CN117573859A - 自动推进剧情和对话的数据处理方法、***及设备 - Google Patents
自动推进剧情和对话的数据处理方法、***及设备 Download PDFInfo
- Publication number
- CN117573859A CN117573859A CN202410051347.2A CN202410051347A CN117573859A CN 117573859 A CN117573859 A CN 117573859A CN 202410051347 A CN202410051347 A CN 202410051347A CN 117573859 A CN117573859 A CN 117573859A
- Authority
- CN
- China
- Prior art keywords
- scenario
- data
- dialogue
- speaking
- historical
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000012549 training Methods 0.000 claims description 72
- 230000019771 cognition Effects 0.000 claims description 33
- 230000001149 cognitive effect Effects 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 230000000981 bystander Effects 0.000 claims description 4
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 6
- 241000282693 Cercopithecidae Species 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 210000000988 bone and bone Anatomy 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 235000014347 soups Nutrition 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 206010025482 malaise Diseases 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/338—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/332—Query formulation
- G06F16/3329—Natural language query formulation or dialogue systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/166—Editing, e.g. inserting or deleting
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Machine Translation (AREA)
Abstract
本发明涉及数据处理领域,具体涉及一种自动推进剧情和对话的数据处理方法、***及设备,旨在提高用户参与意愿。本发明提出的自动推进剧情和对话的方法包括:根据历史数据判断是否需要切换剧情;若需要,则对历史数据进行处理生成新一轮的剧情内容以及虚拟角色发言或旁白;否则,对历史数据进行处理判断是否应该由用户发言,并根据判断结果获取用户的发言或者生成新一轮的虚拟角色发言或旁白;更新历史数据,重复执行判断是否需要切换剧情并生成发言、旁白和/或剧情内容的步骤。其中,历史数据包括:历史剧情和历史对话。本发明生成的剧情和对话受历史数据的影响,提高了后续剧情的连贯性,使得用户的参与意愿得到提升。
Description
技术领域
本发明涉及数据处理领域,具体涉及一种自动推进剧情和对话的数据处理方法、***及设备。
背景技术
虚拟情景剧由于提供了用户参与角色互动的功能,可以广泛应用于社交活动演练、儿童安全教育和演员培训等领域。
在自然语言处理过程中,常常涉及利用历史数据进行模型训练,大语言模型通过对海量数据的学习,能够模拟人类的语言能力,具备理解和生成自然语言的能力,可以用于各种文本生成任务,如机器翻译、自动摘要、对话***和角色扮演等。
