با صعود از طریق پخش زنده ، بازی از یک محصول مصرفی شبیه اسباب بازی به یک بستر و رسانه مناسب برای سرگرمی و رقابت تبدیل شده است.
پایگاه بینندگان Twitch به تنهایی از زمان تصاحب توسط آمازون در سال 2014 از 250،000 بیننده همزمان به بیش از 3 میلیون نفر افزایش یافته است. رقبایی مانند Facebook Gaming و YouTube Live مسیرهای مشابهی را دنبال می کنند.
رونق بینندگان به اکوسیستم حمایت از محصولات دامن زده است زیرا پخش کننده های حرفه ای امروزی تکنولوژی را به حد خود می رسانند تا ارزش تولید محتوا را افزایش داده و جنبه های تکراری چرخه تولید ویدئو را خودکار کنند.
بزرگترین پخش کننده ها تیم هایی از ویرایشگران ویدئو و مدیران رسانه های اجتماعی را استخدام می کنند ، اما پخش کننده های رو به رشد و پاره وقت تلاش می کنند خودشان این کار را انجام دهند یا برای برون سپاری آن پول به دست آورند.
بازی آنلاین آنلاین بسیار پیچیده است و سازندگان تمام وقت روزانه هشت یا 12 ساعت اجرا می کنند. در تلاش برای جلب توجه بینندگان ارزشمند ، جریانهای ماراتن 24 ساعته نیز غیر معمول نیست.
با این حال ، این ساعت ها جلوی دوربین و صفحه کلید تنها نیمی از سرعت جریان است. حفظ حضور مداوم در رسانه های اجتماعی و YouTube به رشد کانال جریان دامن می زند و بینندگان بیشتری را جذب می کند تا بتوانند یک جریان را به طور مستقیم تماشا کنند ، جایی که آنها می توانند اشتراک ماهانه خریداری کنند ، اهدا کنند و تبلیغات را تماشا کنند.
از بین هشت ساعت یا بیشتر ویدئوی خام ، تأثیرگذارترین تا پنج دقیقه محتوا به یک تعهد زمانی بی اهمیت تبدیل می شود. در رأس زنجیره غذایی ، بزرگترین پخش کننده ها می توانند تیم هایی از ویراستاران ویدئو و مدیران رسانه های اجتماعی را برای حل این قسمت از کار استخدام کنند ، اما پخش کننده های رو به رشد و پاره وقت برای یافتن زمانی برای انجام این کار یا تلاش برای تهیه این مشکل تلاش می کنند. پول برای برون سپاری آن در طول روز چند دقیقه کافی نیست تا تمام فیلم ها را در اولویت دیگر زندگی و کار با دقت مرور کنید.
تجزیه و تحلیل بینایی کامپیوتر UI بازی
یک راه حل نوظهور استفاده از ابزارهای خودکار برای شناسایی لحظات کلیدی در پخش طولانی تر است. چندین استارتاپ برای تسلط بر این طاقچه در حال ظهور رقابت می کنند. تفاوت در رویکردهای آنها برای حل این مشکل چیزی است که راه حل های رقیب را از یکدیگر متمایز می کند. بسیاری از این رویکردها از دوگانگی سخت افزاری دانش کامپیوتر در برابر نرم افزار پیروی می کنند.
آتناسکوپ یکی از اولین شرکت هایی بود که این طرح را در مقیاس وسیع اجرا کرد. آتناسکوپ با حمایت 2.5 میلیون دلاری از سرمایه گذاری خطرپذیر و یک تیم چشمگیر از فارغ التحصیلان Silicon Valley Big Tech ، یک سیستم بینایی کامپیوتری برای شناسایی کلیپ های برجسته در ضبط های طولانی تر ایجاد کرد.
در اصل ، تفاوت چندانی با نحوه عملکرد خودروهای خودران ندارد ، اما به جای استفاده از دوربین ها برای خواندن علائم جاده ای و چراغ های راهنمایی ، این ابزار صفحه نمایش گیمر را ضبط می کند و شاخص هایی را در رابط کاربری بازی تشخیص می دهد که رویدادهای مهمی را که در داخل اتفاق می افتد ، بیان می کند. بازی: کشتن و مرگ ، گل و پس انداز ، برد و باخت.
اینها همان نشانه های بصری هستند که به طور سنتی بازیکن بازی را در جریان اتفاقات بازی می دانند. در رابط های کاربری بازی مدرن ، این اطلاعات دارای کنتراست بالا ، واضح و بدون محتوا هستند و به طور معمول در مکان های قابل پیش بینی و ثابت روی صفحه در هر زمان قرار دارند. این قابلیت پیش بینی و شفافیت بسیار عالی به تکنیک های بینایی رایانه ای مانند تشخیص نوری کاراکتر (OCR) – خواندن متن از روی تصویر ، کمک می کند.
شرط بندی در اینجا کمتر از اتومبیل های خودران است ، زیرا مثبت کاذب از این سیستم چیزی جز یک کلیپ ویدیویی کمتر هیجان انگیز از حد متوسط تولید نمی کند-نه تصادف اتومبیل.