السرد القصصي المدعوم بالذكاء الاصطناعي في تطوير الألعاب: أتمتة السرد، التعليق الصوتي، وتصميم الصوت

الذكاء الاصطناعي يغير بسرعة تطوير الألعاب، مما يتيح طرقًا جديدة لتوليد المحتوى والتحقق منه وتقديمه على نطاق واسع. بينما تم استخدام الذكاء الاصطناعي على نطاق واسع لتوليد المستويات الإجرائية، وصعوبة التكيف، وسلوك الشخصيات غير القابلة للعب، فإننا نطبقه الآن على شيء أكثر ديناميكية - السرد الآلي وتجارب السرد المدفوعة بالألعاب.

في Gig Game Corp، نقوم بتطوير أنظمة مدفوعة بالذكاء الاصطناعي تولد محتوى ألعاب ديناميكيًا مع تمثيل صوتي في الوقت الفعلي. أحد حالات الاختبار الأساسية لدينا لهذا هو "هل سأكذب؟"، وهي لعبة تستخدم الذكاء الاصطناعي لتوليد أسئلة تريفيا، والتحقق من دقتها، وتوليف التعليقات الصوتية الواقعية مع مؤثرات صوتية بيئية ومعالجة صوتية لاحقة. يتيح لنا هذا النهج إنشاء خط إنتاج محتوى آلي يزيل الحاجة إلى كتابة الأسئلة يدويًا، وكتابة حوارات الشخصيات، وتسجيل التعليقات الصوتية مع ضمان تجربة لاعب عالية الجودة باستمرار.

توضح هذه المقالة النهج التقني الذي نتبعه في بناء هذا النظام، وكيف نتحقق من صحة المحتوى الذي يولده الذكاء الاصطناعي، وكيف نطبق الذكاء الاصطناعي على هندسة الصوت لإنشاء تجارب ألعاب أكثر غمرًا.

الخطوة 1: إنشاء الأسئلة والسرد بواسطة الذكاء الاصطناعي

الخطوة الأولى في خط الإنتاج هي توليد المحتوى. بالنسبة لـ "هل سأكذب؟"، يعني هذا إنشاء أسئلة تريفيا، وإجابات محتملة، وحوار المضيف داخل اللعبة بشكل ديناميكي. بدلاً من تنسيق آلاف الأسئلة يدويًا، نستخدم GPT-4 لتوليد محتوى منظم بتنسيق JSON، والذي يتم معالجته وتصفيته بعد ذلك بواسطة نماذج ذكاء اصطناعي إضافية.

لتفصيل ذلك، نتبع هذه الخطوات:

1. توليد الموضوعات - يختار الذكاء الاصطناعي الموضوعات بناءً على مستويات الصعوبة والفئات المحددة مسبقًا، ويولد موضوعات تريفيا حقيقية وزائفة.
2. توليد الأسئلة والإجابات - ينشئ الذكاء الاصطناعي سؤالًا متعدد الخيارات بناءً على موضوع معين، مع ضمان تضمين إجابة صحيحة واحدة وعدة إجابات غير صحيحة محتملة.
3. تنسيق المخرجات المنظمة - ينظم الذكاء الاصطناعي السؤال المولد في مخطط JSON يسمح بالتكامل السلس مع محرك اللعبة.

مثال على مخرجات JSON المولدة بواسطة الذكاء الاصطناعي لسؤال تريفيا

{
  "question": "ما الحدث التاريخي الذي أدى إلى أول 'حرب خداع دبلوماسي' في العالم؟",
  "answers": [
    { "text": "الحرب الفرنسية والهندية", "isCorrect": false },
    { "text": "حرب توليدو عام 1835", "isCorrect": true },
    { "text": "حروب القد الأيسلندية عام 1978", "isCorrect": false },
    { "text": "معاهدة البطريق عام 1962", "isCorrect": false }
  ],
  "difficulty": "متوسط",
  "category": "التاريخ"
}

من خلال تنظيم المخرجات في JSON، يمكننا تخزين الأسئلة والتحقق منها واسترجاعها بكفاءة في الوقت الفعلي، مما يتيح مجموعة كبيرة من الأسئلة المولدة ديناميكيًا التي تضمن التنوع وقابلية إعادة اللعب.