在基于大语言模型的剧情应用中,用户与机器虚拟角色进行的多轮对话可以被视为一系列的数据输入和输出。随着对话轮数的增加,处理这些数据变得更具挑战性,因为需要维护对话的连贯性和相关性。然而,当数据处理不当或模型无法理解对话的上下文时,可能会生成与主题无关的对话,这会导致用户的兴趣和参与度下降。
发明内容
为了解决现有技术中的上述问题,本发明提出了一种自动推进剧情和对话的数据处理方法、***及设备,提高了用户的参与意愿。
本发明的第一方面,提出一种自动推进剧情和对话的数据处理方法,所述方法包括:
根据历史数据,判断是否需要切换剧情;
若需要切换剧情,则对所述历史数据进行处理生成新一轮的剧情内容以及虚拟角色发言或旁白;
若不需要切换剧情,则对所述历史数据进行处理判断是否应该由用户发言,并根据判断结果获取用户的发言或者生成新一轮的虚拟角色发言或旁白;
更新所述历史数据,重复执行判断是否需要切换剧情并生成发言、旁白和/或剧情内容的步骤;
其中,所述历史数据包括:历史剧情和历史对话。
优选地,“对所述历史数据进行处理生成新一轮的剧情内容以及虚拟角色发言或旁白”的步骤包括:
将所述历史数据输入到第一剧情引擎模型,生成新一轮的所述剧情内容;
将角色认知数据、所述剧情内容和历史数据输入到第一认知模型,输出更新后的所述角色认知数据;
将更新后的所述角色认知数据、所述剧情内容和历史数据输入到第一对话引擎模型,生成所述虚拟角色发言或所述旁白;
其中,所述角色认知数据包括:所述虚拟角色对自身的认知和对其他每一个角色的认知。
优选地,“对所述历史数据进行处理生成新一轮的剧情内容以及虚拟角色发言或旁白”的步骤包括:
将所述历史数据和控制项目输入到第二剧情引擎模型,生成新一轮的所述剧情内容;
将角色认知数据、所述剧情内容和所述历史数据输入到第一认知模型,输出更新后的所述角色认知数据;
将更新后的所述角色认知数据、所述剧情内容和所述历史数据输入到第一对话引擎模型,生成所述虚拟角色发言或所述旁白;
其中,
所述控制项目由运营人员在后台设定,包括:与历史剧情的连贯性、受上一轮对话影响程度和有趣度。
优选地,“对所述历史数据进行处理判断是否应该由用户发言,并根据判断结果获取用户的发言或者生成新一轮的虚拟角色发言或旁白”的步骤包括:
将所述历史数据输入发言次序判断模型,判断是否应该由用户发言;
若是,则获取用户的发言;
否则,对所述历史数据进行处理生成新一轮的虚拟角色发言或旁白;
所述发言次序判断模型采用大语言模型,并已经过训练。
优选地,“对所述历史数据进行处理生成新一轮的虚拟角色发言或旁白”的步骤包括:
将角色认知数据和所述历史数据输入到第二认知模型,输出更新后的所述角色认知数据;
将更新后的所述角色认知数据和所述历史数据输入到第二对话引擎模型,生成所述虚拟角色发言或所述旁白。
优选地,“根据历史数据,判断是否需要切换剧情”的步骤包括:
将所述历史数据输入至剧情切换判断模型,分别输出在0轮、1轮、2轮、3轮和3轮以上对话之后进行剧情切换的概率;
若0轮切换的概率大于等于预设概率,或1轮、2轮、3轮和3轮以上切换的概率均小于0轮切换的概率,则判断为需要切换剧情;否则,判断为不需要切换剧情;
所述剧情切换判断模型采用大语言模型,且已经过训练,训练方法包括:
构建第一训练集,所述第一训练集包括:预设的第一数量的训练样本以及对应的切换概率标签;每个训练样本包括:一个剧情片段和相应的对话;所述切换概率标签包括:所述剧情片段分别在0轮、1轮、2轮、3轮和3轮以上对话之后进行切换的概率真实值;
从第一训练集中选取训练样本输入到所述剧情切换判断模型,得到输出结果;所述输出结果包括:所述剧情片段分别在0轮、1轮、2轮、3轮和3轮以上对话之后进行切换的概率预测值;
根据所述输出结果与所述切换概率标签计算第一损失函数,并调整模型参数;
重复执行,直到所述第一损失函数不再减小。
优选地,所述第一剧情引擎模型采用大语言模型,且已经过训练,训练方法包括:
构建第二训练集,所述第二训练集包括:预设的第二数量的训练样本;每个训练样本包括:一个剧情片段和相应的对话,以及与该剧情片段对应的下一个剧情片段;
基于所述第二训练集对所述第一剧情引擎模型进行训练。
优选地,所述第二剧情引擎模型采用大语言模型,且已经过训练,训练方法包括:
构建第三训练集,所述第三训练集包括:预设的第三数量的训练样本;每个训练样本包括:一个剧情片段和相应的对话、控制项目标签,以及与该剧情片段对应的下一个剧情片段;
基于所述第三训练集对所述第二剧情引擎模型进行训练;
其中,
所述控制项目标签包括:所述与历史剧情的连贯性、所述受上一轮对话影响程度和所述有趣度。
