巨人网络:大模型推动游戏范式革新,“游戏+AI”2.0从概念到现实观点

观察君 2024-09-23 09:27
分享到:
导读

9月23日消息,巨人网络AI实验室负责人丁超凡出席云栖大会论坛并作主题分享,首次透露了自研大模型GiantGPT、BaiLing-TTS技术细节,并表示大模型推动了游戏范式革新,“游戏+AI”2.0已经从概念走向现实。

9月23日消息,巨人网络AI实验室负责人丁超凡出席云栖大会论坛并作主题分享,首次透露了自研大模型GiantGPT、BaiLing-TTS技术细节,并表示大模型推动了游戏范式革新,“游戏+AI”2.0已经从概念走向现实。

大模型技术落地,GiantGPT擅长角色扮演“会玩游戏”

今年云栖大会上,巨人网络首发了两款自研大模型GiantGPT、BaiLing-TTS及其落地应用。其中,GiantGPT是游戏行业首批完成备案的大模型之一,去年至今,巨人网络AI实验室对其做了持续迭代和优化。

丁超凡介绍,GiantGPT具备优秀的角色扮演力、生动的情景推理能力、定制化长短期记忆、深度支持游戏场景的能力,可以称之为一个“会玩游戏”的角色扮演大模型。

数据是大模型能力的核心,巨人网络为此构建了一个庞大数据集,基于互联网公开数据和自有数据,拥有大规模、多样性、高质量等优势,并形成一个完整、高效的数据生产链路。

目前,GiantGPT已经在《征途》等多款巨人网络产品中落地,基于GiantGPT打造的陪伴型智能NPC,拥有性格、情绪与自适应的长期记忆,为玩家提供亲密的陪伴关系体验,提升用户留存。

除了大语言模型之外,巨人网络AI实验室今年也落地了行业内首个支持普通话和多种方言混说的TTS大模型——BaiLing-TTS。

当前,语音合成大模型技术在普通话领域已经取得了显著进展,但在方言领域的发展却十分缓慢,无法满足多样化的语音合成需求。中国拥有数十种主要方言,每一种方言都有独特的语音特征和语法结构,这使得训练一个覆盖各种方言的 TTS 大模型变得极具挑战。此外,方言语料库的稀缺以及高质量标注数据的匮乏,也进一步增加了技术难度。

为了解决这一难题,巨人网络AI实验室基于中国方言体系,构建了涵盖 20 种方言、超过 20 万小时的普通话和方言数据集,提出多项基于模型层面的技术创新,从而使BaiLing-TTS实现了普通话零样本克隆和高质量的方言语音、京剧唱腔合成效果。

大模型重塑游戏体验与生产力革新

演讲中,丁超凡展示了巨人网络在大模型应用方面的一系列探索,涵盖AI绘画平台、UGC剧本创作工具、拟人化智能问答系统、AI原生游戏玩法等,体现大模型对游戏体验与生产力的革新。

一站式AI绘画生产平台“巨人摹境”重点支持团队协作,同时将一批自研AI视觉算法能力集成为工作流的形式,构建起协作式的标准AI美术生产管线,无需频繁导入导出或切换软件,就可在同一平台内完成复杂任务,提高创作效率;同时,集成了一键式工作流,简化大量复杂操作,适用于大规模美术生产工作。

基于多个自研大模型的能力,AI实验室还打造了针对宣发视频的智能剪辑与创作平台,提供热点视频自动解析与风格匹配,结合剧本大模型与TTS语音克隆的能力,达到一键成片的效果,大幅提升宣发视频的生产创作效率。

大模型技术落地,更终极的目标是重塑游戏体验,推动玩法层面的创新,《太空杀》项目做了积极探索。该游戏的UGC剧本创作工具引入了AI大模型帮写与TTS功能,从而降低内容创作门槛,激发玩家的内容创作热情;AI原生游戏玩法“AI残局挑战”则让玩家十分“上头”,带动了该游戏在短视频平台的相关指数翻倍,涌现出大量玩家自发分享各种趣味玩法和攻略技巧。

“AI残局挑战”玩法核心在于巨人网络自研的Multi-Agent框架设计,其中包含“协作”与“竞争”两大特性。如何基于一个控制系统去构建平衡的策略,是形成优质协作与竞争范式的关键。此外,因为需要玩家深度参与在里面,所以要重点关注玩家执行任务的灵活性与自由度,以及良好的运行机制保证游戏进程的合理演进。

“游戏+AI”2.0:从概念到现实

如果说生产力提效是“游戏+AI”1.0时代,那么依托AIGC技术实现的游戏玩法革新则推动了“游戏+AI”进入2.0时代。

丁超凡认为,“游戏+AI”2.0将创造一种未来游戏形态:一个能够打破传统规则约束,环境基于玩家数据反馈更新,剧情设计动态延展,并且有随机事件触发的非线性世界,给到玩家极高自由度,甚至为玩家提供定制化的游戏内容。

“兴奋的是,我们在‘AI残局挑战’玩法中看到了这种游戏形态的可能性,玩家可以通过自身行为影响环境、改变故事情节的走向,并且全过程有着优质的互动体验。它不仅仅是一次成功的技术突破和尝试,同时也实现了一种全新游戏形态从概念到现实的进阶。”

目前,巨人网络已构建了以自研大模型为核心的全方位基础能力,涵盖大语言模型、视觉内容生成、语音生成、AI Agents方向,GiantGPT、BaiLing-TTS等大模型在核心游戏业务场景实现了规模化应用落地,深层次地应用到游戏研发、运营、发行、测试等各个环节,形成高效的生产链路闭环。同时,结合大模型能力深入到游戏核心玩法层面,打造出陪伴型AI智能助手、情绪驱动的决策型AI,以及基于多智能体大模型的全新游戏范式。

展望未来,丁超凡强调,巨人网络AI实验室会更激进地探索基于大模型驱动的游戏玩法创新,“出现一个与玩家进行深层次交互、自然涌现出持久且极富吸引力内容的原生游戏世界,我认为并不遥远。”


巨人网络 大模型
分享到:

1.TMT观察网遵循行业规范,任何转载的稿件都会明确标注作者和来源;
2.TMT观察网的原创文章,请转载时务必注明文章作者和"来源:TMT观察网",不尊重原创的行为TMT观察网或将追究责任;
3.作者投稿可能会经TMT观察网编辑修改或补充。