Den generative AI-revolution i spil

For at forstå, hvor radikalt gaming er ved at blive transformeret af Generative AI, skal du ikke lede længere end denne seneste tid Twitter indlæg by @emmanuel_2m. I dette indlæg udforsker han brugen af ​​Stable Diffusion + Dreambooth, populære 2D Generative AI-modeller, til at generere billeder af potions til et hypotetisk spil.

Det, der er transformerende ved dette arbejde, er ikke blot, at det sparer tid og penge, samtidig med at det leverer kvalitet – og dermed smadre den klassiske "du kan kun have to af pris, kvalitet eller hastighed"-trekant. Kunstnere skaber nu billeder i høj kvalitet i løbet af få timer, som ellers ville tage uger at generere i hånden. Hvad der virkelig er transformerende er, at:

• Denne kreative kraft er nu tilgængelig for alle, der kan lære nogle få enkle værktøjer.
• Disse værktøjer kan skabe et uendeligt antal variationer på en meget iterativ måde.
• Når først du er trænet, er processen i realtid - resultaterne er tilgængelige næsten øjeblikkeligt.

Der har ikke været en teknologi så revolutionerende til spil siden 3D i realtid. Brug enhver tid på at tale med spilskabere, og følelsen af ​​spænding og undren er til at tage og føle på. Så hvor er denne teknologi på vej hen? Og hvordan vil det transformere gaming? Lad os dog først gennemgå, hvad der er Generativ AI?

INDHOLDSFORTEGNELSE

Hvad er Generativ AI

Generativ AI er en kategori af maskinlæring, hvor computere kan generere originalt nyt indhold som svar på opfordringer fra brugeren. I dag er tekst og billeder de mest modne anvendelser af denne teknologi, men der er arbejde i gang inden for stort set alle kreative domæner, fra animation, til lydeffekter, til musik, til endda at skabe virtuelle karakterer med fuldt udfyldte personligheder.

AI er selvfølgelig ikke noget nyt i spil. Selv tidlige spil, som Atari's Pong, havde computerstyrede modstandere til at udfordre spilleren. Disse virtuelle fjender kørte imidlertid ikke AI, som vi kender det i dag. De var simpelthen scriptede procedurer udformet af spildesignere. De simulerede en kunstigt intelligent modstander, men de kunne ikke lære, og de var kun så gode som de programmører, der byggede dem.

Hvad der er anderledes nu, er mængden af ​​tilgængelig computerkraft takket være hurtigere mikroprocessorer og skyen. Med denne kraft er det muligt at bygge store neurale netværk, der kan identificere mønstre og repræsentationer i meget komplekse domæner.

Dette blogindlæg har to dele:

• Del I består af vores observationer og forudsigelser for området Generativ AI til spil.
• Del II er vores markedskort over rummet, der skitserer de forskellige segmenter og identificerer nøglevirksomheder i hver.

INDHOLDSFORTEGNELSE

Forudsætninger

Lad os først undersøge nogle antagelser, der ligger til grund for resten af ​​dette blogindlæg:

1. Mængden af ​​forskning, der udføres generelt AI, vil fortsætte med at vokse og skabe stadig mere effektive teknikker

Overvej denne graf over antallet af akademiske artikler offentliggjort om Machine Learning eller Artificial Intelligence i arXiv arkiv hver måned:

Som du kan se, vokser antallet af papirer eksponentielt, uden tegn på aftagende fart. Og dette inkluderer kun publicerede artikler – meget af forskningen bliver aldrig engang offentliggjort, og går direkte til open source-modeller eller produkt-F&U. Resultatet er en eksplosion i interesse og innovation.

2. Af al underholdning vil spil blive mest påvirket af Generative AI

Spil er den mest komplekse form for underholdning, hvad angår det store antal aktivtyper, der er involveret (2D-kunst, 3D-kunst, lydeffekter, musik, dialog osv.). Spil er også de mest interaktive, med stor vægt på realtidsoplevelser. Dette skaber en stejl adgangsbarriere for nye spiludviklere, såvel som en stejl omkostning for at producere et moderne, top-top spil. Det skaber også en enorm mulighed for generativ AI-forstyrrelse.

Overvej et spil som Red Dead Redemption 2, et af de dyreste spil, der nogensinde er produceret, og det koster næsten 500 millioner dollars at lave. Det er let at se hvorfor – det har en af ​​de smukkeste, fuldt realiserede virtuelle verdener af ethvert spil på markedet. Det tog også næsten 8 år at bygge, indeholder mere end 1,000 ikke-spilbare karakterer (hver med sin egen personlighed, kunst og stemmeskuespiller), en verden på næsten 30 kvadratkilometer i størrelse, mere end 100 missioner fordelt på 6 kapitler og næsten 60 timers musik skabt af over 100 musikere. Alt ved dette spil er stort.