本发明的第二方面,提出一种自动推进剧情和对话的数据处理***,所述***包括:
判断模块,用于将历史数据输入到剧情切换判断模型,判断是否需要切换剧情;
第一生成模块,用于在需要切换剧情的情况下,对所述历史数据进行处理生成新一轮的剧情内容以及虚拟角色发言或旁白;
第二生成模块,用于在不需要切换剧情的情况下,对所述历史数据进行处理判断是否应该由用户发言,并根据判断结果获取用户的发言或者生成新一轮的虚拟角色发言或旁白;
控制模块,用于更新所述历史数据,控制所述判断模块以及所述第一生成模块/所述第二生成模块重复执行;
其中,所述历史数据包括:历史剧情和历史对话。
本发明的第三方面,提出一种计算机可读存储设备,存储有能够被处理器加载并执行如上面所述方法的计算机程序。
本发明具有如下有益效果:
本发明提出的方法,能够利用历史数据自动推进剧情的发展及角色间的对话,确保新生成的剧情、角色发言和旁白与前文保持内在的逻辑连贯性,还有效地提高了用户的参与度和沉浸感。在新一轮剧情生成后,***优先生成虚拟角色的发言或旁白,而非等待用户输入,从而避免了用户因不确定如何回应而导致的体验中断或降低。
本发明还将角色认知数据引入到对话生成中,使得生成的发言和旁白与角色的心理活动紧密联系,赋予角色更为丰富的情感。
本发明还将控制项目引入剧情生成中,可以有效引导后续剧情的发展方向,这一特点确保了剧情的连贯性和趣味性,避免前后剧情脱节、无趣等现象的发生。
总之,本发明通过一系列精细的数据处理和分析技术,显著提升了剧情生成的质量和用户体验的流畅性,有效提高了用户的参与意愿。
附图说明
图1是本发明的自动推进剧情和对话的数据处理方法实施例主要步骤示意图;
图2是本发明实施例中训练剧情切换判断模型的主要步骤示意图;
图3是本发明的自动推进剧情和对话的数据处理***实施例的主要构成示意图。
具体实施方式
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅用于解释本发明的技术原理,并非旨在限制本发明的保护范围。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本申请的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
需要说明的是,在本发明的描述中,术语“第一”、“第二”仅仅是为了便于描述,而不是指示或暗示所述装置、元件或参数的相对重要性,因此不能理解为对本发明的限制。另外,本发明中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中字符“/”,如无特殊说明,一般表示前后关联对象是一种“或”的关系。
本发明中,虚拟角色是指情景剧中除了用户所扮演角色以外,所有由计算机程序驱动的角色,其发言、行动和心理等均由计算机程序生成。
图1是本发明的自动推进剧情和对话的数据处理方法实施例主要步骤示意图。如图1所示,本实施例的方法包括步骤A10-A40:
步骤A10,根据历史数据,判断是否需要切换剧情;若需要,则转至步骤A20;否则,转至步骤A30。
其中,历史数据包括:历史剧情和历史对话。
该步骤可以具体包括步骤A11-A12:
步骤A11,将历史数据输入至剧情切换判断模型,分别输出在0轮、1轮、2轮、3轮和3轮以上对话之后进行剧情切换的概率。
步骤A12,若0轮切换的概率大于等于预设概率(如80%),或1轮、2轮、3轮和3轮以上切换的概率均小于0轮切换的概率,则判断为需要切换剧情;否则,判断为不需要切换剧情。
例如,模型输出:还有3轮以上切换的概率2%,还有3轮切换的概率8%,还有2轮切换的概率10%,还有1轮切换的概率50%,还有0轮切换的概率30%。这时,就判断为不需要切换剧情。
其中,剧情切换判断模型采用大语言模型,且已经过训练。
步骤A20,对历史数据进行处理生成新一轮的剧情内容以及虚拟角色发言或旁白,转至步骤A40。该步骤可以具体包括步骤A21-A23:
步骤A21,将历史数据输入到第一剧情引擎模型,生成新一轮的剧情内容。
步骤A22,将角色认知数据、剧情内容和历史数据输入到第一认知模型,输出更新后的角色认知数据;
步骤A23,将更新后的角色认知数据、剧情内容和历史数据输入到第一对话引擎模型,生成虚拟角色发言或旁白;
其中,角色认知数据包括:虚拟角色对自身的认知和对其他每一个角色的认知;第一剧情引擎模型、第一认知模型和第一对话引擎模型均采用大语言模型,且已经过训练。
本实施例中,在生成新一轮剧情后,首先生成虚拟角色发言或旁白,而不是让用户先发言,避免用户一时间不知道该说什么,而降低用户体验。
