, and a playback program for playing streaming media is installed on the terminal device.
  • the method includes: Step 201, receiving a switching request for the currently playing streaming media.
  • a switching request for the currently playing streaming media can be issued through voice, body movements, touch gestures, or touch buttons, so that the playback program on the terminal device can receive the switching request.
  • the corresponding switching request can be: a background switching request, a foreground switching request, or a content switching request.
  • the streaming media in this embodiment mainly targets audio or video, wherein the audio portion of each video corresponding to the stripped audio track is pre-stored in the server.
  • Step 202 in response to the switching request being a background switching request, determine that the currently playing streaming media is the target video, and obtain the playback data of the target video.
  • the method of determining that the switching request is a background switching request includes: determining that the received gesture is at least one of a background switching gesture, a background switching voice, a background switching button request, and a background switching action. If the playback program needs to switch to background playback, and the currently playing video is the target video, the playback data of the target video can be obtained.
  • the playback data specifically includes at least one of the following: the total duration of the target video, the current playback time, the cached duration that can be resumed, and the remaining amount of the target video that still needs to be cached.
  • Step 203 Based on the playback data of the target video, select the target audio corresponding to the target video or the... The target video is played in the background.
  • data volume analysis is performed based on the playback data of the target video. If the amount of data required to load the target audio corresponding to the target video is small, the target audio corresponding to the target video is selected for background playback; if the amount of data required to continue playing the target video is small, the target video is selected to continue playing in the background.
  • step 203 includes: Step 2031, determining that the playback data is the remaining amount that the target video needs to continue loading. Step 2032, in response to the remaining amount being greater than the amount of target audio to be loaded corresponding to the target video, the target audio is loaded and played in the background.
  • the playback program includes a content decision maker, a data protector, and a preload data decision maker.
  • the content decision maker determines the remaining amount of the target video to be loaded through the data protector.
  • the content decision maker analyzes the difference between this remaining amount and the amount of target audio to be loaded corresponding to the target video: if it is greater, it indicates that continuing to load the target video consumes a large amount of bandwidth, so the content decision maker decides to select the target audio for background playback.
  • the content decision maker Since the target video is currently playing, the content decision maker sends a content switching signal to the preload data decision maker. Upon receiving the content switching signal, the preload data decision maker begins loading the characteristic data content of the target audio (e.g., a Look-Up Table, LUT) from the server and renders and plays the loaded target audio content. If the data consumption for continuing to load the target video is less than or equal to the data consumption for the target video, the content decision-maker selects the target video to continue background playback. At this time, the target video loaded by the pre-loaded data decision-maker will be continuously played in the background.
  • the target audio e.g., a Look-Up Table, LUT
  • the pre-loading data decision-maker stops caching the target video and starts loading the target audio (step 20323) from the current playback time. After the current cached data of the target video is played out in the background, the system switches to the target audio and controls the target audio to start background playback from the point when the current cached data of the target video finishes playing.
  • the pre-loading data decision-maker pre-caches the target video.
  • the method further includes: Step 104, obtaining the next audio corresponding to the next streaming media to be played, loading the next audio, and playing it in the background. Specifically, in general, the preloading player has not yet preloaded the next streaming media to be played.
  • the method further includes: Step 105, generating a content switching signal in response to receiving a foreground switching request.
  • Step 106 determining the target content to be switched based on the content switching signal, and switching to the target content for foreground playback. Specifically, when the playback program receives a foreground switching request, it generates a content switching signal.
  • step 106 includes: Step 1061, determining the target switching content corresponding to the content switching signal, obtaining the cached data of the target switching content, decoding the cached data of the target switching content, and generating a progress synchronization signal.
  • the playback program includes a content switcher, a progress synchronizer, and a preloaded data decision-maker. After receiving a foreground switching request, the playback program generates a content switching signal and sends it to the content switcher.
  • the content switcher determines the corresponding target switching content based on the content switching signal, selects the cached data of the target switching content, performs pre-rendering operations such as decoding on the cached data, and then sends a progress synchronization signal to the progress synchronizer (step 1062). Based on the progress synchronization signal, the playback continuation time point is determined, and the cached data of the target switching content begins foreground playback at the playback continuation time point. In specific implementation, after receiving the progress synchronization signal, the progress synchronizer determines the playback continuation time point for foreground playback based on the time point when the foreground switching request is received.
  • the playback continuation time point it controls the preloaded data decision-maker to play the cached data of the target switching content in the foreground.
  • the target switching content is video content
  • the audio and video content need to be played simultaneously in the background
  • the progress synchronizer will monitor the playback progress of the audio and video content in real time to ensure that the audio and video content are at the same playback progress, thus guaranteeing audio-visual synchronization.
  • the above solution ensures a smooth transition between the target content to be switched and the content played in the background, improving the user's audiovisual experience.
  • Step 108 in response to determining that content switching is required, determining the target loaded data corresponding to the target action feature based on historical action features, and switching to the target loaded data for playback.
  • the target loading data required for the target action feature is determined based on historical action characteristics.
  • This target loading data is then sent to the content decision-maker, which in turn issues a content switching signal.
  • the signal is sent to the preloaded data decision-maker.
  • the preloaded data decision-maker switches the currently playing streaming media to the target loaded data for playback. For example, the behavior decision-maker determines that the behavior decision result is a song-switching action, and determines that the target loaded data corresponding to the song-switching action is the target song.
  • step 107 includes: Step 1071, inputting the target action feature into a behavior decision model determined based on historical action features for behavior decision analysis, and outputting a behavior decision result, wherein a behavior decision model capable of making behavior decisions is obtained by training a neural network model with historical action features.
  • Step 1072 in response to the behavior decision result being a content switching action, determining that content needs to be switched.
  • Step 1073 in response to the behavior decision result being an action other than the content switching action, determining that content does not need to be switched.
  • a neural network model is pre-built, and then the neural network model is trained using historical action features, making the neural network model increasingly accurate in recognizing the action behavior of the action feature, thus obtaining a behavior decision model.
  • This behavior decision model is then placed in a behavior decision unit, the target action feature is input into the behavior decision model of the behavior decision unit, the decision model performs behavior decision analysis processing, and determines the behavior action corresponding to the target action feature as the behavior decision result output. In this way, it is possible to determine whether the target action feature belongs to a content switching action (e.g., a song-switching action or a video-switching action) based on the behavior decision result.
  • a content switching action e.g., a song-switching action or a video-switching action
  • Step C In response to the completion of training on all training samples or the loss function meeting a predetermined convergence condition, the final neural network model is used as the behavior decision model 0. Specifically, the training samples are converted into matrix feature vectors for subsequent input into the neural network model.
  • This neural network model includes an input layer, multiple hidden layers, and an output layer.
  • the input layer has input ports with the same number of columns as the matrix feature vectors, allowing the matrix feature vectors of the training samples to be input from the input ports.
  • the multiple hidden layers are divided into hidden layers for various behavior action analyses. Each hidden layer sends its corresponding behavior action analysis result to the next hidden layer. The last hidden layer combines the various behavior action analysis results and outputs them to the output layer.
  • the output layer determines the corresponding matching behavior action based on the various behavior action analysis results and outputs the matching behavior action as the training result.
  • the loss function is calculated based on the difference between the training result and the corresponding historical behavior decision label.
  • the loss value is calculated based on the loss function, and the connection parameters between the layers in the neural network model are adjusted according to the loss value.