Sammenlign nu Red Dead Redemption 2 med Microsoft Flight Simulator, som ikke bare er stort, det er enormt. Microsoft Flight Simulator gør det muligt for spillere at flyve rundt om hele planeten Jorden, alle 197 millioner kvadratkilometer af den. Hvordan byggede Microsoft et så massivt spil? Ved at lade en AI gøre det. Microsoft samarbejdede med blackshark.ai, og trænet en AI til generere en fotorealistisk 3D-verden fra 2D-satellitbilleder.

Dette er et eksempel på et spil, der bogstaveligt talt ville have været umuligt at bygge uden brugen af ​​AI, og som desuden drager fordel af, at disse modeller løbende kan forbedres over tid. For eksempel kan de forbedre "motorvejskløverbladsbroen"-modellen, køre hele byggeprocessen igen, og pludselig er alle motorvejsoverkørsler på hele planeten forbedret.

3. Der vil være en generativ AI-model for hvert aktiv involveret i spilproduktion

Indtil videre har 2D-billedgeneratorer som Stable Diffusion eller MidJourney fanget størstedelen af ​​den populære begejstring over Generative AI på grund af den iøjnefaldende karakter af de billeder, de kan generere. Men allerede er der Generative AI-modeller for stort set alle aktiver involveret i spil, fra 3D-modeller, til karakteranimationer, til dialog og musik. Den anden halvdel af dette blogindlæg indeholder et markedskort, der fremhæver nogle af de virksomheder, der fokuserer på hver type indhold.

4. Prisen på indhold vil falde drastisk, og i nogle tilfælde gå effektivt til nul.

Når man taler med spiludviklere, der eksperimenterer med at integrere Generativ AI i deres produktionspipeline, er den største spænding over den dramatiske reduktion i tid og omkostninger. En udvikler har fortalt os, at deres tid til at generere konceptkunst til et enkelt billede, fra start til slut, er faldet fra 3 uger til en enkelt time: en reduktion på 120 til 1. Vi mener, at lignende besparelser vil være mulige på tværs af hele produktionspipelinen.

For at være klar, er kunstnere ikke i fare for at blive udskiftet. Det betyder, at kunstnere ikke længere behøver at udføre alt arbejdet selv: de kan nu sætte den indledende kreative retning og derefter aflevere meget af den tidskrævende og tekniske udførelse til en AI. I dette er de som cel-malere fra de tidlige dage af håndtegnet animation, hvor meget dygtige "inkers" tegnede animationens omrids, og derefter ville hære af billigere "malere" udføre det tidskrævende arbejde med at male animationsceller, udfyldning af linjerne. Det er "autofuldførelsen" til spiloprettelse.

5. Vi er stadig i begyndelsen af ​​denne revolution, og en masse praksis mangler stadig at blive raffineret

På trods af al den seneste spænding er vi stadig lige ved startstregen. Der er en enorm mængde arbejde forude, når vi finder ud af, hvordan vi kan udnytte denne nye teknologi til spil, og enorme muligheder vil blive genereret for virksomheder, der hurtigt bevæger sig ind i dette nye rum.

INDHOLDSFORTEGNELSE

Forudsigelser

Givet disse antagelser er her nogle forudsigelser for, hvordan spilindustrien kan blive transformeret:

1. At lære at bruge Generativ AI effektivt vil blive en omsættelig færdighed

Allerede nu ser vi nogle forsøgspersoner bruge Generativ AI mere effektivt end andre. For at få mest muligt ud af denne nye teknologi kræver det at bruge en række værktøjer og teknikker og vide, hvordan man hopper mellem dem. Vi forudser, at dette vil blive en omsættelig færdighed, der kombinerer en kunstners kreative vision med en programmørs tekniske færdigheder.

Chris Anderson er berømt for at sige: "Hver overflod skaber en ny knaphed." Efterhånden som indhold bliver rigeligt, tror vi, at det er kunstnerne, der ved, hvordan man arbejder mest samarbejdende og effektivt med AI-værktøjerne, der vil være den største mangelvare.

For eksempel er det særlige udfordringer at bruge Generative AI til produktion af kunstværker, herunder:

• Sammenhæng. Med ethvert produktionsaktiv skal du være i stand til at foretage ændringer eller redigeringer af aktivet hen ad vejen. Med et AI-værktøj betyder det, at du skal være i stand til at reproducere aktivet med den samme prompt, så du derefter kan foretage ændringer. Dette kan være vanskeligt, da den samme prompt kan generere vidt forskellige resultater.
• Stil. Det er vigtigt for al kunst i et givet spil at have en ensartet stil – hvilket betyder, at dine værktøjer skal trænes på eller på anden måde bindes til din givne stil.