步骤A30,对历史数据进行处理判断是否应该由用户发言,并根据判断结果获取用户的发言或者生成新一轮的虚拟角色发言或旁白。
该步骤可以具体包括步骤A31-A33:
步骤A31,将历史数据输入发言次序判断模型,判断是否应该由用户发言;若是,则转至步骤A32;否则,转至步骤A33。
其中,发言次序判断模型采用大语言模型,并已经过训练。
步骤A32,获取用户的发言,转至步骤A40。
步骤A33,根据历史数据生成新一轮的虚拟角色发言或旁白。
该步骤A33可以具体包括步骤A331-A332:
步骤A331,将角色认知数据和历史数据输入到第二认知模型,输出更新后的角色认知数据。
步骤A332,将更新后的角色认知数据和历史数据输入到第二对话引擎模型,生成虚拟角色发言或旁白。
其中,第二认知模型和第二对话引擎模型均采用大语言模型,且已经过训练。
步骤A40,更新历史数据,并转至步骤A10。
如果生成了新的剧情内容,就据此更新历史剧情;如果获取到了用户的发言、虚拟角色发言或旁白,就据此更新历史对话。
在一种优选的实施例中,可以在生成新一轮剧情内容的时候加入控制项目,引导剧情朝着特定的方向发展。该实施例中,步骤A20可以具体包括步骤A25-A27:
步骤A25,将历史数据和控制项目输入到第二剧情引擎模型,生成新一轮的剧情内容。
步骤A26,将角色认知数据、剧情内容和历史数据输入到第一认知模型,输出更新后的角色认知数据。
步骤A27,将更新后的角色认知数据、剧情内容和历史数据输入到第一对话引擎模型,生成虚拟角色发言或旁白。
其中,控制项目可以由运营人员在后台设定,包括:与历史剧情的连贯性(0-100分)、受上一轮对话影响程度(0-100分)和有趣度(0-100分)等;第二剧情引擎模型、第一认知模型和第一对话引擎模型均采用大语言模型,且已经过训练。
例如,在西游记中,历史剧情是孙悟空已经三打白骨精,历史对话是唐僧在责怪孙悟空不应该滥杀无辜,孙悟空虽然解释了却不被相信。
在生成下一段剧情时,如果不设置控制项目就有可能生成不连贯的剧情,例如:白骨精开了一家“瓦罐汤饭店”,因为排骨汤炖得鲜美无比,价格便宜量又足,所以打响了名气,从此过上了幸福生活。
如果设置控制项目中与历史剧情的连贯性100分,受上一轮对话影响程度100分,有趣度50分,就可能生成如下剧情:猪八戒出来打圆场,孙悟空答应洗心革面,唐僧欣然应允,师徒重归于好。
如果设置控制项目中与历史剧情的连贯性100分,受上一轮对话影响程度100分,有趣度90分,就可能生成如下更有趣的剧情:孙悟空一怒之下,回花果山过逍遥日子去了,唐僧继续遭难。
本发明实施例中,角色认知数据包括两个变量:变量1是虚拟角色对自身的认知。例如,我是一个温柔善良的人,我对待别人很有耐心,我喜欢小动物,当有朋友带着小狗过来找我玩,我会很开心,等等。变量2是一个列表,是虚拟角色对其他每一个角色的认知。例如,角色甲对角色乙的认知:角色乙很喜欢我,但是我不喜欢角色乙,因为他内心不尊重其他人,而且会明显地表现出来。角色丙对角色丁的认知:虽然没见过,但是听甲说他是一个无聊的人。
第一对话引擎模型和第二对话引擎模型在生成虚拟角色的发言时,会输入上述两个变量,以便影响发言的生成。虚拟角色在切入新场景时,或听到其他角色发言时,会利用第一认知模型或第二认知模型更新这两个变量,即受到外界影响,会改变认知。
图2是本发明实施例中训练剧情切换判断模型的主要步骤示意图。如图2所示,本实施例中训练剧情切换判断模型的方法包括步骤B10-B40:
步骤B10,构建第一训练集。
其中,第一训练集包括:预设的第一数量的训练样本以及对应的切换概率标签;每个训练样本包括:一个剧情片段和相应的对话;切换概率标签包括:剧情片段分别在0轮、1轮、2轮、3轮和3轮以上对话之后进行切换的概率真实值。
步骤B20,从第一训练集中选取训练样本输入到剧情切换判断模型,得到判断结果。
其中,判断结果包括:剧情片段分别在0轮、1轮、2轮、3轮和3轮以上对话之后进行切换的概率预测值。
步骤B30,根据判断结果与切换概率标签计算第一损失函数,并调整模型参数。
步骤B40,转至步骤B20,直到第一损失函数不再减小时训练结束。
例如,训练样本1的切换概率标签为:
还有3轮以上切换的概率100%,还有3轮切换的概率0%,还有2轮切换的概率0%,还有1轮切换的概率0%,还有0轮切换的概率0%。
模型输出的判断结果为:
还有3轮以上切换的概率80%,还有3轮切换的概率10%,还有2轮切换的概率5%,还有1轮切换的概率4%,还有0轮切换的概率1%。
本实施例中,第一剧情引擎模型采用大语言模型,且已经过训练,训练方法包括步骤C10-C20:
步骤C10,构建第二训练集。
其中,第二训练集包括:预设的第二数量的训练样本。每个训练样本包括:一个剧情片段和相应的对话,以及与该剧情片段对应的下一个剧情片段。
步骤C20,基于第二训练集对第一剧情引擎模型进行训练。
本实施例中,第二剧情引擎模型采用大语言模型,且已经过训练,训练方法包括步骤D10-D20:
步骤D10,构建第三训练集。
其中,第三训练集包括:预设的第三数量的训练样本。每个训练样本包括:一个剧情片段和相应的对话、控制项目标签,以及与该剧情片段对应的下一个剧情片段;控制项目标签包括:与历史剧情的连贯性(0-100分)、受上一轮对话影响程度(0-100分)和有趣度(0-100分)等。
步骤D20,基于第三训练集对第二剧情引擎模型进行训练。
本发明实施例中,第一对话引擎模型和第二对话引擎模型中除了输入历史对话,还输入了剧情,让剧情能够影响角色对话。
例如:上一段剧情如果提到用户所扮演角色刚刚生过一场大病,而且女主角也已经知道,那么新生成的女主角发言就可能是“今天感觉好点了吧?”,而不是“后天有马拉松比赛,你去参加吗?”。
图3是本发明的自动推进剧情和对话的数据处理***实施例的主要构成示意图。如图3所示,本实施例的***包括:判断模块10、第一生成模块20、第二生成模块30,以及控制模块40。
其中,判断模块10用于将历史数据输入到剧情切换判断模型,判断是否需要切换剧情;第一生成模块20用于在需要切换剧情的情况下,对历史数据进行处理生成新一轮的剧情内容以及虚拟角色发言或旁白; 第二生成模块30用于在不需要切换剧情的情况下,对历史数据进行处理判断是否应该由用户发言,并根据判断结果获取用户的发言或者生成新一轮的虚拟角色发言或旁白;控制模块40用于更新历史数据,控制判断模块以及第一生成模块20/第二生成模块30重复执行;历史数据包括:历史剧情和历史对话。
上述实施例中虽然将各个步骤按照上述先后次序的方式进行了描述,但是本领域技术人员可以理解,为了实现本实施例的效果,不同的步骤之间不必按照这样的次序执行,其可以同时(并行)执行或以颠倒的次序执行,这些简单的变化都在本发明的保护范围之内。
进一步地,本发明还提供了一种计算机可读存储设备的实施例。本实施例的存储设备中存储有能够被处理器加载并执行如上面所述方法的计算机程序。
所述计算机可读存储设备可以包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域技术人员应该能够意识到,结合本文中所公开的实施例描述的各示例的方法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明电子硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以电子硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。本领域技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案。但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (10)
1.一种自动推进剧情和对话的数据处理方法,其特征在于,所述方法包括:
根据历史数据,判断是否需要切换剧情;
若需要切换剧情,则对所述历史数据进行处理生成新一轮的剧情内容以及虚拟角色发言或旁白;
若不需要切换剧情,则对所述历史数据进行处理判断是否应该由用户发言,并根据判断结果获取用户的发言或者生成新一轮的虚拟角色发言或旁白;
更新所述历史数据,重复执行判断是否需要切换剧情并生成发言、旁白和/或剧情内容的步骤;
其中,所述历史数据包括:历史剧情和历史对话。
2.根据权利要求1所述的自动推进剧情和对话的数据处理方法,其特征在于,“对所述历史数据进行处理生成新一轮的剧情内容以及虚拟角色发言或旁白”的步骤包括:
将所述历史数据输入到第一剧情引擎模型,生成新一轮的所述剧情内容;
将角色认知数据、所述剧情内容和所述历史数据输入到第一认知模型,输出更新后的所述角色认知数据;
将更新后的所述角色认知数据、所述剧情内容和所述历史数据输入到第一对话引擎模型,生成所述虚拟角色发言或所述旁白;
其中,所述角色认知数据包括:所述虚拟角色对自身的认知和对其他每一个角色的认知。
3.根据权利要求1所述的自动推进剧情和对话的数据处理方法,其特征在于,“对所述历史数据进行处理生成新一轮的剧情内容以及虚拟角色发言或旁白”的步骤包括:
将所述历史数据和控制项目输入到第二剧情引擎模型,生成新一轮的所述剧情内容;