  • the process of step b above is repeated to continue training the adjusted neural network model. This continues until all training samples are trained or the loss function meets a predetermined convergence condition (e.g., the loss value is less than a predetermined convergence threshold).
  • the neural network model training ends, and the final neural network model is used as the behavior decision model.
  • the device includes: a request receiving module 31, configured to receive a switching request for the currently playing streaming media; and a playback data acquisition module 32, configured to determine the currently playing background in response to the switching request as a background switching request.
  • the target video is the streaming media, and the playback data of the target video is obtained;
  • the background playback module 33 is configured to select the target audio or the target video corresponding to the target video for background playback based on the playback data of the target video.
  • the device further includes a foreground playback module, configured to: during background playback, in response to receiving a foreground switching request, generate a content switching signal; determine the target content to be switched based on the content switching signal, and switch to the target content for foreground playback.
  • the foreground playback module is specifically configured to: determine the target switching content corresponding to the content switching signal; acquire cached data of the target switching content; perform decoding operations on the cached data of the target switching content; and generate a progress synchronization signal; determine a resume playback time point based on the progress synchronization signal; and start foreground playback of the cached data of the target switching content at the resume playback time point.
  • the device further includes a behavior decision module, configured to: in response to receiving a target action feature, perform behavior decision analysis on the target action feature based on historical action features to obtain a behavior decision result; determine whether content switching is required based on the behavior decision result; in response to determining that content switching is required, determine the target loading data corresponding to the target action feature based on historical action features, and switch to the target loading data for playback; or in response to determining that content switching is not required, load resume playback data based on the currently playing streaming media and play the resume playback data.
  • a behavior decision module configured to: in response to receiving a target action feature, perform behavior decision analysis on the target action feature based on historical action features to obtain a behavior decision result; determine whether content switching is required based on the behavior decision result; in response to determining that content switching is required, determine the target loading data corresponding to the target action feature based on historical action features, and switch to the target loading data for playback; or in response to determining that content switching is not required, load resume playback data based on
  • the behavior decision module is further configured to: input the target action features into a behavior decision model determined based on historical action features for behavior decision analysis, and output a behavior decision result, wherein a behavior decision model capable of making behavior decisions is obtained by training a neural network model with historical action features; in response to the behavior decision result being a content switching action, determining that content needs to be switched; or, in response to the behavior decision result being an action other than the content switching action, determining that content does not need to be switched.
  • the device further includes: a model training module, configured to: label historical action features with corresponding historical behavior decision labels to obtain training samples, wherein the historical behavior decision labels represent the behavior actions corresponding to the historical action features; train the training samples using a pre-built neural network model, determine a loss function based on the difference between the training results and the historical behavior decision labels, and adjust the parameters of the neural network model according to the loss function; in response to the completion of all training samples or the loss function satisfying a predetermined convergence condition, use the final neural network model as the behavior decision model.
  • a model training module configured to: label historical action features with corresponding historical behavior decision labels to obtain training samples, wherein the historical behavior decision labels represent the behavior actions corresponding to the historical action features; train the training samples using a pre-built neural network model, determine a loss function based on the difference between the training results and the historical behavior decision labels, and adjust the parameters of the neural network model according to the loss function; in response to the completion of all training samples or the loss function satisfying a predetermined convergence condition, use the final neural network model
  • FIG. 4 shows a schematic diagram of a more specific electronic device hardware structure provided in this embodiment.
  • the device may include: a processor 410, a memory 420, an input/output interface 430, a communication interface 440, and a bus 450.
  • the processor 410, the memory 420, the input/output interface 430, and the communication interface 440 are interconnected within the device via the bus 450.
  • the processor 410 can be implemented using a general-purpose CPU (Central Processing Unit), microprocessor, application-specific integrated circuit (ASIC), or one or more integrated circuits, and is used to execute relevant programs to implement the technical solutions provided in the embodiments of this specification.
  • the memory 420 can be implemented using ROM (Read Only Memory), RAM (Random Access Memory), static storage devices, dynamic storage devices, etc.
  • the memory 420 can store the operating system and other application programs. When the technical solutions provided in the embodiments of this specification are implemented through software or firmware, the relevant program code is stored in the memory 420 and called and executed by the processor 410.
  • the input/output interface 430 is used to connect input/output modules to realize information input and output.
  • the input/output/module can be configured as a component in the device (not shown in the figure) or externally connected to the device to provide corresponding functions.
  • Input devices may include keyboards, mice, touchscreens, microphones, various sensors, etc., while output devices may include displays, speakers, vibrators, indicator lights, etc.
  • Communication interface 440 is used to connect a communication module (not shown in the figure) to enable communication interaction between this device and other devices.
  • the communication module can communicate via wired means (e.g., USB, Ethernet cable, etc.) or wireless means (e.g., mobile network, Wi-Fi, Bluetooth, etc.).
  • Bus 450 includes a pathway for transmitting information between the various components of the device (e.g., processor 410, memory 420, input/output interface 430, and communication interface 440). It should be noted that although only processor 410, memory 420, input/output interface 430, communication interface 440, and bus 450 are shown above, in specific implementations, the device may also include other components necessary for normal operation. Furthermore, those skilled in the art will understand that the above device may only include the components necessary for implementing the embodiments of this specification, and not necessarily all the components shown in the figures. The electronic devices described above are used to implement the corresponding methods in any of the foregoing embodiments and have the beneficial effects of the corresponding method embodiments, which will not be repeated here.
  • this application also provides a non-transitory computer-readable storage medium that stores computer instructions for causing the computer to perform the methods described in any of the above embodiments.
  • the computer-readable medium of this embodiment includes both permanent and non-permanent, removable and non-removable media, and information storage can be implemented by any method or technology.
  • Information can be computer-readable instructions, data structures, program modules, or other data.
  • Examples of computer storage media include, but are not limited to, phase-change memory (PRAM), static random access memory (SRAM), dynamic random access memory (DRAM), other types of random access memory (RAM), read-only memory (ROM), electrically erasable programmable read-only memory (EHPROM), flash memory or other memory technologies, CD-ROM, digital versatile optical disc (DVD) or other optical storage, magnetic disk storage (magnetic disk, magnetic tape, magnetic tape) or other magnetic storage devices, or any other non-transfer medium, which can be used to store information accessible by a computing device.
  • PRAM phase-change memory
  • SRAM static random access memory
  • DRAM dynamic random access memory
  • RAM random access memory
  • ROM read-only memory
  • EHPROM electrically erasable programmable read-only memory
  • flash memory or other memory technologies
  • CD-ROM compact disc
  • DVD digital versatile optical disc
  • magnetic disk storage magnetic disk storage
  • magnetic tape magnetic tape
  • magnetic tape magnetic tape
  • magnetic tape magnetic tape
  • magnetic tape magnetic tape
  • magnetic tape magnetic
  • this application also provides a computer program product, including computer program instructions.
  • the computer program instructions When the computer program instructions are run on a computer, the computer performs the method described in any of the above embodiments, and has the beneficial effects of the corresponding method embodiments, which are not elaborated here.
  • the apparatus may be shown in block diagram form to avoid obscuring the embodiments of this application, and this also takes into account the fact that the details of implementation of these block diagram apparatuses are highly dependent on the platform on which the embodiments of this application will be implemented (i.e., these details should be entirely within the understanding of those skilled in the art). While specific details (e.g., circuits) have been set forth to describe exemplary embodiments of this application, it will be apparent to those skilled in the art that the embodiments of this application can be implemented without these specific details or with variations thereof. Therefore, these descriptions should be considered illustrative rather than restrictive.

