Причиной для разработки Пекинского договора стало то, что Римская конвенция и ДИФ обеспечили охрану в цифровой среде прав исполнителей, чьи выступления зафиксированы в звуковых записях, но не предоставили охраны правам исполнителей, выступления которых зафиксированы в аудиовизуальных записях (например, кинофильмах, телевизионных передачах, клипах и иных «движущихся изображениях»). Римская конвенция и ДИФ не предоставили охрану правам исполнителей (артистов-исполнителей) в отношении их аудиовизуальных выступлений.

Уже на стадии приятия ДАП и ДИФ на Дипломатической конференции ВОИС в Женеве в декабре 1996 г. стало ясно, что требуется охрана прав артистов-исполнителей в отношении их аудиовизуальных исполнений. Отсутствие регулирования использования в цифровой среде аудиовизуальных записей стало причиной принятия на конференции в Женеве 20 декабря 1996 г. Резолюции об аудиовизуальных исполнениях. В этой Резолюции было высказано сожаление, что в условиях технического развития ДИФ не предоставил охраны исполнителям аудиовизуальным исполнений, а также указывалось на необходимость разработки документа, который бы гарантировал адекватную охрану в цифровой среде прав аудиовизуальных исполнителей.

Изначально планировалось, что особенности аудиовизуальных исполнений будут закреплены в дополнительном протоколе к ДИФ, который должен был быть принят не позднее 1998 г. Однако в этот срок не удалось согласовать текст данного документа. В 2000 г. после длительных дискуссий было решено оформить документ об аудиовизуальных исполнениях в виде самостоятельного международного договора.

Основным инициатором разработки договора, закрепляющего права в отношении аудиовизуальных выступлений, стали неправительственные организации актеров, заинтересованные в выплате актерам вознаграждений от использования фильмов не только на традиционных носителях, но и в телекоммуникационных сетях.

Вместе с тем термином «исполнители аудиовизуальным исполнений» охватываются не только актеры, но и музыканты, танцоры и иные исполнители, чьи выступления отражены в аудиовизуальных записях (например, фильмах, клипах, телепередачах). Под аудиовизуальной записью в Пекинском договоре понимаются любые движущиеся изображения со звуком или без него, позволяющие осуществлять их восприятие, воспроизведение или сообщение с помощью соответствующего устройства (п. «b» ст. 1).

Главной целью Пекинского договора является предоставление актерам, музыкантам и другим исполнителям имущественных и неимущественных прав, аналогичных тем, которые уже закреплены для исполнителей звуковых произведений. Данный договор предоставляет этим исполнителям возможность защищать свои права от несанкционированного использования их выступлений с помощью аудиовизуальных средств (видеозапись). Пекинский договор закрепляет имущественные и неимущественные права исполнителей, во-первых, в отношении незаписанных («живых») выступлений, во-вторых, в отношении исполнений, записанных в аудиовизуальных записях (при этом термин «исполнения, записанные в аудиовизуальных записях» соответствует используемому в ДИФ выражению «исполнения, записанные на фонограммы»).