ai遊戲腳本難不難(你玩的音遊可能真是AI生成的)
2023-09-23 18:01:30
蕭簫 發自 凹非寺
量子位 | 公眾號 QbitAI
現在,你打的音遊曲譜,還真有可能是AI生成的!
像下面這些根據節拍生成音符的操作,也就是譜面 (chart),現在AI也能搞出來了:
這是發生在著名偶像音遊Love Live!系列上的真事兒。
開發它的音遊工作室KLab聯合九州大學,搞出了一個名叫GenéLive!的「AI譜面協作工具」,已經生成了110首曲子。
作者之一高田敦史(Atsushi Takada)對此表示:
原本我們給一首曲子製作譜面大約需要40小時,現在能節省大約50%的時間。
畢竟對於音遊玩家來說,譜面確實非常影響體驗。
即使是音樂團隊,一不留神也會做出非常卡手的譜面,也就是玩家們調侃的「糞譜」。
△圖源TapTap社區@coook
讓AI來協助參與的話,究竟能不能提升效率?
增加AI對節拍和樂曲的理解在了解譜面AI協助工具之前,先簡單看看音遊的譜面都有哪些常見參數。
例如,一分鐘節拍數 (BPM,Beats per minute)。這是一個樂曲的屬性,數值越大,代表這首樂曲的速度越快。
又例如,音符 (Note),包括各種不同種類的音符。
更具體來說,音符又分為兩個屬性,一個是起點(onset),決定音符生成的速度;另一個是類型(sym),決定了音符的操作方式(例如點按、長按等)。
在GenéLive!出現之前,業內其實已經有一個叫做DDC(Dance Dance Convolution)的譜面AI模型。
這個模型結合了RNN和CNN架構,能夠自動生成音遊譜面。
然而DDC存在一個問題,也就是當譜面難度增加的時候,AI就容易生成低質量的譜面。
針對這一問題,GenéLive!做了兩方面的改進:
利用卷積堆棧(conv-stack)進一步提取音頻特徵,加深AI對樂曲本身的理解增加專門用於分析節拍等信息的Bi-LSTM,以便於AI生成更能表達情緒的譜面具體來說,改進後的AI模型細節如下:
那麼,這樣的效果在評估中的質量如何呢?
已生成110首曲子,其他音遊也通用事實上,據KLab透露,從2020年7月開始,團隊就已經在用這個AI工具生成譜面了。
截至2022年1月,他們一共用AI生成了110首曲目!其中的82首還是已經發行的。
也就是說,玩《LoveLive!》系列音遊的玩家們,很可能已經玩過AI生成的作品了,尤其是低難度的關卡。
具體到生成質量上,作者們先是將GenéLive!和DDC進行了對比。
結果顯示,無論是低難度還是專家難度上,GenéLive譜面的評分都要比DDC更高。
據作者表示,他們在Utapri等其他音遊上試了試,表現出來的效果也非常不錯:
至於操作上,也比較簡單。
作者們給這個工具做了個操作界面,即使製作者不會AI,也能用它自動生成譜面:
由於GenéLive!主要是作為AI協助工具,因此音樂團隊也會在AI生成的基礎上進行微調。
目前,從難度較高的曲目來看,需要微調的地方已經很少了(紅色是AI生成,綠色是微調過後的):
搞出這個論文的機構之一KLab,是日本有名的遊戲工作室。
即使你沒有聽過偶像遊戲Love Live!系列,也可能見過這個家喻戶曉的鬼畜偶像角色矢澤妮可:
△「妮可妮可妮」
這樣看來,音遊裡一些「反人類」的關卡,說不定真是用AI做的……(手動狗頭)
論文地址:https://arxiv.org/abs/2202.12823
DDC項目地址:https://github.com/chrisdonahue/ddc
參考連結:[1]https://www.itmedia.co.jp/news/articles/2108/30/news088.html[2]https://www.taptap.com/topic/14437458[3]https://arxiv.org/pdf/1703.06891.pdf
,