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Databases & Information Systems (AREA)
  • Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)

Abstract

摘要本申请提供一种流媒体的播放方法、装置、电子设备、介质及程序产品。其中，方法包括：接收针对当前播放流媒体的切换请求；响应于所述切换请求为切换后台请求，确定当前播放的流媒体为目标视频，获取所述目标视频的播放数据；根据所述目标视频的播放数据，选择所述目标视频对应的目标音频或所述目标视频进行后台播放。

Description

流媒体的播放方法、 装置、 电子设备、 介质及程序产品 相关申请的交叉引用 本申请要求于 2024年 6月 25 日提交的， 申请号为 202410830880.9、 发明名称为 “流媒 体的播放方法、 装置、 电子设备、 介质及程序产品” 的中国专利申请的优先权， 该申请的 全部内容通过引用结合在本申请中 C 技术领域 本申请涉及数据播放处理技术领域， 尤其涉及一种流媒体的播放方法、 装置、 电子设 备、 介质及程序产品。 背景技术 现有技术中， 随着多媒体技术的发展越来越多的流媒体内容通过一些终端设备进行 播放， 以供用户欣赏。 发明内容 本申请的目的在于提出一种流媒体的播放方法、 装置、 电子设备、 介质及程序产品。 基于上述目的， 本申请的第一方面提供了一种流媒体的播放方法， 包括： 接收针对当前播放流媒体的切换请求； 响应于所述切换请求为切换后台请求， 确定当前播放的流媒体为目标视频， 获取所述 目标视频的播放数据； 根据所述目标视频的播放数据， 选择所述目标视频对应的目标音频或所述目标视频进 行后台播放。 基于同一个构思， 本申请的第二方面提出了一种流媒体的播放装置， 包括： 请求接收模块， 被配置为接收针对当前播放流媒体的切换请求； 播放数据获取模块， 被配置为响应于所述切换请求为切换后台请求， 确定当前播放的 流媒体为目标视频， 获取所述目标视频的播放数据； 后台播放模块， 被配置为根据所述目标视频的播放数据， 选择所述目标视频对应的目 标音频或所述目标视频进行后台播放匚 基于同一个构思， 本申请的第三方面提出了一种电子设备， 包括存储器、 处理器及存 储在存储器上并可在处理器上运行的计算机程序， 所述处理器执行所述程序时实现第一方 面所述的方法。 基于同一个构思， 本申请的第四方面提出了一种非暂态计算机可读存储介质， 所述非 暂态计算机可读存储介质存储计算机指令， 所述计算机指令用于使计算机执行第一方面所 述的方法。 基于同一个构思， 本申请的第五方面提出了一种计算机程序产品， 包括计算机程序指 令， 其中当所述计算机程序指令在计算机上运行时， 使得所述计算机执行第一方面所述的 方法。 附图说明 为了更清楚地说明本申请或相关技术中的技术方案， 下面将对实施例或相关技术描述 中所需要使用的附图作简单地介绍， 显而易见地， 下面描述中的附图仅仅是本申请的实施 例， 对于本领域普通技术人员来讲， 在不付出创造性劳动的前提下， 还可以根据这些附图 获得其他的附图。 图 1为本申请实施例的应用场景示意图； 图 2A为本申请实施例的流媒体的播放方法的流程图； 图 2B为本申请实施例的播放程序的各虚拟器的数据走向示意图； 图 3为本申请实施例的流媒体的播放装置的结构框图； 图 4为本申请实施例的电子设备的结构示意图。 具体实施方式 可以理解的是， 本技术方案所涉及的数据 （包括但不限于数据本身、 数据的获取或使 用） 应当遵循相应法律法规及相关规定的要求。 下面将参考若干示例性实施方式来描述本申请的原理和精神。 应当理解， 给出这些实 施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本申请， 而并非以任何方式 限制本申请的范围。 相反， 提供这些实施方式是为了使本申请更加透彻和完整， 并且能够 将本申请的范围完整地传达给本领域的技术人员。 可以理解的是， 在使用本公开中各个实施例的技术方案之前， 均会通过恰当的方式对 所涉及的个人信息的类型、 使用范围、 使用场景等告知用户， 并获得用户的授权。 例如，在响应于接收到用户的主动请求时，向用户发送提示信息，以明确的提示用户， 其请求执行的操作将需要获取和使用到用户的个人信息。 从而， 使得用户可以根据提示信 息来自主的选择是否向执行本公开技术方案的操作的电子设备、 应用程序、 服务器或存储 介质等软件或硬件提供个人信息。 作为一种可选的但非限定的实现方式， 响应于接受到用户的主动请求， 向用户发送提 示信息的方式例如可以是弹窗的方式， 弹窗中可以以文字的方式呈现提示信息。 此外， 弹 窗中还可以承载供用户选择 “同意”或者 “不同意”向电子设备提供个人信息的选择控件。 可以理解的是， 上述通知和获取用户授权过程仅是示意性的， 不对本公开的实现方式 构成限定， 其他满足相关法律法规的方式也可应用于本公开的实现方式中。 在本文中， 需要理解的是， 附图中的任何元素数量均用于示例而非限制， 以及任何 命名都仅用于区分， 而不具有任何限制含义。 目前一些流媒体播放程序， 无论当前属于何种播放状态都会缓存流媒体全部的内 容， 这样就会造成大量的数据开销， 容易出现加载缓慢或者卡顿的情况。 随着网络环境的持续发展和逐步提速， 目前移动端的音乐播放器或者是音乐类 APP , 除了提供给用户传统的音频内容消费外， 还会拓展提供音乐的衍生内容， 例如： MV、 音乐创作视频、 音乐二创作品来进一步丰富消费体验， 使用户能完整的体验音乐生 态， 大幅提升了视听体验。 但随着内容体裁的丰富， 特别是视频内容， 移动端的流媒体播放器需要更大量的数 据来支持这些能力， 而移动设备网络环境变化频率大， 往往会因为数据连接质量等问 题， 导致内容加载缓慢、 播放卡顿等问题， 同时更丰富的视听内容会造成大量的数据开 销， 造成了严重的流量浪费和不必要的性能开销， 也导致用户移动流量资费逐渐攀升， 流量焦虑愈发严重。 随着音乐曲库和 AI能力的发展， 更多的音乐特征也得以在视频衍生内容中展现给用 户， 比如说高潮 （副歌） 节点、 鼓点节奏、 live嗨点、 弹幕爆发点等， 用户通常会因为这 些特征， 移动播放时间轴， 更关注和歌曲关联的特色部分。 二创音乐视频等内容可进行音视频数据分离， 进行音轨剥离可以将音乐视频内容中 的音乐部分单独剥离出来形成音频存放， 技术问题： 为了缓解移动设备针对上述描述的各种不确定性因素的影响， 提升用户体验， 一些 音乐类应用都对即将播放的音视频进行内容靠前一部分的数据预加载， 或者采用更大范 围的预加载。 