NarrativeLoom：通过多角色协作即兴创作增强创意故事讲述

文献标题

NarrativeLoom: Enhancing Creative Storytelling through Multi-Persona Collaborative Improvisation

出版信息

• 主题领域: AI辅助叙事与人机协同创作
• 关键词: 叙事, 创造力, 多角色AI, 人机协作, 故事生成, BVSR理论, 即兴创作, 叙事多样性, 创意支架, 计算创造力

背景与问题

• 问题/挑战: 现有的AI叙事工具通常依赖于下一词预测，生成的故事往往缺乏创意且内容单一，限制了叙事的深度与多样性。
• 重要性: 解决这一问题对于实现更丰富、更吸引人的叙事至关重要，尤其是在剧本创作和小说等创意领域。
• 动机与相关研究: 之前的AI叙事研究（如TaleBrush和Dramatron）探讨了结构控制和视觉模式，但在保持长篇叙事连贯性或促进真正的创意多样性方面仍存在困难。本研究基于Campbell的盲变异与选择性保留（BVSR）理论，旨在填补这些空白。

解决方案

• 提出的方法: NarrativeLoom，一个基于多角色协同创作的系统，通过将BVSR理论应用于叙事生成（盲变异）与用户指导的选择和优化（选择性保留）。
• 创新点:
  1. 多角色架构，通过专注于不同类型的AI角色生成多样化的叙事可能性。
  2. 基于叙事节拍的结构，将故事分割为可管理的单元，平衡创意与连贯性。
  3. 用户界面保留创意主导权，允许选择性保留和迭代优化。
  4. 提供关于写作经验和创意阶段如何影响系统有效性的实证洞察。
• 流程与关键技术:
  1. 盲变异: 十个基于类型的AI角色独立生成多样化的故事节拍（如“谜题解决者”、“幻想世界构建者”）。
  2. 选择性保留: 用户评估、选择并优化节拍，引导叙事发展。
  3. 迭代循环: 被选中的节拍扩展为完整的叙事文本，并通过基于RAG的情节控制器进行一致性检查。
  4. 界面设计: 提供节拍选择、编辑和优化工具，支持用户控制与创意表达。

结果

• 具体发现:
  • 使用NarrativeLoom生成的故事显著更长（M = 3803字 vs. 1908字），场景更丰富（M = 3.86地点 vs. 2.44地点），对话更多（M = 0.30比例 vs. 0.16比例）。
  • 专家评估表明，NarrativeLoom生成的故事在所有托兰斯创造力测试维度上得分更高：流畅性（M = 4.38 vs. 2.40）、灵活性（M = 2.33 vs. 1.15）、独创性（M = 1.07 vs. 0.38）、详尽性（M = 1.95 vs. 1.07）。
• 相较基线的优势:
  • NarrativeLoom在叙事多样性（M = 4.08 vs. 3.66, p = 0.037）和新颖性（M = 4.20 vs. 3.94）方面优于单角色聊天机器人。
  • 专家在40次比较中有38次更偏好NarrativeLoom生成的故事。
• 实验/评估:
  • 通过一项50名参与者的被试内实验，将NarrativeLoom与聊天机器人基线进行比较。
  • 评估指标包括用户评分（如新颖性、连贯性、可用性）、计算文本分析（如字数、对话比例）以及基于托兰斯创造力测试的专家评估。
• 局限性与未来工作:
  • 基于类型的角色可能依赖既有的创作惯例，限制了非传统创意的发挥。
  • 评估框架反映了西方叙事传统，需要进行跨文化验证。
  • 需要开展纵向研究以评估AI辅助创意的长期影响。
  • 未来计划包括功能导向型角色、自适应权重机制、文化敏感型变体以及针对专业知识的界面优化。

总结

NarrativeLoom提出了一种基于Campbell BVSR理论的创新多角色系统，用于AI辅助叙事创作。通过将叙事生成与用户指导的选择分离，该系统在增强创意多样性的同时保持了连贯性与用户主导权。实证结果表明，与单角色聊天机器人相比，NarrativeLoom在叙事丰富性、创造力和用户满意度方面显著提升。该系统对初学者和早期创意阶段尤为有益，同时也支持专业用户。未来工作将重点扩展功能、提升文化包容性以及优化自适应支架，以进一步完善AI辅助叙事创作。