الخطوة 2: التحقق والتصفية المدفوعة بالذكاء الاصطناعي

أحد التحديات الأكثر أهمية في المحتوى الذي يولده الذكاء الاصطناعي هو التحكم في الجودة. بينما النماذج اللغوية قادرة للغاية على توليد أسئلة جذابة، فإنها لا تضمن دائمًا الدقة الواقعية أو التوازن أو الصياغة المناسبة. لمعالجة ذلك، نطبق عملية تحقق متعددة الخطوات:

1. التحقق من الحقائق للأسئلة الحقيقية - يتم التحقق من صحة أسئلة التريفيا الحقيقية التي يولدها الذكاء الاصطناعي مقابل نموذج ذكاء اصطناعي ثانوي مدرب للتحقق من الدقة الواقعية. إذا لم يجتز السؤال عتبة الثقة، يتم وضع علامة عليه للمراجعة أو التخلص منه.
2. اكتشاف التكرار - نستخدم خوارزميات تشابه جاكارد ومسافة ليفنشتاين لاكتشاف وتصفيه الأسئلة التي تشبه بشكل كبير الأسئلة التي تم توليدها سابقًا. يمنع هذا التكرار ويضمن مجموعة متنوعة من الأسئلة.
3. تعديل الصعوبة - يقيم الذكاء الاصطناعي ما إذا كان السؤال يتماشى مع مستوى الصعوبة المقصود. على سبيل المثال، يجب أن يكون للسؤال "الصعب" احتمال أقل للإجابة الصحيحة بناءً على بيانات اللاعبين التاريخية.

من خلال تنفيذ هذه الضمانات، نضمن أن فقط الأسئلة التي تم التحقق منها وعالية الجودة تصل إلى اللعبة النهائية.

الخطوة 3: التمثيل الصوتي والتوليد الحواري المولدين بواسطة الذكاء الاصطناعي

بمجرد توليد السؤال والتحقق منه، تكون الخطوة التالية هي تقديمه للاعب من خلال التعليقات الصوتية المولدة بواسطة الذكاء الاصطناعي. بدلاً من استخدام الصوت المسجل مسبقًا، نستخدم تقنية تحويل النص إلى كلام (TTS)، وتحديدًا توليف الصوت المدفوع بالذكاء الاصطناعي من ElevenLabs، لإحياء المضيفين داخل اللعبة.

قبل استدعاء ElevenLabs لتوليد الكلام الفعلي، نقوم أولاً بتمرير ذكاء اصطناعي منفصل باستخدام OpenAI لإنشاء حوار منظم لكل من مقدمة السؤال وكشف الإجابة. يضمن هذا النهج أن يتم التحكم في كل مكون بعناية، مما يمنع الانحرافات غير المقصودة، أو التوسع غير الضروري، أو الكشف المبكر عن الإجابة الصحيحة.

التحكم في توجيه الذكاء الاصطناعي لمنع التجاوز والهلوسة

للحفاظ على الدقة والبنية، نقدم تعليمات محددة في كل توجيه للذكاء الاصطناعي، مع تحديد واضح:

• كيف يجب أن يبدأ الذكاء الاصطناعي - ضمان أن يبدأ الرد بتنسيق واضح ومنظم مع مقدمة محددة مسبقًا تتماشى مع نغمة وأسلوب اللعبة.
• كيف يجب أن ينتهي الذكاء الاصطناعي - توجيه الذكاء الاصطناعي بشكل صريح أين يتوقف، مما يمنع "التجاوز"، حيث قد يخترع النموذج معلومات إضافية أو يحاول توقع ردود اللاعبين.
• ما لا يجب تضمينه - تقييد التفاصيل غير الضرورية، مثل التلميحات المبكرة للإجابة، أو التعليقات غير ذات الصلة، أو الحوار التخمين.