但是使用音乐类流媒体 APP时， 因为音乐本身就是听觉的过程， 使用视觉 的情况相对较少， 所以大部分时间均处于后台， 但是会才艮据实际需求回到前台操作。 — 般的音乐类流媒体的进行后台播放时， 相较于传统音频， 音乐视频的文件大小会成倍增 长， 后台播放视频， 播放器不仅需要实时处理解码工作， 还需要及时下载到对应时间轴 范围的文件数据， 在网络连接不稳定的场景下， 用户常常会因为数据不足或设备性能不 足， 出现卡顿、 设备发烫等不好的体验， 同时产生了大量的流量浪费。 基于上述描述的情况， 下面参考本申请的若干代表性实施方式， 详细阐释本申请的 原理和精神。 参考图 1 , 其为本申请实施例提供的流媒体的播放方法的应用场景示意图。 该应用场 景包括终端设备 101、 服务器 102、 和数据存储系统 103。 其中， 终端设备 101、 服务器 102 以及数据存储系统 103之间均可通过有线或无线的通信网络连接。 终端设备 101 包括但不 限于桌面计算机、 移动电话、 移动电脑、 平板电脑、 媒体播放器、 智能可穿戴设备、 个人 数字助理 （ personal digital assistant , PDA） 或其它能够实现上述功能的电子设备等。 服务器 102和数据存储系统 103均可以是独立的物理服务器， 也可以是多个物理服务器构成的服 务器集群或者分布式系统， 还可以是提供云服务、 云数据库、 云计算、 云函数、 云存储、 网络服务、 云通信、 中间件服务、 域名服务、 安全服务、 CDN （Content Delivery Network, 内容分发网络架构）、 以及大数据和人工智能平台等基础云计算服务的云服务器。 终端设备 101 ±安装用于进行流媒体 （流媒体包括： 音频和 /或图像和/或文字形成的 数据流） 播放的应用程序。 该应用程序能够在接收到切换后台请求后， 并且当前播放的流 媒体是目标视频， 会根据目标视频当前的播放数据， 从目标视频或者对应的目标音频中选 择一个数据量较小的内容， 从服务器 102中预加载对应的播放内容， 并基于预加载的播放 内容进行后台播放。 数据存储系统 W3为服务器 102的工作运行提供数据存储支持， 例如 用于存储各种流媒体数据用于终端设备 101的预加载。 下面结合图 1的应用场景， 来描述根据本申请示例性实施方式的流媒体的播放方法。 需要注意的是， 上述应用场景仅是为了便于理解本申请的精神和原理而示出， 本申请的实 施方式在此方面不受任何限制。 相反， 本申请的实施方氏可以应用于适用的任何场景 ° 图 2A示出了本申请实施例的流媒体的播放方法的流程图。 本申请实施例提供的一种流媒体的播放方法，如图 2A所示，该方法应用于终端设备， 在终端设备中安装用于播放流媒体的播放程序。 如图 2A所示， 该方法包括： 步骤 201 , 接收针对当前播放流媒体的切换请求。 具体实施时， 可以通过语音、 形体动作、 触摸手势或者触摸按键等方式发出针对当前 播放流媒体的切换请求， 这样终端设备上的播放程序就能就收到该切换请求。 对应的切换 请求可以是： 切换后台请求、 切换前台请求或者切换内容请求。 本申请实施例的流媒体主要针对的是音频或者视频， 其中， 会在服务器中预先存储各 个视频对应的剥离音轨的音频部分。 步骤 202 ,响应于所述切换请求为切换后台请求，确定当前播放的流媒体为目标视频， 获取所述目标视频的播放数据。 具体实施时， 确定切换请求为切换后台请求的方式包括： 确定接收到的手势是切换后 台手势、 切换后台语音、 切换后台按键请求及切换后台动作中的至少之一。 如果播放程序需要切换后台进行播放， 并且当前播放的是目标视频时， 可以获取该目 标视频的播放数据。 该播放数据具体包括： 该目标视频的总时长、 当前的播放时间点、 缓 存加载的能够续播的时长和该目标视频还需要继续缓存加载的剩余量中的至少之一。 步骤 203 , 根据所述目标视频的播放数据， 选择所述目标视频对应的目标音频或所述 目标视频进行后台播放。 具体实施时， 根据目标视频的播放数据进行数据量分析， 如果播放目标视频对应的目 标音频需要加载的数据量较少， 就选择目标视频对应的目标音频进行后台播放； 如果继续 播放目标视频需要加载的数据量较少， 就选择继续在后台播放该目标视频 ° 通过上述方案， 当接收到切换后台请求后， 并且当前播放的流媒体是目标视频， 会根 据目标视频当前的播放数据， 从目标视频或者对应的目标音频中选择一个数据量较小的内 容进行后台播放， 这样不会对数据流量造成浪费， 还会降低加载缓慢、 播放卡顿的风险, 摄 •简通讯连接质量 在一些实施例中， 步骤 203包括： 步骤 2031 , 确定所述播放数据为所述目标视频需继续加载的剩余量。 步骤 2032 , 响应于所述剩余量大于所述目标视频对应的目标音频的待加载量， 对所述 目标音频加载后进行后台播放。 或者， 步骤 2033 , 响应于所述剩余量小于或等于所述目标视频对应的目标音频的待加 载量， 继续加载所述目标视频进行后台播放。 具体实施时，如图 2B所示， 播放程序中设有内容决策器、 数据保护器和预加载数据决 策器。 这样在接收到切换后台请求时， 内容决策器会通过数据保护器确定目标视频需继续 加载的剩余量。 内容决策器能够分析该剩余量与目标视频对应的目标音频的待加载量的大小： 如果大于证明继续加载目标视频消耗的流量较大， 内容决策器就决定是选择目标音频 进行后台播放， 此时由于当前播放的是目标视频， 内容决策器就会向预加载数据决策器发 出内容切换信号； 这样预加载数据决策器接收到内容切换信号后， 开始从服务起中加载目 标音频的特征数据内容 （例如， 特征数据查找表 LUT , Look-Up-Table） , 并将加载的目标 音频内容进行渲染播放。 如果小于或等于证明继续加载目标视频消耗的流量较小， 内容决策器就选择目标视频 继续进行后台播放， 此时会不断利用预加载数据决策器加载的目标视频在后台进行续播。 通过上述方案， 能够进一步保证后台播放的内容消耗的数据量相对较低， 使得后台播 放过程中能够保持低数据量加载运行， 进而有效降低卡顿、 设备发热的情况。 在一些实施例中， 步骤 2032包括： 步骤 20321 , 以所述目标视频的当前播放时刻为所述目标音频的开始时刻， 确定所述 目标音频的待加载量。 具体实施时， 利用内容决策器通过数据保护器调取从目标视频的当前播放时刻开始至 播放结束需要加载目标音频的待加载童。 然后利用内容决策器将剩余量与待加载量进行比 较 C 步骤 20322, 响应于所述剩余量大于所述待加载量， 对所述目标音频进行加载。 具体实施时， 如果内容决策器确定剩余量大于待加载量， 证明该目标视频继续加载消 耗的流量较大， 需要进行内容切换， 将目标视频切换为目标音频， 就会发出内容切换信号 给预加载数据决策器。 