deepmind|马斯克点赞！DeepMind神AI编剧，一句话生成几万字剧本( 二 ) 伊隆·马斯克|电影|戏剧|欧美明

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：
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。