将角色认知数据、所述剧情内容和所述历史数据输入到第一认知模型,输出更新后的所述角色认知数据;
将更新后的所述角色认知数据、所述剧情内容和所述历史数据输入到第一对话引擎模型,生成所述虚拟角色发言或所述旁白;
其中,
所述控制项目由运营人员在后台设定,包括:与历史剧情的连贯性、受上一轮对话影响程度和有趣度。
4.根据权利要求1所述的自动推进剧情和对话的数据处理方法,其特征在于,“对所述历史数据进行处理判断是否应该由用户发言,并根据判断结果获取用户的发言或者生成新一轮的虚拟角色发言或旁白”的步骤包括:
将所述历史数据输入发言次序判断模型,判断是否应该由用户发言;
若是,则获取用户的发言;
否则,对所述历史数据进行处理生成新一轮的虚拟角色发言或旁白;
所述发言次序判断模型采用大语言模型,并已经过训练。
5.根据权利要求4所述的自动推进剧情和对话的数据处理方法,其特征在于,“对所述历史数据进行处理生成新一轮的虚拟角色发言或旁白”的步骤包括:
将角色认知数据和所述历史数据输入到第二认知模型,输出更新后的所述角色认知数据;
将更新后的所述角色认知数据和所述历史数据输入到第二对话引擎模型,生成所述虚拟角色发言或所述旁白。
6.根据权利要求1所述的自动推进剧情和对话的数据处理方法,其特征在于,“根据历史数据,判断是否需要切换剧情”的步骤包括:
将所述历史数据输入至剧情切换判断模型,分别输出在0轮、1轮、2轮、3轮和3轮以上对话之后进行剧情切换的概率;
若0轮切换的概率大于等于预设概率,或1轮、2轮、3轮和3轮以上切换的概率均小于0轮切换的概率,则判断为需要切换剧情;否则,判断为不需要切换剧情;
所述剧情切换判断模型采用大语言模型,且已经过训练,训练方法包括:
构建第一训练集,所述第一训练集包括:预设的第一数量的训练样本以及对应的切换概率标签;每个训练样本包括:一个剧情片段和相应的对话;所述切换概率标签包括:所述剧情片段分别在0轮、1轮、2轮、3轮和3轮以上对话之后进行切换的概率真实值;
从第一训练集中选取训练样本输入到所述剧情切换判断模型,得到输出结果;所述输出结果包括:所述剧情片段分别在0轮、1轮、2轮、3轮和3轮以上对话之后进行切换的概率预测值;
根据所述输出结果与所述切换概率标签计算第一损失函数,并调整模型参数;
重复执行,直到所述第一损失函数不再减小。
7.根据权利要求2所述的自动推进剧情和对话的数据处理方法,其特征在于,所述第一剧情引擎模型采用大语言模型,且已经过训练,训练方法包括:
构建第二训练集,所述第二训练集包括:预设的第二数量的训练样本;每个训练样本包括:一个剧情片段和相应的对话,以及与该剧情片段对应的下一个剧情片段;
基于所述第二训练集对所述第一剧情引擎模型进行训练。
8.根据权利要求3所述的自动推进剧情和对话的数据处理方法,其特征在于,所述第二剧情引擎模型采用大语言模型,且已经过训练,训练方法包括:
构建第三训练集,所述第三训练集包括:预设的第三数量的训练样本;每个训练样本包括:一个剧情片段和相应的对话、控制项目标签,以及与该剧情片段对应的下一个剧情片段;
基于所述第三训练集对所述第二剧情引擎模型进行训练;
其中,
所述控制项目标签包括:所述与历史剧情的连贯性、所述受上一轮对话影响程度和所述有趣度。
9.一种自动推进剧情和对话的数据处理***,其特征在于,所述***包括:
判断模块,用于将历史数据输入到剧情切换判断模型,判断是否需要切换剧情;
第一生成模块,用于在需要切换剧情的情况下,对所述历史数据进行处理生成新一轮的剧情内容以及虚拟角色发言或旁白;
第二生成模块,用于在不需要切换剧情的情况下,对所述历史数据进行处理判断是否应该由用户发言,并根据判断结果获取用户的发言或者生成新一轮的虚拟角色发言或旁白;
控制模块,用于更新所述历史数据,控制所述判断模块以及所述第一生成模块/所述第二生成模块重复执行;
其中,所述历史数据包括:历史剧情和历史对话。
10.一种计算机可读存储设备,其特征在于,存储有能够被处理器加载并执行如权利要求1-8中任一项所述方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410051347.2A CN117573859A (zh) | 2024-01-15 | 2024-01-15 | 自动推进剧情和对话的数据处理方法、***及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410051347.2A CN117573859A (zh) | 2024-01-15 | 2024-01-15 | 自动推进剧情和对话的数据处理方法、***及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117573859A true CN117573859A (zh) | 2024-02-20 |