预加载数据决策器根据内容切换信号， 停止对目标视频的缓存， 并 从当前播放时刻开始加载目标音频 C 步骤 20323 ,在后台将所述目标视频的当前缓存数据播放完之后切换为所述目标音频， 并控制所述目标音频在所述目标视频的当前缓存数据播放完的时间点开始进行后台播放。 具体实施时， 预加载数据决策器中预先缓存了目标视频， 为了避免数据浪费， 会先将 目标视频的当前缓存数据渲染并在后台播放完， 然后确定当前缓存数据播放完的时间点， 控制加载的目标音频从当前缓存数据播放完的时间点开始进行渲染并在后台播放。 通过上述方案， 能够避免缓存数据的浪费， 还能控制加载的目标音频从当前缓存数据 播放完的时间点开始进行渲染并在后台播放 , 进一步提升后台播放的续接效果。 在一些实施例中， 在所述目标音频或所述目标视频后台播放完成后， 方法还包括： 步骤 104 , 获取下一个需要播放的流媒体对应的下一个音频， 对下一个音频加载并进 行后台播放。 具体实施时， 一般情况预加载播放器对于下一个需要播放的流媒体还没有进行预加载, 在一开始进入后台播放时的目标视频或目标音频播放完成后， 对于后续需要后台播放的如 果是下一个音频， 就利用预加载播放器直接从服务器中对下一个音频进行加载渲染并后台 播放。 如果是下一个视频， 预加载播放器就从服务器获取该下一个视频对应的剥离音轨的 下一个音频， 从服务器中加载下一个音频， 并渲染后台播放。 另外， 如果预加载播放器对于下一个需要播放的视频已经加载了至少部分， 就会判断 剩余加载的内容的数据量与该下一个视频对应的下一个音频的数据量的大小， 如果大于就 会直接加载该下一个音频进行渲染后台播放 , 如果小于就会加载该下一个视频进行渲染后 台播放 , 并在该下一个视频后台播放完成后继续加载再下一个需要播放的流媒体对应的音 频进行后台播放。 通过上述方案， 能够保证后台播放过程中始终处于低数据量的播放状态， 进一步降低 后台播放过程中的数据量消耗。 在一些实施例中， 在后台播放过程中， 方法还包括： 步骤 105 , 响应于接收到切换前台请求， 生成内容切换信号。 步骤 106 , 根据所述内容切换信号确定需要切换的目标切换内容， 并切换至所述目标 切换内容进行前台播放。 具体实施时， 当播放程序接收到切换前台请求后会生成内容切换信号， 这样就会将接 收到的内容切换信号选择前台播放需要切换的目标切换内容， 然后将目标切换内容进行前 台渲染在播放程序的前台进行播放。 例如， 针对与目标视频对应的目标音频后台播放过程 中， 接收到切换前台请求， 生成内容切换信号， 确定目标切换内容为目标视频， 从接收切 换前台请求对应的时间点开始加载目标视频， 并在接收切换前台请求对应的时间点开始从 目标音频播放切换至目标视频播放， 并且目标视频从接收切换前台请求对应的时间点开始 进行前台播放。 通过上述方案， 能够在后台底数据量运行过程中， 还能保证前台播放的正常运行匚 在一些实施例中， 步骤 106包括： 步骤 1061 , 确定所述内容切换信号对应的目标切换内容， 获取所述目标切换内容的缓 存数据， 对所述目标切换内容的缓存数据进行解码操作， 并生成进度同步信号。 具体实施时，如图 2B所示， 播放程序中包括内容切换器、 进度同步器和预加载数据决 策器， 在播放程序接收到切换前台请求后会生成内容切换信号发送给内容切换器， 这样内 容切换器会根据内容切换信号确定对应的目标切换内容， 然后选择该目标切换内容的缓存 数据， 并对该缓存数据进行解码等预渲染操作， 然后发出进度同步信号给进度同步器匚 步骤 1062 , 根据所述进度同步信号确定续播时间点， 将所述目标切换内容的缓存数据 在所述续播时间点开始进行前台播放 C 具体实施时， 进度同步器接收到进度同步信号之后根据接收到切换前台请求的时间点 确定前台播放的续播时间点， 然后再该续播时间点控制预加载数据决策器在前台播放目标 切换内容的缓存数据。 例如， 目标切换内容是视频内容， 需要后台播放时的音频内容和视频内容同时播放时, 进度同步器会实时监测音频内容和视频内容的播放进度， 使得音频内容和视频内容处于同 一个播放进度， 保证音画同步。 通过上述方案， 能够保证续播的目标切换内容与后台播放的内容流畅的衔接， 提升用 户的视听体验。 在一些实施例中， 方法还包括： 步骤 107 , 响应于接收到目标动作特征， 才艮据历史动作特征对所述目标动作特征进行 行为决策分析得到行为决策结果， 才艮据行为决策结果确定是否需要切换内容。 具体实施时，如图 2B所示， 播放程序包括行为决策器、 内容决策器和预加载数据决策 器。 其中， 行为决策器中预先存储历史动作特征， 接收到目标动作特征后， 会将目标动作 特征与历史动作特征进行行为决策分析， 确定目标动作特征对应的动作行为作为行为决策 结果。 如果确定行为决策结果是切换曲目行为 （例如， 切歌行为或切换视频行为等） 确定需 要切换内容， 否则不需要切换内容。 步骤 108 , 响应于确定需要切换内容， 基于历史动作特征确定所述 .目标动作特征对应 的目标加载数据， 并切换至所述目标加载数据进行播放。 具体实施时， 如果确定需要切换内容， 根据历史动作特征确定该目标动作特征所需要 的目标加载数据， 将该目标加载数据发送给内容决策器， 利用内容决策器发出内容切换信 号给预加载数据决策器。 利用预加载数据决策器将当前播放的流媒体切换至该目标加载数 据进行播放。 例如， 行为决策器确定行为决策结果是切歌动作 , 确定切歌动作对应的目标加载数据 为目标歌曲， 利用内容决策器将内容切换信号发给预加载数据决策器， 预加载数据决策器 从服务器中对目标歌曲进行加载后播放。 或者， 步骤 109 ,响应于确定不需要切换内容，根据当前播放的流媒体加载续播数据， 并播放所述续播数据。 具体实施时， 行为决策器确定目标动作特征是不需要切换内容的动作行为， 这样内容 决策器就不需要给预加载数据决策器发送内容切换信号， 预加载数据决策器就会根据当前 播放的流媒体从服务器中继续加载该当前播放的流媒体后续的续播数据， 然后预加载数据 决策器按照、播放时间不断播放续播数据 O 通过上述方案， 能够完成流媒体内容的切换过程， 可以根据接收的目标动作特征， 确 定其属于切换内容的行为， 进而实现切换播放的目的。 在一些实施例中， 步骤 107包括： 步骤 1071 , 将所述目标动作特征输入至基于历史动作特征确定的行为决策模型中进行 行为决策分析， 输出行为决策结果， 其中， 利用神经网络模型经过历史动作特征的训练得 到能够进行行为动作决策的行为决策模型。 步骤 1072 , 响应于所述行为决策结果为内容切换动作， 确定需要切换内容。 或者， 步骤 1073, 响应于所述行为决策结果为除所述内容切换动作外的其他动作， 确 定不需要切换内容。 