論文の概要: TaleFrame: An Interactive Story Generation System with Fine-Grained Control and Large Language Models

• arxiv url: http://arxiv.org/abs/2512.02402v1
• Date: Tue, 02 Dec 2025 04:27:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-03 21:04:45.718233
• Title: TaleFrame: An Interactive Story Generation System with Fine-Grained Control and Large Language Models
• Title（参考訳）: TaleFrame: 微粒化制御と大規模言語モデルを用いた対話型ストーリー生成システム
• Authors: Yunchao Wang, Guodao Sun, Zihang Fu, Zhehao Liu, Kaixing Du, Haidong Gao, Ronghua Liang,
• Abstract要約: TaleFrameは、大きな言語モデル(LLM)とヒューマンコンピュータインタラクション(HCI)を組み合わせてストーリーを生成するシステムである。 ユーザーは単純な操作でこれらのユニットを制御できる。 生成されたストーリーは7次元で評価できる。
• 参考スコア（独自算出の注目度）: 17.369716537430048
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the advancement of natural language generation (NLG) technologies, creative story generation systems have gained increasing attention. However, current systems often fail to accurately translate user intent into satisfactory story outputs due to a lack of fine-grained control and unclear input specifications, limiting their applicability. To address this, we propose TaleFrame, a system that combines large language models (LLMs) with human-computer interaction (HCI) to generate stories through structured information, enabling precise control over the generation process. The innovation of TaleFrame lies in decomposing the story structure into four basic units: entities, events, relationships, and story outline. We leverage the Tinystories dataset, parsing and constructing a preference dataset consisting of 9,851 JSON-formatted entries, which is then used to fine-tune a local Llama model. By employing this JSON2Story approach, structured data is transformed into coherent stories. TaleFrame also offers an intuitive interface that supports users in creating and editing entities and events and generates stories through the structured framework. Users can control these units through simple interactions (e.g., drag-and-drop, attach, and connect), thus influencing the details and progression of the story. The generated stories can be evaluated across seven dimensions (e.g., creativity, structural integrity), with the system providing suggestions for refinement based on these evaluations. Users can iteratively adjust the story until a satisfactory result is achieved. Finally, we conduct quantitative evaluation and user studies that demonstrate the usefulness of TaleFrame. Dataset available at https://huggingface.co/datasets/guodaosun/tale-frame.
• Abstract（参考訳）: 自然言語生成(NLG)技術の進歩により,創造的なストーリー生成システムが注目されている。 しかし、現在のシステムでは、細かい制御や不明瞭な入力仕様の欠如により、ユーザ意図を満足のいくストーリーアウトプットに正確に翻訳することができず、適用性が制限されることが多い。 そこで我々は,大規模言語モデル (LLM) とヒューマン・コンピュータインタラクション (HCI) を組み合わせて,構造化情報を用いて物語を生成するシステムである TaleFrame を提案する。 TaleFrameのイノベーションは、ストーリー構造を4つの基本的なユニット(エンティティ、イベント、リレーションシップ、ストーリー概要)に分解することにあります。 我々はTinystoriesデータセットを活用し、9,851のJSON形式のエントリからなる好みデータセットを解析し、構築します。 このJSON2Storyアプローチを利用することで、構造化されたデータはコヒーレントなストーリに変換される。 TaleFrameはまた、エンティティやイベントの作成と編集をサポートし、構造化されたフレームワークを通じてストーリーを生成する直感的なインターフェイスを提供する。 ユーザーは単純なインタラクション(例えば、ドラッグ&ドロップ、アタッチ、接続)でこれらのユニットを制御できるため、ストーリーの詳細と進行に影響を与える。 生成されたストーリーは7つの次元(クリエイティビティ、構造的整合性など)で評価することができる。 ユーザーは満足な結果が得られるまで、ストーリーを反復的に調整することができる。 最後に,T TaleFrameの有用性を実証する定量的評価とユーザスタディを行う。 データセットはhttps://huggingface.co/datasets/guodaosun/tale-frameで入手できる。