على سبيل المثال، عند توليد السرد السؤال، نقوم بتنسيق توجيه الذكاء الاصطناعي كما يلي:

• ابدأ بمقدمة جذابة تحدد نغمة سؤال التريفيا.
• قدم خيارات متعددة بوضوح، مع ضمان بقائها محايدة.
• انته بعبارة محددة مسبقًا، مثل "ما رأيك؟"، لمنع الذكاء الاصطناعي من التكهن بالإجابة الصحيحة.

وبالمثل، عند توليد السرد كشف الإجابة، نقوم بـ:

• ابدأ بتأكيد اختيار اللاعب وإعادة صياغة السؤال للحفاظ على الاستمرارية.
• أعلن بوضوح عن الإجابة الصحيحة، مع ضمان تقديمها بشكل واقعي.
• انته برد قصير محدد مسبقًا، مثل "هل حصلت عليها بشكل صحيح؟"، لمنع التعليقات الإضافية غير المرغوب فيها التي يولدها الذكاء الاصطناعي.

تقليل مخاطر هلوسة الذكاء الاصطناعي

من خلال تقسيم توليد السؤال والإجابة إلى تمريرات ذكاء اصطناعي منفصلة وتحديد نقاط البداية والنهاية بوضوح، نقوم بإزالة هلوسات الذكاء الاصطناعي التي قد تكشف عن الإجابات عن غير قصد أو تقدم معلومات غير ذات صلة. إذا سمحنا للذكاء الاصطناعي بتوليد الحوار الكامل في طلب واحد، فقد يحاول "توقع" النتيجة، مما يؤدي إلى تحيز غير مرغوب فيه، أو تناقضات، أو محتوى حشو غير ضروري.

يتم سرد كل سؤال تريفيا بواسطة شخصيتين مضيفتين مولدتين بواسطة الذكاء الاصطناعي، لكل منهما أنماط صوتية وشخصيات مميزة. يتم توليد حوارهما ديناميكيًا ويتبع تنسيقًا منظمًا.

مثال على الحوار المولد بواسطة الذكاء الاصطناعي

{
  "Conversation": [
    { "VoiceId": "2", "Dialog": "حسنًا، أيها الأصدقاء! إليكم السؤال التالي... ما الحدث التاريخي الذي أدى إلى أول 'حرب خداع دبلوماسي' في العالم؟" },
    { "VoiceId": "3", "Dialog": "أوووه، أحب حرب خداع جيدة! يجب أن تتضمن هذه الدجاج المطاطي والمعاهدات الزائفة." },
    { "VoiceId": "2", "Dialog": "خياراتك هي... أ) الحرب الفرنسية والهندية، ب) حرب توليدو عام 1835، ج) حروب القد الأيسلندية عام 1978، أو د) معاهدة البطريق عام 1962." },
    { "VoiceId": "3", "Dialog": "بصراحة، أريد أن تكون البطاريق. هؤلاء الصغار لا يرحمون." }
  ]
}

بمجرد الانتهاء من الحوار المنظم، نرسله إلى ElevenLabs لتوليف صوت عالي الجودة، مما يضمن سردًا واضحًا وجذابًا وخاليًا من الأخطاء يجلب مضيفي اللعبة المولدين بواسطة الذكاء الاصطناعي إلى الحياة مع الحفاظ على دقة المحتوى الصارمة. من خلال تنظيم الحوار المولد بواسطة الذكاء الاصطناعي بهذا التنسيق، نقوم بإزالة الحاجة إلى كتابة النصوص يدويًا مع الحفاظ على تدفق حواري طبيعي وديناميكي.

الخطوة 4: هندسة الصوت والمعالجة اللاحقة المدفوعة بالذكاء الاصطناعي

عامل رئيسي في إنشاء تجارب سردية غامرة هو تصميم الصوت. لجعل التعليقات الصوتية المولدة بواسطة الذكاء الاصطناعي تبدو أكثر واقعية، نطبق تقنيات معالجة الصوت باستخدام NAudio، بما في ذلك:

• تراكب ضوضاء الحشد الخلفية - إضافة ردود فعل الجمهور مثل التصفيق، الضحك، أو الهمسات المشوقة.
• تأثيرات صوتية ديناميكية - تطبيق الصدى، أو التردد، أو التشويه لتتناسب مع البيئات المختلفة داخل اللعبة.
• تصفية على طراز الراديو - تعديل نطاقات التردد لمحاكاة البث القديم.
• أتمتة مزج الصوت - دمج التعليقات الصوتية والمؤثرات الصوتية المتعددة في الوقت الفعلي.

حالة خاصة: التعامل مع انتقالات المشاهد والحوار غير المتعلق بالأسئلة

بخلاف توليد أسئلة التريفيا وكشف الإجابات، نستخدم أيضًا الذكاء الاصطناعي لإنشاء انتقالات المشاهد والحوار غير المتعلق بالأسئلة للحظات اللعبة الرئيسية، مثل مقدمة اللعبة، تحديثات النقاط، انتقالات الجولات، والختام النهائي. تتطلب هذه الأجزاء نهجًا مختلفًا لأنها ليست منظمة حول تنسيق السؤال والإجابة ولكنها تخدم بدلاً من ذلك إعداد المسرح، وإشراك اللاعبين، وتوفير تدفق سلس بين عناصر اللعب.

لضمان التنوع وقابلية إعادة اللعب، نقوم بتوليد إصدارات متعددة من كل مشهد باستخدام OpenAI، مما يسمح بتفاعلات وتحولات نغمية مختلفة في كل مرة يتم فيها لعب اللعبة. بالإضافة إلى ذلك، نقوم بتبديل الشخصيات برمجيًا بشكل عشوائي لكل مشهد، مما يضمن أن التفاعلات تبدو جديدة وديناميكية. على سبيل المثال، في إحدى الجولات، قد يتم تقديم تحديث النقاط بواسطة المضيف الرئيسي والمضيف المساعد، بينما في جولة أخرى، قد يتولى شخصية ثانوية - مثل مذيع غريب الأطوار، أو منتج متحمس، أو حتى متدرب - مما يضيف الفكاهة وعدم التوقع. من خلال عشوائية تعيين الشخصيات، نخلق مجموعة متنوعة من التفاعلات، مما يمنع الحوار من أن يصبح متكررًا ويجعل كل جلسة لعب فريدة.

للحفاظ على البنية ومنع التناقضات في الحوار، نقوم بتحديد بداية ونهاية كل مشهد بوضوح، مما يضمن أن الانتقالات بين الأجزاء المختلفة سلسة. تم تصميم كل نص مولد بواسطة الذكاء الاصطناعي ليتصل بسلاسة مع المشاهد الحوارية السابقة واللاحقة، مما يمنع التحولات المفاجئة أو غير الطبيعية في المحادثة. نستخدم مجموعة من علامات المقدمة/الخاتمة المحددة مسبقًا وقيود خاصة بالمشهد لضمان بقاء المحتوى الذي يولده الذكاء الاصطناعي ضمن نطاق تدفق السرد المقصود.

بمجرد الانتهاء من النصوص، كما هو الحال مع عملية توليد الأسئلة، يتم توليفها أيضًا باستخدام تقنية الصوت ElevenLabs ومزجها مع المؤثرات الصوتية المحيطة والانتقالات الصوتية لتعزيز الغمر والتمييز بين المشاهد. على سبيل المثال، سيكون للمشهد الختامي تراكب تصفيق الجمهور لمحاكاة طاقة الجمهور المباشر، مما يعزز ختام اللعبة. في حين أن مشهد ما قبل العرض خلف الكواليس سيكون له تطبيق تمرير مرشح الهاتف على الصوت، مما يميز صوتيًا الحوار ما قبل المقدمة عن عرض اللعبة الرئيسي نفسه. تساعد هذه المؤثرات الصوتية وتقنيات المعالجة في إنشاء تجربة أكثر جاذبية وسينمائية، مما يجعل كل مشهد يبدو مميزًا ويعزز جودة الإنتاج العامة.