具体实施时， 会预先构建神经网络模型， 然后利用历史动作特征对该神经网络模型进 行学习训练， 使得该神经网络模型对动作特征的动作行为识别的越来越准确， 得到行为决 策模型。 再将该行为决策模型置于行为决策器中， 将目标动作特征输入至行为决策器的行为决 策模型中， 决策模型进行行为决策分析处理， 确定该目标动作特征对应的行为动作作为行 为决策结果输出。 这样就可以根据行为决策结果确定该目标动作特征是否属于内容切换动 作 （例如， 切歌动作或者切视频动作）。 通过上述方案， 基于神经网络模型学习训练得到的行为决策模型对目标动作特征进行 行为决策分析的更加准确， 保证了行为决策结果的准确度， 进而更好的确定是否需要切换 内容。 在一些实施例中， 所述行为决策模型的训练过程包括： 步骤 a, 将历史动作特征标记对应的历史行为决策标签， 得到训练样本， 其中所述历 史行为决策标签表示历史动作特征对应的行为动作 O 步骤 b , 利用所述训练样本通过预先构建的神经网络模型进行训练处理， 根据训练处 理结果与所述历史行为决策标签的差异确定损失函数， 根据所述损失函数对所述神经网络 模型的参数进行调整。 步骤 C, 响应于所述训练样本全部训练完成或者所述损失函数满足预定收敛条件， 将 最终的神经网络模型作为行为决策模型 0 具体实施时， 将训练样本转换成矩阵特征向量， 便于后续输入神经网络模型。 该神经 网络模型包括： 输入层、 多个隐藏层和输出层。 输入层设有与矩阵特征向量的列等量的输 入口， 这样就可以将训练样本的矩阵特征向量从输入层的输入口输入。 多个隐藏层会分为 各种行为动作分析的隐藏层， 各个隐藏层将对应的行为动作分析结果发送至下一个隐藏层, 最后一个隐藏层结合各种行为动作分析结果输出至输出层， 输出层对各种行为动作分析结 果确定相应符合的行为动作， 将符合的行为动作作为训练处理结果输出。 然后就会计算该训练处理结果与对应标记的历史行为决策标签的差异的损失函数， 基 于损失函数计算损失值， 根据损失值对神经网络模型中各层之间的连接参教进行调整。 之 后利用下一个训练样本重复上述步骤 b的过程在调整后的神经网络模型的基础上继续训练 处理。 直到所有的训练样本全部训练完成或者损失函数满足预定收敛条件 （例如， 损失值 小于预定收敛阈值），神经网络模型训练结束，将最终的神经网络模型作为行为决策模型。 通过上述方案， 能够较为精准的加载音视频内容， 进一步提升了播放的流畅度， 减少 了终端设备性能开销以及减少了网络流量消耗。 综上所述的实施例的方案， 当切换至后台播放时， 会以较低的数据量进行播放， 这 样不需要加载大量的流媒体数据， 进而有效降低卡顿、 设备发热的风险， 并且能够节省 数据流量， 避免了流量的浪费， 降低流量资费。 需要说明的是， 本申请实施例的方法可以由单个设备执行， 例如一台计算机或服务器 等。 本实施例的方法也可以应用于分布式场景下， 由多台设备相互配合来完成。 在这种分 布式场景的情况下， 这多台设备中的一台设备可以只执行本申请实施例的方法中的某一个 或多个步骤， 这多台设备相互之间会进行交互以完成所述的方法。 需要说明的是， 上述对本申请的一些实施例进行了描述。 其它实施例在所附权利要求 书的范围内。 在一些情况下， 在权利要求书中记载的动作或步骤可以按照不同于上述实施 例中的顺序来执行并且仍然可以实现期望的结果。 另外， 在附图中描绘的过程不一定要求 示出的特定顺序或者连续顺序才能实现期望的结果。 在某些实施方式中， 多任务处理和并 行处理也是可以的或者可能是有利的。 基于同一构思， 与上述任意实施例的流媒体的播放方法相对应的， 本申请还提供了一 种流媒体的播放装置。 参考图 3, 该装置包括： 请求接收模块 31 , 被配置为接收针对当前播放流媒体的切换请求； 播放数据获取模块 32, 被配置为响应于所述切换请求为切换后台请求， 确定当前播放 的流媒体为目标视频， 获取所述目标视频的播放数据； 后台播放模块 33 , 被配置为根据所述目标视频的播放数据， 选择所述目标视频对应的 目标音频或所述目标视频进行后台播放。 在一些实施例中， 后台播放模块 33 , 具体被配置为： 确定所述播放数据为所述目标视频需继续加载的剩余量； 响应于所述剩余量大于所述目标视频对应的目标音频的待加载量， 对所述目标音频加 载后进行后台播放； 或者， 响应于所述剩余量小于或等于所述目标视频对应的目标音频的待加载量， 继续加载所 述目标视频进行后台播放 C 在一些实施例中， 后台播放模块 33 , 还被配置为： 以所述目标视频的当前播放时刻为所述目标音频的开始时刻， 确定所述目标音频的待 加载量； 响应于所述剩余童大于所述待加载童， 对所述目标音频进行加载； 在后台将所述目标视频的当前缓存数据播放完之后切换为所述目标音频， 并控制所述 目标音频在所述目标视频的当前缓存数据播放完的时间点开始进行后台播放。 在一些实施例中， 装置还包括续播模块， 被配置为在所述目标音频或所述目标视频后 台播放完成后， 获取下一个需要播放的流媒体对应的下一个音频， 对下一个音频加载并进 行后台播放。 在一些实施例中， 装置还包括前台播放模块， 被配置为： 在后台播放过程中， 响应于接收到切换前台请求， 生成内容切换信号； 根据所述内容切换信号确定需要切换的目标切换内容， 并切换至所述目标切换内容进 行前台播放。 在一些实施例中， 前台播放模块， 具体被配置为： 确定所述内容切换信号对应的目标切换内容， 获取所述目标切换内容的缓存数据， 对 所述目标切换内容的缓存数据进行解码操作， 并生成进度同步信号； 根据所述进度同步信号确定续播时间点， 将所述目标切换内容的缓存数据在所述续播 时间点开始进行前台播放 O 在一些实施例中， 装置还包括行为决策模块， 被配置为： 响应于接收到目标动作特征， 才艮据历史动作特征对所述目标动作特征进行行为决策分 析得到行为决策结果， 根据行为决策结果确定是否需要切换内容； 响应于确定需要切换内容， 基于历史动作特征确定所述目标动作特征对应的目标加载 数据， 并切换至所述目标加载数据进行播放； 或者 响应于确定不需要切换内容， 才艮据当前播放的流媒体加载续播数据， 并播放所述续播 数据 在一些实施例中， 行为决策模块， 还被配置为： 将所述目标动作特征输入至基于历史动作特征确定的行为决策模型中进行行为决策 分析， 输出行为决策结果， 其中， 利用神经网络模型经过历史动作特征的训练得到能够进 行行为动作决策的行为决策模型； 响应于所述行为决策结果为内容切换动作， 确定需要切换内容； 或者， 响应于所述行为决策结果为除所述内容切换动作外的其他动作， 确定不需要切换内容。 