---

  视学算法报道  

编辑：David 昕朋

【导读】当够了画家、剪辑和在线客服，人工智能的接下来要征服的，是编剧。DeepMind推出的AI写作模型Dramatron，只需一句故事梗概，就能创作万字剧本！

你有灵光乍现的时刻吗？就是那种：这点子太好了，要是拍成电影一定能大火？

之前这种想法可能只能停留在你的脑海中，而现在，一个「AI编剧大师」的出现，或许能让你梦想成真。

从小白到编剧大师：只要一个点子

DeepMind近日发布了AI写作模型Dramatron，可以生成人物描述，情节点，位置描述和对话。

这个想法是，人类作家将能够将Dramatron提出的内容编译，编辑和重写为适当的脚本。把它想象成 ChatGPT，但输出可以编辑成大片电影脚本。

来自Deepmind和斯坦福大学的研究人员团队可以使用它来为戏剧和电影创建连贯的剧本和剧本 - 从标题到角色，故事情节，位置描述和对话。

使用Dramatron创作剧本，人们只需要在模型中输入Log Line（故事的一句话摘要。之后，Dramatron就会自动生成剧本标题、人物以及场景设定、细节和对话。

消息一出，便引来社交网络的狂欢。

连马斯克也来强势围观。

有人评论：「这是不是意味着我们再也不用只能看翻拍电影了？」

当然，也有反对的声音。LeCun就暗讽Dramatron之类的生成式语言模型只是将「胡编乱造」从bug变成了自家特色。

而网友则回复道，你这是纯纯的嫉妒。

「『胡编乱造』确实是它们的特色。这也是Galactica（Meta语言模型，上线三天就被骂到下架）想要做到的事情。我看你就是嫉妒MetaAI没做到这一点。」

总结下来两个字：别酸！

看看AI写的劫匪片

根据DeepMind官网的提示，用户只需注册OpenAI的账号即可使用。

听上去不难。这不，推特上已经有人拿它尝试写劫匪片了。

网友Vlad Yashin给出的Log Line是：「在复杂的珠宝抢劫案失手之后，幸存的罪犯开始怀疑团伙内部有警方线人。」

接着，该Dramatron上场表演了。

首先，它给出了标题：《大劫案的崩坠》（The Heist's Downfall）

很有文采的标题，得到了网友的认可。

接着，Dramatron确定了故事主角：约翰·默多克（John Murdock），珠宝盗贼的头目，一个聪明而经验丰富的罪犯。

下一步是场景设置，对这个故事，Dramatron给出了四个场景：

• 约翰和团队计划抢劫。

• 抢劫出错，约翰劫持人质，他们自己设置路障。

• 发生枪战，只有约翰和另外两名罪犯幸存下来。

• 回到安全屋，约翰决定杀死幸存的盗贼伙伴。

接下来，Dramatron对场景细节进行打磨：

• 珠宝店 - 狭小，狭窄的空间。空气中弥漫着昂贵香水的味道，货架上的商品闪闪发光。

• 安全屋 - 小型公寓，位于城镇阴凉的地方，窗户覆盖着床单。

最后一步，也是重头戏，Dramatron生成了人物间的对话。

第一场：

John：计划是这样，我们从后门进入，解除警报，然后把珠宝装到车上。

保安：嘿！你们不能去那里！

John：老实点！我们有枪！

保安：别开枪！我没有武器。

第二场：

John：该死！到底发生了什么？

Bert：我也不知道，一定是警报器响了。

John：可恶！大家保持冷静，我们想办法解决。

Bill：怎么办？警察要来了！

John：我们用人质作为路障。所有人听我指挥。

看看这情节，有模有样的，紧张氛围也是直接拉满，不知道真拍出来会不会大卖。

AI剧本电影节上映，人类专家赞不绝口

实际上，关于DeepMind搞的这个AI剧作家Dramatron，相关论文预印本早在今年9月就已经发布，DeepMind还在自家博客上宣传了一波。

论文地址：

https://arxiv.org/pdf/2209.14958.pdf

论文四位作者中，有一位发文单位是斯坦福大学，但这项研究是他在DeepMind期间参与的。

Dramatron是一个使用大型语言模型的系统，通过「分层故事生成」的方法生成脚本和剧本。

Dramatron利用大型语言模型的优势，将精心设计的提示和提示链与结构化生成相结合，以实现整个剧本的长距离连贯性。与之前的连续文本生成相比，Dramatron的剧本创作过程能让故事更加连贯。