2. Sænkning af barrierer vil resultere i mere risikovillighed og kreativ udforskning

Vi kan snart gå ind i en ny "guldalder" for spiludvikling, hvor en lavere adgangsbarriere resulterer i en eksplosion af mere innovative og kreative spil. Ikke kun fordi lavere produktionsomkostninger resulterer i lavere risiko, men fordi disse værktøjer låser op for muligheden for at skabe indhold af høj kvalitet til et bredere publikum. Hvilket fører til den næste forudsigelse...

3. En stigning i AI-assisteret "mikrospilstudier"

Bevæbnet med Generative AI-værktøjer og -tjenester vil vi begynde at se mere levedygtige kommercielle spil produceret af små "mikrostudier" på kun 1 eller 2 ansatte. Ideen om et lille indie-spilstudie er ikke nyt – hit-spil Blandt os blev skabt af studiet Innersloth med kun 5 ansatte – men størrelsen og omfanget af de spil, disse små studier kan skabe, vil vokse. Dette vil resultere i…

4. En stigning i antallet af spil udgivet hvert år

Succesen med Unity og Roblox har vist, at levering af kraftfulde kreative værktøjer resulterer i, at flere spil bliver bygget. Generativ AI vil sænke barren endnu mere og skabe et endnu større antal spil. Industrien lider allerede af opdagelsesudfordringer - mere end 10,000 spil blev føjet til Steam alene sidste år – og det vil lægge endnu mere pres på opdagelsen. Men vi vil også se...

5. Nye spiltyper oprettet, som ikke var mulige før Generativ AI

Vi vil se nye spilgenrer opfundet, som simpelthen ikke var mulige uden Generative AI. Vi har allerede talt om Microsofts flysimulator, men der vil blive opfundet helt nye genrer, der afhænger af realtidsgenerering af nyt indhold.

Overvej Arrowmancerved tryllebørste. Dette er et RPG-spil, der byder på AI-skabte karakterer til stort set ubegrænset nyt gameplay.

Vi kender også til en anden spiludvikler, der bruger AI til at lade spillere skabe deres egen in-game avatar. Tidligere havde de en samling af håndtegnede avatarbilleder, som spillere kunne mikse og matche for at skabe deres avatar – nu har de smidt dette helt ud og genererer simpelthen avatarbilledet ud fra spillerens beskrivelse. At lade spillere generere indhold gennem en AI er sikrere end at lade spillere uploade deres eget indhold fra bunden, da AI'en kan trænes til at undgå at skabe stødende indhold, mens de stadig giver spillerne en større følelse af ejerskab.

6. Værdien vil tilfalde industrispecifikke AI-værktøjer og ikke kun grundlæggende modeller

Spændingen og summen omkring grundlæggende modeller som Stable Diffusion og Midjourney genererer iøjnefaldende værdiansættelser, men den fortsatte strøm af ny forskning sikrer, at nye modeller vil komme og gå, efterhånden som nye teknikker raffineres. Overvej webstedssøgetrafik til 3 populære Generative AI-modeller: Dall-E, Midjourney og Stable Diffusion. Hver ny model har sin tur i søgelyset.

En alternativ tilgang kan være at bygge branchetilpassede suiter af værktøjer, der fokuserer på de Generative AI-behov i en given branche, med dyb forståelse af et bestemt publikum og rig integration i eksisterende produktionspipelines (såsom Unity eller Unreal til spil).

Et godt eksempel er Runway som er rettet mod behovene hos videoskabere med AI-assisterede værktøjer som videoredigering, fjernelse af grøn skærm, indmaling og bevægelsessporing. Værktøjer som dette kan opbygge og tjene penge på en given målgruppe og tilføje nye modeller over tid. Vi har endnu ikke set en suite som Runway for spil dukke op endnu, men vi ved, at det er et rum med aktiv udvikling.

7. Juridiske udfordringer kommer

Fælles for alle disse Generative AI-modeller er, at de trænes ved hjælp af massive datasæt af indhold, ofte skabt ved at skrabe internettet selv. Stabil diffusion, for eksempel, trænes på mere end 5 milliarder billed/tekst-par, skrabet fra nettet.

I øjeblikket hævder disse modeller at operere under "fair use" copyright-doktrinen, men dette argument er endnu ikke blevet endeligt testet i retten. Det synes klart juridiske udfordringer kommer hvilket sandsynligvis vil ændre landskabet for Generative AI.

Det er muligt, at store studier vil søge konkurrencefordele ved at bygge proprietære modeller bygget på internt indhold, som de har klare rettigheder og titel til. Microsoft er for eksempel særligt godt placeret her med 23 første feststudier i dag, og yderligere 7 efter dets opkøb af Activision lukker.