在一些实施例中， 装置还包括： 模型训练模块， 被配置为： 将历史动作特征标记对应的历史行为决策标签， 得到训练样本， 其中所述历史行为决 策标签表示历史动作特征对应的行为动作； 利用所述训练样本通过预先构建的神经网络模型进行训练处理， 才艮据训练处理结果与 所述历史行为决策标签的差异确定损失函数， 根据所述损失函数对所述神经网络模型的参 数进行调整； 响应于所述训练样本全部训练完成或者所述损失函数满足预定收敛条件， 将最终的神 经网络模型作为行为决策模型。 为了描述的方便， 描述以上装置时以功能分为各种模块分别描述。 当然， 在实施本申 请时可以把各模块的功能在同一个或多个软件和 /或硬件中实现。 上述实施例的装置用于实现前述任一实施例中相应的方法， 并且具有相应的方法实施 例的有益效果， 在此不再赘述。 基于同一构思， 与上述任意实施例的方法相对应的， 本申请还提供了一种电子设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计算机程序， 所述处理器执 行所述程序时实现上任意一实施例所述的方法。 图 4 示出了本实施例所提供的一种更为具体的电子设备硬件结构示意图， 该设备可 以包括： 处理器 410、 存储器 420、 输入/输出接 n 430、 通信接口 440和总线 450。 其中处 理器 410、 存储器 420、 输入/输出接口 430和通信接口 440通过总线 450实现彼此之间在 设备内部的通信连接。 处理器 410可以采用通用的 CPU （Central Processing Unit, 中央处理器）、 微处理器、 应用专用集成电路（Application Specific Integrated Circuit, ASIC）、 或者一个或多个集成电路 等方式实现， 用于执行相关程序， 以实现本说明书实施例所提供的技术方案。 存储器 420可以采用 ROM （ Read Only Memory , 只读存储器）、 RAM （Random Access Memory, 随机存取存储器）、 静态存储设备， 动态存储设备等形式实现。 存储器 420可以 存储操作系统和其他应用程序， 在通过软件或者固件来实现本说明书实施例所提供的技术 方案时， 相关的程序代码保存在存储器 420 t , 并由处理器 410来调用执行。 输入/输出接口 430用于连接输入 /输出模块， 以实现信息输入及输出。 输入输出/ 模 块可以作为组件配置在设备中 （图中未示出）， 也可以外接于设备以提供相应功能。 其中输 入设备可以包括键盘、 鼠标、 触摸屏、 麦克风、 各类传感器等， 输出设备可以包括显示器、 扬声器、 振动器、 指示灯等。 通信接口 440 用于连接通信模块 （图中未示出）， 以实现本设备与其他设备的通信交 互。 其中通信模块可以通过有线方式 （例如 USB、 网线等） 实现通信， 也可以通过无线方 式 （例如移动网络、 WIFL 蓝牙等） 实现通信。 总线 450包括一通路， 在设备的各个组件 （例如处理器 410、 存储器 420、 输入 /输出 接口 430和通信接口 440） 之间传输信息。 需要说明的是， 尽管上述设备仅示出了处理器 410、 存储器 420、 输入/输出接口 430、 通信接口 440 以及总线 450 , 但是在具体实施过程中， 该设备还可以包括实现正常运行所 必需的其他组件。 此外， 本领域的技术人员可以理解的是， 上述设备中也可以仅包含实现 本说明书实施例方案所必需的组件， 而不必包含图中所示的全部组件。 上述实施例的电子设备用于实现前述任一实施例中相应的方法， 并且具有相应方法实 施例的有益效果， 在此不再赘述。 基于同一构思， 与上述任意实施例方法相对应的， 本申请还提供了一种非暂态计算机 可读存储介质， 所述非暂态计算机可读存储介质存储计算机指令， 所述计算机指令用于使 所述计算机执行如上任 "实施例所述的方法。 本实施例的计算机可读介质包括永久性和非永久性、 可移动和非可移动媒体可以由任 何方法或技术来实现信息存储。 信息可以是计算机可读指令、 数据结构、 程序的模块或其 他数据。 计算机的存储介质的例子包括， 但不限于相变内存 （PRAM）、 静态随机存取存储 器 （SRAM）、 动态随机存取存储器 （DRAM）、 其他类型的随机存取存储器 （RAM）、 只读 存储器 （ROM）、 电可擦除可编程只读存储器 （EHPROM）、 快闪记忆体或其他内存技术、 只读光盘只读存储器（CD-ROM）、数字多功能光盘（DVD）或其他光学存储、磁盒式磁，带， 磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质 , 可用于存储可以被计算设备 访问的信息。 上述实施例的存储介质存储的计算机指令用于使所述计算机执行如上任 —实施例所 述的方法， 并且具有相应的方法实施例的有益效果， 在此不再赘述。 基于同一构思， 与上述任意实施例方法相对应的， 本申请还提供了一种计算机程序产 品， 包括计算机程序指令， 当所述计算机程序指令在计算机上运行时， 使得所述计算机执 行如上任一实施例所述的方法， 具有相应的方法实施例的有益效果， 在此不再赘述。 所属领域的普通技术人员应当理解: 以上任何实施例的讨论仅为示例性的， 并非旨在 暗示本申请的范围 （包括权利要求） 被限于这些例子； 在本申请的思路下， 以上实施例或 者不同实施例中的技术特征之间也可以进行组合， 步骤可以以任意顺序实现， 并存在如上 所述的本申请实施例的不同方面的许多其它变化， 为了简明它们没有在细节中提供。 另外， 为简化说明和讨论， 并且为了不会使本申请实施例难以理解， 在所提供的附图 中可以示出或可以不示出与集成电路（TC）芯片和其它部件的公知的电源 /接地连接。此外， 可以以框图的形式示出装置， 以便避免使本申请实施例难以理解， 并且这也考虑了以下事 实， 即关于这些框图装置的实施方式的细节是高度取决于将要实施本申请实施例的平台的 （即， 这些细节应当完全处于本领域技术人员的理解范围内）。在阐述了具体细节 （例如， 电路） 以描述本申请的示例性实施例的情况下， 对本领域技术人员来说显而易见的是， 可 以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本申请实施例匚 因 此， 这些描述应被认为是说明性的而不是限制性的。 尽管已经结合了本申请的具体实施例对本申请进行了描述， 但是根据前面的描述， 这 些实施例的很多替换、 修改和变型对本领域普通技术人员来说将是显而易见的。 例如， 其 它存储器架构 （例如， 动态 RAM （ DRAM）） 可以使用所讨论的实施例。 本申请实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、 修改和 变型。 因此， 凡在本申请实施例的精神和原则之内， 所做的任何省略、 修改、 等同替换、 改进等， 均应包含在本申请的保护范围之内。