関連論文リスト

• STORYANCHORS: Generating Consistent Multi-Scene Story Frames for Long-Form Narratives [82.19488717416351]
  本稿では,高品質でマルチシーンなストーリーフレームを生成するための統合フレームワークであるStoryAnchorsを紹介する。 StoryAnchorsは、時間的一貫性を確保するために、過去と将来の両方のコンテキストを統合する双方向のストーリージェネレータを使用している。 また、マルチイベントストーリーフレームラベリングとプログレッシブストーリーフレームトレーニングを統合し、モデルが包括的な物語の流れとイベントレベルのダイナミクスの両方をキャプチャできるようにする。
  論文  参考訳（メタデータ） (2025-05-13T08:48:10Z)
• Leveraging Graph Structures and Large Language Models for End-to-End Synthetic Task-Oriented Dialogues [1.747623282473278]
  タスク指向対話の生成を簡単にするエンドツーエンドフレームワークであるGraphTODを紹介する。 評価の結果、GraphTODは様々なドメイン間で高品質な対話を生成することが示され、データセット作成のコストと複雑さが大幅に低下した。
  論文  参考訳（メタデータ） (2025-01-21T08:51:12Z)
• ContextualStory: Consistent Visual Storytelling with Spatially-Enhanced and Storyline Context [50.572907418430155]
  ContextualStoryは、コヒーレントなストーリーフレームを生成し、ビジュアルなストーリーテリングのためにフレームを拡張するように設計されたフレームワークである。 ストーリーライン埋め込みにおけるコンテキストを豊かにするストーリーラインコンテクストアライザと、フレーム間のシーン変化を測定するストーリーフローアダプタを導入する。 PororoSVとFlintstonesSVデータセットの実験では、ContextualStoryはストーリーの可視化と継続の両方で既存のSOTAメソッドよりも大幅に優れています。
  論文  参考訳（メタデータ） (2024-07-13T05:02:42Z)
• TARN-VIST: Topic Aware Reinforcement Network for Visual Storytelling [14.15543866199545]
  クロスモーダルなタスクとして、視覚的なストーリーテリングは、順序付けられた画像シーケンスのためのストーリーを自動的に生成することを目的としている。 視覚的ストーリーテリングのための新しい手法,Topic Aware Reinforcement Network(TARN-VIST)を提案する。 特に,視覚的,言語的両面から,物語の話題情報を事前に抽出した。
  論文  参考訳（メタデータ） (2024-03-18T08:01:23Z)
• Feature-Action Design Patterns for Storytelling Visualizations with Time Series Data [14.417710088310784]
  本稿では,時系列データを用いたストーリーテリングの可視化手法を提案する。 新型コロナウイルス(COVID-19)パンデミックの間に時系列データを伝達する必要性から,我々は,物語のメタオーサリングのための新しいコンピュータ支援手法を開発した。
  論文  参考訳（メタデータ） (2024-02-05T15:45:59Z)
• StoryDALL-E: Adapting Pretrained Text-to-Image Transformers for Story Continuation [76.44802273236081]
  生成したビジュアルストーリーをソースイメージに条件付けしたストーリー継続のためのモデルであるStoryDALL-Eを開発した。 提案手法は, ストーリー継続のためのGANモデルよりも優れており, 画像からの視覚要素のコピーを容易にする。 全体として、本研究は、事前訓練されたテキスト-画像合成モデルがストーリー継続のような複雑で低リソースなタスクに適応できることを実証している。
  論文  参考訳（メタデータ） (2022-09-13T17:47:39Z)
• Outline to Story: Fine-grained Controllable Story Generation from Cascaded Events [39.577220559911055]
  長文のきめ細かい制御が可能な生成のためのテストベッドとして,"Outline to Story" (O2S) という新しいタスクを提案する。 次に、最新のキーワード抽出技術で構築された将来のベンチマーク用のデータセットを作成します。
  論文  参考訳（メタデータ） (2021-01-04T08:16:21Z)
• Cue Me In: Content-Inducing Approaches to Interactive Story Generation [74.09575609958743]
  本研究では,対話型物語生成の課題に焦点をあてる。 本稿では、この追加情報を効果的に活用するための2つのコンテンツ誘導手法を提案する。 自動評価と人的評価の両方による実験結果から,これらの手法がよりトポロジ的な一貫性とパーソナライズされたストーリーを生み出すことが示された。
  論文  参考訳（メタデータ） (2020-10-20T00:36:15Z)
• STORIUM: A Dataset and Evaluation Platform for Machine-in-the-Loop Story Generation [48.56586847883825]
  我々は、オンラインのコラボレーティブなストーリーテリングコミュニティであるSTORiumから構築されたデータセットと評価プラットフォームを紹介した。 データセットには6Kの長編記事と、各物語に散在する詳細な自然言語アノテーションが含まれています。 我々は、STORiumにそれらを統合することで、データセット上で微調整された言語モデルを評価し、実際の著者は提案されたストーリーの継続をモデルに問い合わせ、編集することができる。
  論文  参考訳（メタデータ） (2020-10-04T23:26:09Z)

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。