Family
ID=89864592
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410051347.2A Pending CN117573859A (zh) | 2024-01-15 | 2024-01-15 | 自动推进剧情和对话的数据处理方法、***及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117573859A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120190456A1 (en) * | 2011-01-21 | 2012-07-26 | Rogers Henk B | Systems and methods for providing an interactive multiplayer story |
JP6551852B1 (ja) * | 2018-08-06 | 2019-07-31 | 株式会社エルブズ | 情報提供装置、情報提供方法およびプログラム |
CN112843724A (zh) * | 2021-01-18 | 2021-05-28 | 浙江大学 | 游戏剧情展示控制方法、装置、电子设备及存储介质 |
CN113391865A (zh) * | 2021-06-10 | 2021-09-14 | 广州繁星互娱信息科技有限公司 | 剧情聊天方法、装置、终端、服务器及存储介质 |
WO2022180704A1 (ja) * | 2021-02-24 | 2022-09-01 | 日本電信電話株式会社 | 表示制御装置、表示制御方法および表示制御プログラム |
CN115779446A (zh) * | 2023-01-29 | 2023-03-14 | 深圳市人马互动科技有限公司 | 基于游戏任务的数据处理方法及相关产品 |
CN115840806A (zh) * | 2022-12-16 | 2023-03-24 | 深圳市人马互动科技有限公司 | 基于自然语言交互获取剧情信息的方法及相关装置 |
CN116340752A (zh) * | 2023-02-23 | 2023-06-27 | 中国人民大学 | 一种面向预测性分析结果的数据故事生成方法及*** |
CN116637375A (zh) * | 2023-01-30 | 2023-08-25 | 深圳市人马互动科技有限公司 | 智能剧情生成方法及装置 |
-
2024
- 2024-01-15 CN CN202410051347.2A patent/CN117573859A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120190456A1 (en) * | 2011-01-21 | 2012-07-26 | Rogers Henk B | Systems and methods for providing an interactive multiplayer story |
JP6551852B1 (ja) * | 2018-08-06 | 2019-07-31 | 株式会社エルブズ | 情報提供装置、情報提供方法およびプログラム |
CN112843724A (zh) * | 2021-01-18 | 2021-05-28 | 浙江大学 | 游戏剧情展示控制方法、装置、电子设备及存储介质 |
WO2022180704A1 (ja) * | 2021-02-24 | 2022-09-01 | 日本電信電話株式会社 | 表示制御装置、表示制御方法および表示制御プログラム |
CN113391865A (zh) * | 2021-06-10 | 2021-09-14 | 广州繁星互娱信息科技有限公司 | 剧情聊天方法、装置、终端、服务器及存储介质 |
CN115840806A (zh) * | 2022-12-16 | 2023-03-24 | 深圳市人马互动科技有限公司 | 基于自然语言交互获取剧情信息的方法及相关装置 |
CN115779446A (zh) * | 2023-01-29 | 2023-03-14 | 深圳市人马互动科技有限公司 | 基于游戏任务的数据处理方法及相关产品 |
CN116637375A (zh) * | 2023-01-30 | 2023-08-25 | 深圳市人马互动科技有限公司 | 智能剧情生成方法及装置 |