Claims

权 利 要 求 书
1、 一种流媒体的播放方法， 其中包括： 接收针对当前播放流媒体的切换请求； 响应于所述切换请求为切换后台请求， 确定当前播放的流媒体为目标视频， 获取所述 目标视频的播放数据； 根据所述目标视频的播放数据， 选择所述目标视频对应的目标音频或所述目标视频进 行后台播放。
2、 根据权利要求 1所述的方法， 其中所述根据所述目标视频的播放数据， 选择所述目 标视频对应的目标音频或所述目标视频进行后台播放， 包括： 确定所述播放数据为所述目标视频需继续加载的剩余量； 响应于所述剩余量大于所述目标视频对应的目标音频的待加载量， 对所述目标音频加 载后进行后台播放； 或者， 响应于所述剩余量小于或等于所述目标视频对应的目标音频的待加载量， 继续加载所 述目标视频进行后台播放。
3、才艮据权利要求 2所述的方法， 其中所述响应于所述剩余量大于所述目标视频对应的 目标音频的待加载量， 对所述目标音频加载后进行后台播放， 包括： 以所述目标*见频的当前播放时刻为所述目标音频的开始时刻， 确定所述目标音频的待 加载量； 响应于所述剩余量大于所述待加载量， 对所述目标音频进行加载； 在后台将所述目标视频的当前缓存数据播放完之后切换为所述目标音频， 并控制所述 目标音频在所述目标视频的当前缓存数据播放完的时间点开始进行后台播放 0
4、才艮据权利要求 1至 3任一项所述的方法， 其中在所述目标音频或所述目标视频后台 播放完成后， 还包括： 获取下一个需要播放的流媒体对应的下一个音频， 对下一个音频加载并进行后台播放
5、 根据权利要求 1所述的方法， 其中在后台播放过程中， 还包括： 响应于接收到切换前台请求， 生成内容切换信号； 根据所述内容切换信号确定需要切换的目标切换内容， 并切换至所述目标切换内容进 行前台播放。
6、才艮据权利要求 5所述的方法， 其中所述才艮据所述内容切换信号确定需要切换的目标 切换内容， 并切换至所述目标切换内容进行前台播放， 包括： 确定所述内容切换信号对应的目标切换内容， 获取所述目标切换内容的缓存数据， 对 所述目标切换内容的缓存数据进行解码操作， 并生成进度同步信号； 根据所述进度同步信号确定续播时间点， 将所述目标切换内容的缓存数据在所述续播 时间点开始进行前台播放。
7、 根据权利要求 1所述的方法， 其中还包括： 响应于接收到目标动作特征， 才艮据历史动作特征对所述目标动作特征进行行为决策分 析得到行为决策结果， 才艮据行为决策结果确定是否需要切换内容； 响应于确定需要切换内容， 基于历史动作特征确定所述 .目标动作特征对应的目标加载 数据， 并切换至所述目标加载数据进行播放； 或者 响应于确定不需要切换内容， 根据当前播放的流媒体加载续播数据， 并播放所述续播 数据。
8、根据权利要求 7所述的方法， 其中所述根据历史动作特征对所述目标动作特征进行 行为决策分析得到行为决策结果， 才艮据行为决策结果确定是否需要切换内容， 包括： 将所述目标动作特征输入至基于历史动作特征确定的行为决策模型中进行行为决策 分析， 输出行为决策结果， 其中， 利用神经网络模型经过历史动作特征的训练得到能够进 行行为动作决策的行为决策模型； 响应于所述行为决策结果为内容切换动作， 确定需要切换内容； 或者， 响应于所述行为决策结果为除所述 .内容切换动作外的其他动作， 确定不需要切换内容。
9、 才艮据权利要求 8所述的方法， 其中所述行为决策模型的训练过程包括： 将历史动作特征标记对应的历史行为决策标签， 得到训练样本， 其中所述历史行为决 策标签表示历史动作特征对应的行为动作； 利用所述训练样本通过预先构建的神经网络模型进行训练处理， 根据训练处理结果与 所述历史行为决策标签的差异确定损失函数， 根据所述损失函数对所述神经网络模型的参 数进行调整； 响应于所述训练样本全部训练完成或者所述损失函数满足预定收敛条件， 将最终的神 经网络模型作为行为决策模型。
10、 一种流媒体的播放装置， 其中包括： 请求接收模块， 被配置为接收针对当前播放流媒体的切换请求； 播放数据获取模块， 被配置为响应于所述切换请求为切换后台请求， 确定当前播放的 流媒体为目标视频， 获取所述目标视频的播放数据； 后台播放模块， 被配置为根据所述目标视频的播放数据， 选择所述目标视频对应的目 标音频或所述目标视频进行后台播放。
11、 一种电子设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计 算机程序， 其中所述处理器执行所述程序时实现如权利要求 1至 9任意一项所述的方法。
12、 一种非暂态计算机可读存储介质， 所述非暂态计算机可读存储介质存储计算机指 令， 其中所述计算机指令用于使计算机执行如权利要求 1至 9任意一项所述的方法。
13、 一种计算机程序产品， 包括计算机程序指令， 其中当所述计算机程序指令在计算 机上运行时， 使得所述计算机执行如权利要求 1 至 9中任意一项所述的方法。
16
PCT/SG2025/050097 2024-06-25 2025-02-12 流媒体的播放方法、装置、电子设备、介质及程序产品 Pending WO2026005703A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202410830880.9 2024-06-25
CN202410830880.9A CN118741217A (zh) 2024-06-25 2024-06-25 流媒体的播放方法、装置、电子设备、介质及程序产品

Publications (1)

Publication Number Publication Date
WO2026005703A1 true WO2026005703A1 (zh) 2026-01-02

Family

ID=92854592

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/SG2025/050097 Pending WO2026005703A1 (zh) 2024-06-25 2025-02-12 流媒体的播放方法、装置、电子设备、介质及程序产品

Country Status (2)

Country Link
CN (1) CN118741217A (zh)
WO (1) WO2026005703A1 (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109845280A (zh) * 2017-09-29 2019-06-04 腾讯科技（深圳）有限公司 基于流媒体的音视频播放方法及装置
CN111510755A (zh) * 2019-01-30 2020-08-07 上海哔哩哔哩科技有限公司 音视频的切换方法、装置、计算机设备及可读存储介质
CN114697722A (zh) * 2022-04-01 2022-07-01 湖南快乐阳光互动娱乐传媒有限公司 一种视频播放方法及装置、电子设备、存储介质

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109845280A (zh) * 2017-09-29 2019-06-04 腾讯科技（深圳）有限公司 基于流媒体的音视频播放方法及装置
CN111510755A (zh) * 2019-01-30 2020-08-07 上海哔哩哔哩科技有限公司 音视频的切换方法、装置、计算机设备及可读存储介质
CN114697722A (zh) * 2022-04-01 2022-07-01 湖南快乐阳光互动娱乐传媒有限公司 一种视频播放方法及装置、电子设备、存储介质

Also Published As

Publication number Publication date
CN118741217A (zh) 2024-10-01

Similar Documents

Publication Publication Date Title
WO2022152064A1 (zh) 视频生成方法、装置、电子设备和存储介质
US20230421852A1 (en) Methods, systems, and media for modifying the presentation of video content on a user device based on a consumption of the user device
US10623784B2 (en) Content-adaptive digital content adjustment method and system
US20180014074A1 (en) Method and Apparatus for Playing a Multimedia File From a Re-Positioned Playing Point
US20160182600A1 (en) Reducing requests for media segments in streaming of multimedia content
US20170163703A1 (en) Player-based play method and device
CN102298947A (zh) 一种用于在多媒体播放器间进行播放切换的方法与设备
JP2019091014A (ja) マルチメディアを再生するための方法及び装置
US20150365730A1 (en) Generation and use of user behavioral data for a program
CN112839238A (zh) 投屏播放方法、装置和存储介质
CN111755009A (zh) 语音服务方法、系统、电子设备及存储介质
US20150268808A1 (en) Method, Device and System for Multi-Speed Playing
US20240380941A1 (en) Supplemental audio generation system in an audio-only mode
CN109195010B (zh) 一种码率调节方法及装置
CN107846624A (zh) 视频画质调整方法、装置、终端设备及存储介质
CN114040245A (zh) 视频播放方法、装置、计算机存储介质和电子设备
KR101531284B1 (ko) 클라우드 스트리밍 서비스를 제공하기 위한 장치, 이를 위한 방법 및 이를 위한 시스템
TW201429232A (zh) 多媒體播放裝置及多媒體檔案預先下載方法
WO2026005703A1 (zh) 流媒体的播放方法、装置、电子设备、介质及程序产品
JP6266827B1 (ja) 端末およびサーバ
WO2024036979A9 (zh) 一种多媒体资源播放方法及相关装置
CN112437352B (zh) 视频合并播放方法和设备
CN116366895A (zh) 视频处理方法及装置
US20250106484A1 (en) Two-Step Media Content Resolution
KR102432376B1 (ko) 콘텐츠 재생 방법 및 시스템

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 25827430

Country of ref document: EP

Kind code of ref document: A1