Dramatron好像在一定程度上克服了AI大模子寫長腳本前后不連貫的題目。
您是不是有過這類體驗：某一天逛街的時辰，腦子里倏忽冒出來一個好玩的故事，但您一時想不到更多的細(xì)節(jié)，也沒有一塊完備的時候往把它寫出來？
DeepMind新出的一款腳本寫作AI——Dramatron也許能夠幫到你。
Dramatron是一個所謂的「結(jié)合寫作」東西，您給它一句話（logline）描寫中央戲劇辯論（比方James在有Sam幽靈出沒的后院發(fā)現(xiàn)了一口井），它就可以主動寫出題目、腳色、場景描寫和對話。
可以說，Dramatron和ChatGPT很像，但它的輸出更輕易被改寫成影戲劇本。為了評價Dramatron的可用性，DeepMind約請15位劇作家和編劇參加了長達(dá)兩小時的用戶進(jìn)修課程，旨在讓他們?nèi)ramatron一同編寫劇本。此中一名劇作家取Dramatron互助編寫了4個顛末大批編纂和重寫的劇本。加拿大TheatreSports公司已改編了Dramatron到場創(chuàng)作的劇本并將其搬上了舞臺，收到了很是緊密的評價。
據(jù)報道，劇作家們透露表現(xiàn)，他們不容易利用這個東西來創(chuàng)作一部完好的戲劇，并發(fā)覺人工智能的輸出多是公式化的。然而，他們以為Dramatron將有利于天下的構(gòu)建，大概扶助他們探索改動情節(jié)元素或腳色的其他要領(lǐng)。與此同時，人工智能也是有利于他們「發(fā)生更具創(chuàng)意的設(shè)法主意」。
和許多生成式AI東西一樣，Dramatron的背后還是有一個大型言語模子作為支持。這個模子名為Chinchilla，參數(shù)目為70B，正在1.4Ttoken的MassiveText數(shù)據(jù)集上開展練習(xí)。不外，DeepMind正在論文中透露表現(xiàn)，OpenAI的GPT-3等大模子還能夠用來布置Dramatron。
風(fēng)趣的是，正在Dramatron過眼云煙的試用頁面上，DeepMind明白透露表現(xiàn)，要運用Dramatron，您須要一個OpenAIAPIkey。
看到這兒，OpenAI團結(jié)創(chuàng)始人WojciechZaremba發(fā)來了賀電。
不外，這個試用界面很快就封閉了，我們目下當(dāng)今只會看到關(guān)于Dramatron的論文和簡介。
Dramatron詳解
Dramatron是一個利用大型言語模子經(jīng)由過程「分層故事生成（hierarchicalstorygeneration）」方式分層生成劇本和劇本的體系。Dramatron行使大型言語模子的上風(fēng)，將精心設(shè)計的prompt（見附錄E）和具有結(jié)構(gòu)化生成才能的promptchaining相結(jié)合，以實現(xiàn)全部劇本的長程一致性。這一歷程比「扁平的」序列文本生成更具有故事連貫性。
由本質(zhì)上講，本文中的辦法類似于分層神經(jīng)故事生成，但生成的劇本遠(yuǎn)遠(yuǎn)超越1000個單詞。故事的分層生成能夠依據(jù)用戶給予的中心戲劇抵觸摘要（還稱日志行（logline））生成全部劇本（有時是數(shù)萬字）。由輸入日志行開端，Dramatron能夠生成一個完好的劇本，包羅題目、腳色列表、情節(jié)（即帶有設(shè)置和節(jié)拍的場景摘要列表）、位置描寫和對話（見圖1）。用戶能夠正在分層生成的任何階段舉行干涉。經(jīng)過這類體例，人類能夠和AI正在交互過程中配合編寫劇本。這個辦法適用于任何能夠?qū)rompt作為輸入，然后展望下一個token的大型言語模子。
下圖2展現(xiàn)了Dramatron正在研討中用到的兩種敘事布局：
左圖是德國小說家、劇作家古斯塔夫·弗賴塔格（GustavFreytag）的金字塔結(jié)構(gòu)。他以為典范劇情由上升(risingaction)?飛騰(climax)和回落(fallingaction)構(gòu)成。
右圖是敘事學(xué)和對照神話學(xué)中的一種公式——豪杰路程（Hero'sjourney），又稱為單一神話（monomyth），主軸圍繞在一個踏上冒險路程的豪杰，這個人物會在一個決定性的危機中博得成功，然后獲得升華改變或帶著戰(zhàn)利品歸返到本來的天下。
Dramatron利用一些硬編碼的prompt（即inputprefix）來引導(dǎo)大型言語模子。promptengineering是用戶節(jié)制或危害大型言語模子的常用要領(lǐng)。如下圖3所示，prompt取用戶給予的之前大型言語模子生成的輸入和/或輸出相連接，這類要領(lǐng)被稱為promptchaining，是一種算法prompting。如上圖1所示，正在團體構(gòu)造的較低條理，prompt取來源于團體構(gòu)造更高條理的輸出鏈接正在一起。
更多細(xì)節(jié)請拜見原論文。
論文鏈接：
參考鏈接：
基于AmazonSageMakerJumpStart的AIGC解決方案
StabilityAI推出的火爆AIGC范疇的StableDiffusion模子由開源之初便深受開辟者接待。該公司于11月24日正式推出了StableDiffusion的2.0版本，并在方才竣事的亞馬遜云高新科技re:Invent2022大會上宣告其已挑選亞馬遜作為其首選云提供商，以作用其開辟和安排適用于圖象、言語、音頻、視頻和3D內(nèi)容生成的新人工智能模子。
12月15日，來源于亞馬遜云高新科技的高朋將直播分享「若何挪用SageMakerJumpstart預(yù)訓(xùn)練好的模子“一鍵”擺設(shè)StableDiffusionv2和Bloom模子」。