你有靈光乍現的時刻嗎？就是那種：這點子太好了，要是拍成電影一定能大火？

之前這種想法可能只能停留在你的腦海中，而現在，一個「AI編劇大師」的出現，或許能讓你夢想成真。

從小白到編劇大師：只要一個點子

DeepMind近日發布了AI寫作模型Dramatron，可以生成人物描述，情節點，位置描述和對話。

這個想法是，人類作家將能夠將Dramatron提出的內容編譯，編輯和重寫為適當的腳本。把它想象成 ChatGPT，但輸出可以編輯成大片電影腳本。

來自Deepmind和斯坦福大學的研究人員團隊可以使用它來為戲劇和電影創建連貫的劇本和劇本 - 從標題到角色，故事情節，位置描述和對話。

使用Dramatron創作劇本，人們只需要在模型中輸入Log Line（故事的一句話摘要。之后，Dramatron就會自動生成劇本標題、人物以及場景設定、細節和對話。

消息一出，便引來社交網絡的狂歡。

連馬斯克也來強勢圍觀。

有人評論：「這是不是意味著我們再也不用只能看翻拍電影了？」

當然，也有反對的聲音。LeCun就暗諷Dramatron之類的生成式語言模型只是將「胡編亂造」從bug變成了自家特色。

而網友則回復道，你這是純純的嫉妒。

「『胡編亂造』確實是它們的特色。這也是Galactica（Meta語言模型，上線三天就被罵到下架）想要做到的事情。我看你就是嫉妒MetaAI沒做到這一點。」

總結下來兩個字：別酸！

看看AI寫的劫匪片

根據DeepMind官網的提示，用戶只需注冊OpenAI的賬號即可使用。

聽上去不難。這不，推特上已經有人拿它嘗試寫劫匪片了。

網友Vlad Yashin給出的Log Line是：「在復雜的珠寶搶劫案失手之后，幸存的罪犯開始懷疑團伙內部有警方線人。」

接著，該Dramatron上場表演了。

首先，它給出了標題：《大劫案的崩墜》（The Heist's Downfall）

很有文采的標題，得到了網友的認可。

接著，Dramatron確定了故事主角：約翰·默多克（John Murdock），珠寶盜賊的頭目，一個聰明而經驗豐富的罪犯。

下一步是場景設置，對這個故事，Dramatron給出了四個場景：

? 約翰和團隊計劃搶劫。

? 搶劫出錯，約翰劫持人質，他們自己設置路障。

? 發生槍戰，只有約翰和另外兩名罪犯幸存下來。

? 回到安全屋，約翰決定殺死幸存的盜賊伙伴。

接下來，Dramatron對場景細節進行打磨：

? 珠寶店 - 狹小，狹窄的空間。空氣中彌漫著昂貴香水的味道，貨架上的商品閃閃發光。

? 安全屋 - 小型公寓，位于城鎮陰涼的地方，窗戶覆蓋著床單。

最后一步，也是重頭戲，Dramatron生成了人物間的對話。

第一場：?

John：計劃是這樣，我們從后門進入，解除警報，然后把珠寶裝到車上。

保安：嘿！你們不能去那里！

John：老實點！我們有槍！

保安：別開槍！我沒有武器。

第二場：?

John：該死！到底發生了什么？

Bert：我也不知道，一定是警報器響了。

John：可惡！大家保持冷靜，我們想辦法解決。

Bill：怎么辦？警察要來了！

John：我們用人質作為路障。所有人聽我指揮。

看看這情節，有模有樣的，緊張氛圍也是直接拉滿，不知道真拍出來會不會大賣。

AI劇本電影節上映，人類專家贊不絕口

實際上，關于DeepMind搞的這個AI劇作家Dramatron，相關論文預印本早在今年9月就已經發布，DeepMind還在自家博客上宣傳了一波。

論文地址：

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

論文四位作者中，有一位發文單位是斯坦福大學，但這項研究是他在DeepMind期間參與的。

Dramatron是一個使用大型語言模型的系統，通過「分層故事生成」的方法生成腳本和劇本。

Dramatron利用大型語言模型的優勢，將精心設計的提示和提示鏈與結構化生成相結合，以實現整個劇本的長距離連貫性。與之前的連續文本生成相比，Dramatron的劇本創作過程能讓故事更加連貫。

Dramatron的生成可以從一個用戶提供的戲劇主要沖突的摘要（稱為「日志線」）中產生整個劇本，劇本長度可以高達幾萬字。

根據輸入的日志線，Dramatron可以生成整個劇本，包括標題、人物名單、故事情節（即帶有設置和節拍的場景摘要列表）、地點描述和對話。

用戶可以在分層生成的任何階段進行干預和修改，輸入替代性生成，編輯和重寫輸出文本，或繼續文本生成。

Dramatron的分層連貫的故事生成，從日志線開始，生成標題和人物。

這樣，生成的人物角色被用作提示，在情節中生成一連串的場景摘要。隨后為每個獨特的地點生成描述。最后，這些元素都被結合起來，為每個場景生成對話。圖中的箭頭表示生成的文本如何被用來構建提示，以便進一步生成LLM文本。

我們的方法可以用于任何接受輸入提示的LLM，然后預測接下來會出現哪些標記。

在2022年8月在埃德蒙頓舉辦的國際前沿戲劇節上，上映了Dramatron按照這個流程編寫的一系列劇本。

為了評估Dramatron的可用性和能力，研究人員沒有依靠網上的眾包注釋和非專家評審員的評價，而是讓15位專家參加了長達兩小時的用戶會議，與Dramatron一起共同寫劇本。

來自戲劇和電影界的專家劇作家和編劇對Dramatron互動式的共同創作過程提供了反饋，并對與創作成果提供了藝術意見和分析。

從DeepMind提供的專家修改意見反饋來看，有不少都是對場景和對話用詞細節的修正意見，主要是打磨場景和對話的敘事節奏，還有一些修改是處于規避侵權的需要。

上圖為語言模型的提示設置說明，用戶或Dramatron生成的提示被連接到一個前綴，配以標簽。對于不同的隨機種子，會產生幾個標題輸出。

專家和專業編輯的總體反饋評價結果如何？可以看到，大部分專家評審還是給出了積極評價的。

比如，對Dramatron的交互式分層生成臺詞的夸獎，其中不乏「有用」、「 獨一無二」、「驚喜」等字眼。

另外，對于AI寫的劇本的水準，不少專家給出了高度評價，他們認為劇本只要改一改，真的可以拍攝上映。

另外，專家Dramatron除了寫劇本之外的更多用途表示期待，比如可以作為一個對影視劇作家的啟發式工具，作者也可以從Dramatron生成的臺詞和場景構思中吸取思路。

在他們看來，AI提供素材，真人作者寫劇本，這個模式在未來大有可為。

盡管目前在人類專家看來，AI寫的劇本還是存在一些不自然的缺陷和問題。比如劇情過于直白，讓人很容易猜出，臺詞風格有些刻板，有些臺詞充斥偏見，有時劇情會進入邏輯循環跳不出來等等。

不過，有大語言模型這個寶庫，有全世界的劇作家和影視工作者的智慧做訓練數據集，說不定以后的影視劇編劇究竟是人還是AI，大屏幕前我們很有可能分不出來了。

?參考資料：

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