Orchid-Creator:支持LLM驱动交互式叙事创作的 authoring 工具

大语言模型(LLM)的人机协作互动叙事与沉浸式故事AI 辅助创意写作创意协作与反馈系统游戏开发者与设计师内容创作者(YouTuber、Podcaster)AI/ML 研究员与工程师

文献标题

Orchid-Creator: An Authoring Tool Supporting LLM-Driven Interactive Narrative Creation

出版信息

  • 研究领域: 交互式数字叙事(IDNs)与基于LLM的创作工具
  • 关键词: 交互式数字叙事, 大型语言模型, 创作工具, 故事图, 玩家共创, 叙事结构化, 人工智能创意, IDN测试, 分支结构

背景与问题

  • 问题/挑战: 现有的交互式数字叙事(IDNs)创作工具在叙事复杂性、作者控制力和玩家互动性之间难以平衡。基于LLM的系统通常缺乏对复杂分支机制的支持,导致叙事偏离并削弱作者意图。
  • 重要性: 解决这些挑战对于实现更丰富、更连贯且具有互动性的叙事体验至关重要,同时能够充分利用LLM的创造潜力并保留作者的创作主导权。
  • 动机与相关研究: 现有工具如Twine和AI Dungeon要么专注于静态分支,要么偏向开放式的LLM驱动叙事,但未能有效整合两者。现有研究强调需要将结构化规划与LLM创造力结合的工具,但许多仍停留在概念框架阶段,缺乏实际应用或评估。

解决方案

  • 提出的方法: Orchid-Creator 是一款基于网络的创作工具,利用节点、图和LLM设计并测试分支型IDNs。它采用基于卡片的界面定义叙事元素,并通过故事图构建叙事过渡。
  • 创新点:
    1. 将LLM驱动的生成与基于节点和图的结构化分支相结合。
    2. 引入全局变量(Global Variables),实现对叙事过渡的精确控制。
    3. 支持实时测试和迭代设计,并提供回溯调试功能。
    4. 通过整合多种输入类型(文本、数字、布尔值)鼓励玩家共创。
  • 流程与关键技术:
    1. 阶段1: 使用卡片定义叙事组件(世界设定、角色、事件、输入、全局变量)。
    2. 阶段2: 通过连接节点和基于全局变量定义过渡,组装故事图。
    3. 阶段3: 通过模拟玩家输入测试IDN,观察过渡并调试路径。

结果

  • 具体发现:
    • 可用性评分:卡片界面(4.0/5)、故事图(4.38/5)、变量设置(4.5/5)。
    • 叙事结构化被评为更容易(M = 6.0/7, p < .01),且相比Twine和AI Dungeon生成了更结构化的故事(M = 5.3/7, p < .05)。
    • 平衡了作者控制力(M = 5.5/7)与结果多样性(M = 5/7, p < .01)。
  • 相较基线的优势:
    • 在创意探索(M = 5.53, p = .0111)和互动性创作(p = .0021)方面优于Twine。
    • 在结构实验(p = .0103)和叙事连贯性方面优于AI Dungeon。
  • 实验/评估:
    • 研究1: 对8名经验丰富的IDN创作者进行可用性研究,他们创建了多样化的叙事结构,并强调了该工具在叙事分解和迭代测试方面的优势。
    • 研究2: 对20名参与者进行的对比研究表明,与Twine和AI Dungeon相比,Orchid-Creator在创意支持、作者主导权和可用性方面具有显著优势。
    • 研究3: 一位叙事艺术家使用Orchid-Creator创建了一个六阶段IDN的案例研究,展示了其实际应用和玩家参与度。
  • 局限性与未来工作:
    • LLM的局限性:连贯性问题、生成速度和内存限制。
    • 对多媒体和物理交互输入的支持有限。
    • 需要与游戏引擎集成以及针对特定类型的优化。

总结

Orchid-Creator 是一款创新的创作工具,将LLM驱动的叙事生成与基于节点和图的结构化分支相结合。它使作者能够设计复杂的IDNs,同时平衡作者控制力与玩家共创能力。实证研究表明,与现有工具如Twine和AI Dungeon相比,该工具在促进叙事结构化、互动性和创意探索方面具有显著优势。一项案例研究进一步突出了其在艺术项目中的实际效用和适应性。尽管在LLM连贯性和多媒体集成方面仍存在挑战,Orchid-Creator代表了交互式叙事设计的重大进步,促进了更丰富、更动态的叙事体验。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/223280/2026

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://doi.org/10.1145/3772318.3791426
一眼看懂

论文快照

fact_check
dataset
来源
CHI
calendar_month
年份
2026
emoji_events
奖项
未标记奖项
group
作者
4 位作者
sell
研究子方向
大语言模型(LLM)的人机协作、互动叙事与沉浸式故事、AI 辅助创意写作、创意协作与反馈系统
work
职业/产业
游戏开发者与设计师、内容创作者(YouTuber、Podcaster)、AI/ML 研究员与工程师
article
内容状态
已索引正文
hub
相关论文
0 篇相关论文