خطتنا لتوسيع قدرات تصميم الصوت المدفوعة بالذكاء الاصطناعي في المستقبل

في المستقبل، نخطط لتوسيع أدوات تصميم الصوت المدفوعة بالذكاء الاصطناعي من خلال تطوير مكتبة مؤثرات صوتية أكبر ومرشحات صوتية إضافية يمكن للذكاء الاصطناعي تطبيقها ديناميكيًا في الوقت الفعلي. سيسمح ذلك للنظام بتعديل تأثيرات الصوت بناءً على المشهد، سواء كان ذلك بإضافة صدى في غرفة فارغة أو تراكب أصوات العواصف للتأثير الدرامي.

نخطط أيضًا لإطلاق قناة سرد قصص إذاعية قديمة الطراز مولدة بواسطة الذكاء الاصطناعي، والتي ستستخدم هذه الأدوات لإنشاء دراما صوتية رعب وخيال علمي آلية. ستعمل هذه كعرض تقني لقدرات السرد القصصي المدفوعة بالذكاء الاصطناعي وشكل جديد من الترفيه، يعرض كيف يمكن للذكاء الاصطناعي توليد قصص، وحوارات، ومناظر صوتية مختلطة بالكامل دون تدخل بشري.

اعتبار أخير: استخدام الذكاء الاصطناعي وكفاءة التكلفة

الذكاء الاصطناعي هو أداة قوية لالسرد الديناميكي وتوليد المحتوى، لكنه يأتي مع تكاليف حقيقية - سواء من حيث الموارد الحاسوبية أو النفقات المالية. يتطلب كل سطر صوتي يولده الذكاء الاصطناعي، أو تفاعل في الوقت الفعلي، أو مشهد يتم إنشاؤه ديناميكيًا قوة معالجة واستدعاءات API، والتي تتزايد بناءً على الاستخدام. مع نمو اعتماد الذكاء الاصطناعي في الألعاب، يصبح فهم وإدارة هذه التكاليف جزءًا حاسمًا من التطوير.

لتحقيق التوازن بين الغمر المدفوع بالذكاء الاصطناعي وكفاءة التكلفة، نقوم بتصميم نسختين من هذه اللعبة، كل واحدة منها محسنة لحالات استخدام مختلفة.

ستقوم النسخة الأولى بتوليد حوار مشهد الانتقال ديناميكيًا في الوقت الفعلي، مما يسمح للذكاء الاصطناعي بالتفاعل مباشرة مع اللاعبين والفرق بالاسم. هذه النسخة مخصصة للبث المباشر على منصات مثل YouTube وTwitch، حيث نتحكم في جلسة اللعبة كتجربة فردية، منفردة. نظرًا لأنها تعمل مرة واحدة فقط لكل جلسة، تظل تكلفة معالجة الذكاء الاصطناعي قابلة للإدارة. تعزز هذه النسخة التفاعل من خلال السماح للمضيفين المولدين بواسطة الذكاء الاصطناعي بالتفاعل مع الجمهور في الوقت الفعلي، مما يوفر تجربة ديناميكية بالكامل تبرر التكلفة.

ومع ذلك، فإن توليد الحوار المدفوع بالذكاء الاصطناعي ليس فوريًا. في المتوسط، يستغرق بين 4 إلى 7 ثوانٍ لتوليد وتحويل سطر من الحوار إلى كلام، بتكلفة 0.16 إلى 0.20 دولار لكل استدعاء. تطلب منا ذلك التخطيط بعناية متى وكيف يتم إنشاء المحتوى الذي يولده الذكاء الاصطناعي لتجنب تعطيل تجربة اللاعب. لتقليل التأخيرات الملحوظة، صممنا نظامنا لتحميل المحتوى مسبقًا قبل الحاجة إليه أو توليده أثناء الفترات الطبيعية، مثل عندما يُمنح اللاعبين وقتًا للإجابة على سؤال. يضمن ذلك تجربة سلسة، مما يمنع الانقطاعات التي قد تخرج اللاعبين من اللعبة.

لمعالجة مخاوف التكلفة، تم تصميم النسخة الثانية، المميزة داخل Gig.Game، للعب الخاص ويجب أن تدعم حجمًا كبيرًا من الجلسات دون تكاليف مفرطة. بدلاً من توليد حوار الذكاء الاصطناعي في الوقت الفعلي لكل جلسة، نقوم بتوليد مجموعة من الانتقالات والحوارات المولدة بواسطة الذكاء الاصطناعي مسبقًا، مما يضمن تجربة عالية الجودة ومتسقة مع تقليل معالجة الذكاء الاصطناعي الفورية. يتيح لنا ذلك تقديم لعب قابل للتوسع وفعال من حيث التكلفة دون التضحية بالغمر.

الخلاصة الرئيسية هنا هي أن استخدام الذكاء الاصطناعي يجب أن يتم التخطيط له بشكل استراتيجي. بينما توفر التجارب المدفوعة بالذكاء الاصطناعي في الوقت الفعلي تفاعلًا لا مثيل له، فهي الأنسب للبيئات المسيطر عليها، ذات الحالة الواحدة مثل البث المباشر. في المقابل، يتيح المحتوى المولد بواسطة الذكاء الاصطناعي مسبقًا لعبًا قابلاً للتوسع وقابلاً للتكرار دون تكبد تكاليف معالجة الذكاء الاصطناعي المستمرة. من خلال الاستفادة من كلا النهجين، نضمن أن الذكاء الاصطناعي يظل ممكنًا للابتكار، بدلاً من أن يكون عنق زجاجة للتكلفة، مع الحفاظ على السلاسة والتفاعل اللازمين لتجربة لاعب غامرة.

AI4 2025: عرض السرد القصصي المدفوع بالذكاء الاصطناعي في العمل

بينما نواصل تحسين محرك السرد القصصي المدفوع بالذكاء الاصطناعي، نستكشف تطبيقات جديدة لتجارب السرد المولدة بواسطة الذكاء الاصطناعي خارج ألعاب التريفيا، بما في ذلك:

• الخيال التفاعلي الآلي - سرد قصص متفرعة مولدة بواسطة الذكاء الاصطناعي تتغير بناءً على اختيارات اللاعبين.
• التعليقات الصوتية الموجهة بواسطة الذكاء الاصطناعي - شخصيات غير قابلة للعب ديناميكية تتفاعل في الوقت الفعلي مع سلوك اللاعب.
• أحداث اللعبة الحية المدفوعة بالذكاء الاصطناعي - قصص داخل اللعبة تتطور تلقائيًا مع حوار وصوت مولدين بواسطة الذكاء الاصطناعي.

سأكون في AI4 2025 في لاس فيغاس، حيث أتطلع لرؤية كيف يبتكر الآخرون في تطوير الألعاب المدفوعة بالذكاء الاصطناعي. سأقوم أيضًا بتقديم عروض توضيحية في الجناح لتقنية السرد القصصي المدفوعة بالذكاء الاصطناعي الخاصة بنا، مما يوضح كيف يمكن للذكاء الاصطناعي أتمتة توليد السرد، والتمثيل الصوتي، وهندسة الصوت بطريقة تعزز سير عمل تطوير الألعاب.

إذا كنت مهتمًا بـ مستقبل الذكاء الاصطناعي في الألعاب، دعونا نتواصل. أين ترى أن للذكاء الاصطناعي التأثير الأكبر على السرد القصصي؟ دعونا نناقش.