CN116340752A (zh) * | 2023-02-23 | 2023-06-27 | 中国人民大学 | 一种面向预测性分析结果的数据故事生成方法及*** |
Non-Patent Citations (2)
Title |
---|
RUNCONG ZHAO等: "NarrativePlay:Interactive Narrative Understanding", 《ARXIV》, 2 October 2023 (2023-10-02), pages 1 - 12 * |
何陆潇涵: "单源响应式框架下安卓交互式视频制作平台的设计与实现", 《中国优秀硕士学位论文全文数据库信息科技辑》, no. 04, 15 April 2022 (2022-04-15), pages 138 - 902 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sterelny | Language, gesture, skill: the co-evolutionary foundations of language | |
JP6719747B2 (ja) | 対話方法、対話システム、対話装置、およびプログラム | |
US6526395B1 (en) | Application of personality models and interaction with synthetic characters in a computing system | |
CN111541908A (zh) | 交互方法、装置、设备以及存储介质 | |
CN112818107B (zh) | 一种用于日常生活的对话机器人及其聊天方法 | |
CN116009748B (zh) | 儿童互动故事中图片信息交互方法及装置 | |
CN112017645B (zh) | 一种语音识别方法及装置 | |
US11232789B2 (en) | Dialogue establishing utterances without content words | |
CN105798918A (zh) | 一种面向智能机器人的交互方法和装置 | |
CN115356953B (zh) | 虚拟机器人决策方法、***和电子设备 | |
CN115293132B (zh) | 虚拟场景的对话处理方法、装置、电子设备及存储介质 | |
CN112530218A (zh) | 多对一陪伴智能教学***及教学方法 | |
CN116975214A (zh) | 文本生成方法、装置、存储介质及计算机设备 | |
CN112927692A (zh) | 一种自动语言交互方法、装置、设备和介质 | |
CN113617036A (zh) | 游戏中对话处理方法、装置、设备及存储介质 | |
CN117573859A (zh) | 自动推进剧情和对话的数据处理方法、***及设备 | |
US20230135871A1 (en) | System and method for executing and manipulating a storyline | |
Hasani et al. | Immersive experience with non-player characters dynamic dialogue | |
CN116312456A (zh) | 语音对话剧本生成方法、装置及电子设备 | |
CN110111793A (zh) | 音频信息的处理方法、装置、存储介质及电子装置 | |
CN115424605A (zh) | 语音合成方法、装置、电子设备及计算机可读存储介质 | |
CN114461772A (zh) | 数字人交互***及其方法、装置、计算机可读存储介质 | |
KR102073386B1 (ko) | 게임 장치 및 이를 이용한 게임 진행 방법 | |
CN116226411B (zh) | 一种基于动画的互动项目的交互信息处理方法和装置 | |
Lennartsson et al. | Chat Bots & Voice Control: Applications and limitations of combining Microsoft’s Azure Bot Service and Cognitive Services’ Speech API |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |