論文の概要: Collaborative Storytelling with Human Actors and AI Narrators
- arxiv url: http://arxiv.org/abs/2109.14728v1
- Date: Wed, 29 Sep 2021 21:21:35 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-02 07:23:26.139051
- Title: Collaborative Storytelling with Human Actors and AI Narrators
- Title(参考訳): ヒューマンアクターとaiナレーターとのコラボレーションストーリーテリング
- Authors: Boyd Branch, Piotr Mirowski, Kory W. Mathewson
- Abstract要約: GPT-3 citebrown 2020 を用いた物語のコナレーションについて報告する。
AIシステムは、人間の俳優がシーンを演じている間、プロットの進行とキャラクターの弧を追跡する必要がある。
- 参考スコア(独自算出の注目度): 2.8575516056239576
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large language models can be used for collaborative storytelling. In this
work we report on using GPT-3 \cite{brown2020language} to co-narrate stories.
The AI system must track plot progression and character arcs while the human
actors perform scenes. This event report details how a novel conversational
agent was employed as creative partner with a team of professional improvisers
to explore long-form spontaneous story narration in front of a live public
audience. We introduced novel constraints on our language model to produce
longer narrative text and tested the model in rehearsals with a team of
professional improvisers. We then field tested the model with two live
performances for public audiences as part of a live theatre festival in Europe.
We surveyed audience members after each performance as well as performers to
evaluate how well the AI performed in its role as narrator. Audiences and
performers responded positively to AI narration and indicated preference for AI
narration over AI characters within a scene. Performers also responded
positively to AI narration and expressed enthusiasm for the creative and
meaningful novel narrative directions introduced to the scenes. Our findings
support improvisational theatre as a useful test-bed to explore how different
language models can collaborate with humans in a variety of social contexts.
- Abstract(参考訳): 大規模な言語モデルはコラボレーティブなストーリーテリングに使用できる。
本稿では, GPT-3 \cite{brown2020 languages} を用いて物語のコナレーションを行う。
aiシステムは、人間の俳優がシーンを実行する間、プロット進行とキャラクタアークを追跡する必要があります。
このイベントは、新しい会話エージェントがプロの即興のチームと創造的なパートナーとしてどのように雇われ、ライブの聴衆の前で長い形態の自発的な物語のナレーションを探求したかを詳述する。
言語モデルに新たな制約を導入して,より長文のテキストを生成するとともに,プロのインプロビゼータのチームによるリハーサルでモデルをテストした。
そして、ヨーロッパでのライブ・シアター・フェスティバルの一環として、2つのライブ・パフォーマンスでこのモデルをテストしました。
演奏後の参加者および演奏者を対象に,AIがナレーターとして果たす役割の評価を行った。
聴衆とパフォーマーは、AIナレーションに肯定的な反応を示し、シーン内のAIキャラクターよりもAIナレーションを好むことを示した。
出演者はAIのナレーションに肯定的に反応し、シーンに導入された創造的で有意義な物語の方向性への熱意を示した。
本研究は,様々な社会的文脈において,異なる言語モデルがいかに人間と協調できるかを検討するための有用なテストベッドとして,即興劇場を支援する。
関連論文リスト
- Experimental Narratives: A Comparison of Human Crowdsourced Storytelling
and AI Storytelling [0.0]
この研究は、2019年6月にクラウドワーカーによって書かれた250のストーリーと、GPT-3.5とGPT-4によって生成された80のストーリーを分析した。
クラウドワーカーと大きな言語モデルの両方が、人工人間を創造し、恋に落ちるという同じプロンプトに反応した。
この分析により、GPT-3.5、特にGPT-4の物語は、人間によって書かれた物語よりも性役割やセクシュアリティの点で進歩的であることが明らかとなった。
論文 参考訳(メタデータ) (2023-10-19T16:54:38Z) - NarrativePlay: Interactive Narrative Understanding [27.440721435864194]
本研究では,ユーザが架空のキャラクターをロールプレイし,没入感のある環境で他のキャラクターと対話できる新しいシステムであるNarrativePlayを紹介する。
我々はLarge Language Models(LLMs)を利用して、物語から抽出された性格特性によって導かれる人間的な応答を生成する。
ナラティブプレイは2種類の物語、探偵と冒険の物語で評価されており、ユーザーは世界を探索したり、会話を通じて物語のキャラクターと親しみやすくしたりすることができる。
論文 参考訳(メタデータ) (2023-10-02T13:24:00Z) - Co-Writing Screenplays and Theatre Scripts with Language Models: An
Evaluation by Industry Professionals [5.7445938562326635]
ドラマトロンは、タイトル、キャラクター、物語のビート、場所の説明、対話を伴うコヒーレントな脚本と脚本を生成する。
ドラマトロンのインタラクティブな共同制作システムとしての有用性を示す。
我々は,共同創造性に対するDramatronの適合性,盗作や偏見を含む倫理的考察,そしてそのようなツールの設計と展開のための参加モデルについて議論する。
論文 参考訳(メタデータ) (2022-09-29T17:26:22Z) - A Benchmark for Understanding and Generating Dialogue between Characters
in Stories [75.29466820496913]
本研究は,機械が物語の対話を理解・生成できるかどうかを探求する最初の研究である。
マスク付き対話生成と対話話者認識という2つの新しいタスクを提案する。
DialStoryの自動評価と手動評価で既存のモデルをテストすることで,提案課題の難しさを示す。
論文 参考訳(メタデータ) (2022-09-18T10:19:04Z) - Computational Storytelling and Emotions: A Survey [56.95572957863576]
本研究は,物語と感情の関係に関する研究を要約し,その発展に寄与することを目的としている。
創造性の研究は人間をコンピューターに置き換えることではなく、創造性を高めるために人間とコンピューターのコラボレーション方法を見つけることであると私たちは信じています。
論文 参考訳(メタデータ) (2022-05-23T00:21:59Z) - Persona-Guided Planning for Controlling the Protagonist's Persona in
Story Generation [71.24817035071176]
本研究では,ペルソナとイベントの関係を明示的にモデル化する計画ベース生成モデルCONPERを提案する。
自動評価と手動評価の両方の結果から、CONPERはより一貫性のあるペルソナ制御可能なストーリーを生成するために最先端のベースラインより優れていることが示されている。
論文 参考訳(メタデータ) (2022-04-22T13:45:02Z) - TVShowGuess: Character Comprehension in Stories as Speaker Guessing [23.21452223968301]
物語における架空のキャラクターを理解するための機械のスキルを評価するための新しいタスクを提案する。
タスクであるTVShowGuessは、TVシリーズのスクリプトをベースとして、シーンの背景や対話に基づいて匿名のメインキャラクターを推測する形式をとっている。
我々の人間による研究は、キャラクターの個性、事実、個性体験の記憶など、複数の種類の人格の理解をカバーしている。
論文 参考訳(メタデータ) (2022-04-16T05:15:04Z) - Computational Lens on Cognition: Study Of Autobiographical Versus
Imagined Stories With Large-Scale Language Models [95.88620740809004]
GPT-3を用いた自伝的物語と想像的物語における出来事の物語の流れの相違について検討した。
想像された物語は自伝的物語よりも逐次性が高いことがわかった。
想像された物語と比較すると、自伝的な物語は、最初の人物に関連するより具体的な言葉と単語を含んでいる。
論文 参考訳(メタデータ) (2022-01-07T20:10:47Z) - Film Trailer Generation via Task Decomposition [65.16768855902268]
私たちは映画をグラフとしてモデル化し、ノードはショットであり、エッジはそれらの間のセマンティックな関係を表す。
スクリーンプレイから特権的テキスト情報を活用する共同コントラストトレーニングを用いて,これらの関係を学習する。
教師なしのアルゴリズムがグラフを横切り、人間の審査員が競争的な教師付きアプローチによって生成されるトレーラーを生成する。
論文 参考訳(メタデータ) (2021-11-16T20:50:52Z) - Collaborative Storytelling with Large-scale Neural Language Models [6.0794985566317425]
我々は、人工知能エージェントと人が協力して、交代で追加することでユニークなストーリーを作るという、協調的なストーリーテリングのタスクを紹介します。
本稿では,人間ストーリーテラーと協調して物語を創り出す共同ストーリーテリングシステムについて述べる。
論文 参考訳(メタデータ) (2020-11-20T04:36:54Z) - Filling the Gap of Utterance-aware and Speaker-aware Representation for
Multi-turn Dialogue [76.88174667929665]
マルチターン対話は、2つ以上の異なる話者の役割から複数の発話からなる。
既存の検索に基づくマルチターン対話モデルでは、事前訓練された言語モデル(PrLM)をエンコーダとして、対話を粗く表現する。
本稿では,対話履歴に係わる効果的な発話認識表現と話者認識表現をモデル化することにより,そのようなギャップを埋める新しいモデルを提案する。
論文 参考訳(メタデータ) (2020-09-14T15:07:19Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。