Dramatron的生成可以从一个用户提供的戏剧主要冲突的摘要（称为「日志线」）中产生整个剧本，剧本长度可以高达几万字。

根据输入的日志线，Dramatron可以生成整个剧本，包括标题、人物名单、故事情节（即带有设置和节拍的场景摘要列表）、地点描述和对话。

用户可以在分层生成的任何阶段进行干预和修改，输入替代性生成，编辑和重写输出文本，或继续文本生成。

Dramatron的分层连贯的故事生成，从日志线开始，生成标题和人物。

这样，生成的人物角色被用作提示，在情节中生成一连串的场景摘要。随后为每个独特的地点生成描述。最后，这些元素都被结合起来，为每个场景生成对话。图中的箭头表示生成的文本如何被用来构建提示，以便进一步生成LLM文本。

我们的方法可以用于任何接受输入提示的LLM，然后预测接下来会出现哪些标记。

在2022年8月在埃德蒙顿举办的国际前沿戏剧节上，上映了Dramatron按照这个流程编写的一系列剧本。

为了评估Dramatron的可用性和能力，研究人员没有依靠网上的众包注释和非专家评审员的评价，而是让15位专家参加了长达两小时的用户会议，与Dramatron一起共同写剧本。

来自戏剧和电影界的专家剧作家和编剧对Dramatron互动式的共同创作过程提供了反馈，并对与创作成果提供了艺术意见和分析。

从DeepMind提供的专家修改意见反馈来看，有不少都是对场景和对话用词细节的修正意见，主要是打磨场景和对话的叙事节奏，还有一些修改是处于规避侵权的需要。

上图为语言模型的提示设置说明，用户或Dramatron生成的提示被连接到一个前缀，配以标签。对于不同的随机种子，会产生几个标题输出。

专家和专业编辑的总体反馈评价结果如何？可以看到，大部分专家评审还是给出了积极评价的。

比如，对Dramatron的交互式分层生成台词的夸奖，其中不乏「有用」、「 独一无二」、「惊喜」等字眼。

另外，对于AI写的剧本的水准，不少专家给出了高度评价，他们认为剧本只要改一改，真的可以拍摄上映。

另外，专家Dramatron除了写剧本之外的更多用途表示期待，比如可以作为一个对影视剧作家的启发式工具，作者也可以从Dramatron生成的台词和场景构思中吸取思路。

在他们看来，AI提供素材，真人作者写剧本，这个模式在未来大有可为。

尽管目前在人类专家看来，AI写的剧本还是存在一些不自然的缺陷和问题。比如剧情过于直白，让人很容易猜出，台词风格有些刻板，有些台词充斥偏见，有时剧情会进入逻辑循环跳不出来等等。

不过，有大语言模型这个宝库，有全世界的剧作家和影视工作者的智慧做训练数据集，说不定以后的影视剧编剧究竟是人还是AI，大屏幕前我们很有可能分不出来了。

参考资料：

https://arxiv.org/abs/2209.14958

https://deepmind.github.io/dramatron/details.html

https://www.deepmind.com/publications/co-writing-screenplays-and-theatre-scripts-with-language-models-an-evaluation-by-industry-professionals

https://twitter.com/iamvladyashin/status/1601300031352745984?s=46&t=RzfB3tz8vKRsdX33EmaJmA

点个在看 paper不断！