8. Programmering vil ikke blive forstyrret så dybt som kunstnerisk indhold – i hvert fald ikke endnu

Softwareudvikling er den anden store omkostning ved spiludvikling, men som vores kolleger på a16z Enterprise-teamet har delt i deres seneste blogindlæg, Art Isn't Dead, It's Just Machine-Genereret, kræver generering af kode med en AI-model mere test og verifikation, og har dermed en mindre produktivitetsforbedring end generering af kreative aktiver. Kodningsværktøjer som Copilot kan give moderate præstationsforbedringer for ingeniører, men vil ikke have den samme effekt ... i hvert fald når som helst snart.

INDHOLDSFORTEGNELSE

Anbefalinger

Baseret på disse forudsigelser tilbyder vi følgende anbefalinger:

1. Begynd at udforske Generative AI nu

Det vil tage et stykke tid at finde ud af, hvordan man fuldt ud kan udnytte kraften i denne kommende Generative AI-revolution. Virksomheder, der starter nu, vil have en fordel senere. Vi kender flere studier, som har interne eksperimentelle projekter i gang for at undersøge, hvordan disse teknikker kan påvirke produktionen.

2. Se efter muligheder for markedskort

Nogle dele af vores markedskort er allerede meget overfyldte, såsom animationer eller tale og dialog, men andre områder er vidt åbne. Vi opfordrer iværksættere, der er interesserede i dette rum, til at fokusere deres indsats på de områder, der stadig er uudforskede, såsom "Runway for Games".

INDHOLDSFORTEGNELSE

Markedets nuværende tilstand

Vi har lavet et markedskort for at fange en liste over de virksomheder, vi har identificeret i hver af disse kategorier, hvor vi ser Generative AI påvirke spil. Dette blogindlæg gennemgår hver af disse kategorier, forklarer det lidt mere detaljeret og fremhæver de mest spændende virksomheder i hver kategori.

INDHOLDSFORTEGNELSE

2D billeder

Generering af 2D-billeder fra tekstprompter er allerede et af de mest udbredte områder inden for generativ AI. Værktøjer som midt på rejsen, Stabil diffusionog Dall-E 2 kan generere højkvalitets 2D-billeder fra tekst, og har allerede fundet vej til spilproduktion på flere stadier af spillets livscyklus.

Concept Art

Generative AI-værktøjer er fremragende til at "ideation" eller hjælpe ikke-kunstnere, som spildesignere, med at udforske koncepter og ideer meget hurtigt for at generere konceptkunst, en vigtig del af produktionsprocessen. For eksempel bruger et studie (forbliver anonymt) flere af disse værktøjer sammen til radikalt at fremskynde deres konceptkunstproces, idet det tager en enkelt dag at skabe et billede, der tidligere ville have taget så lang tid som 3 uger.

• For det første bruger deres spildesignere Midjourney til at udforske forskellige ideer og generere billeder, som de finder inspirerende.
• Disse bliver overdraget til en professionel konceptkunstner, der samler dem sammen og maler over resultatet for at skabe et enkelt sammenhængende billede - som derefter føres ind i Stable Diffusion for at skabe en masse variationer.
• De diskuterer disse varianter, vælger en, maler nogle redigeringer ind manuelt – og gentager derefter processen, indtil de er tilfredse med resultatet.
• På det tidspunkt skal du sende dette billede tilbage til Stable Diffusion en sidste gang for at "opskalere" det for at skabe det sidste kunstværk.

2D Produktion Art

Nogle studier eksperimenterer allerede med at bruge de samme værktøjer til in-game produktionskunst. Her er for eksempel en fin tutorial fra Albert Bozesan om at bruge Stable Diffusion til at skabe 2D-aktiver i spillet.

INDHOLDSFORTEGNELSE

3D-kunstværk

3D-aktiver er byggestenen i alle moderne spil, såvel som den kommende metaverse. En virtuel verden, eller spilniveau, er i bund og grund blot en samling af 3D-aktiver, placeret og modificeret for at befolke miljøet. Oprettelse af et 3D-aktiv er dog mere komplekst end at skabe et 2D-billede og involverer flere trin, herunder oprettelse af en 3D-model og tilføjelse af teksturer og effekter. For animerede karakterer involverer det også at skabe et internt "skelet" og derefter skabe animationer oven på det skelet.

Vi ser flere forskellige startups gå efter hvert trin i denne 3D-aktiveringsproces, herunder modeloprettelse, karakteranimation og niveaubygning. Dette er dog endnu ikke et løst problem – ingen af ​​løsningerne er klar til at blive fuldt integreret i produktionen endnu.

3D-aktiver

Startups, der forsøger at løse problemet med oprettelse af 3D-modeller, omfatter Kaedim, Luftspejlingog Hypotetisk. Større virksomheder ser også på problemet, herunder Nvidias Få 3D og Autodesks ClipForge. Kaedim og Get3d er fokuseret på billede-til-3D; ClipForge og Mirage er fokuseret på tekst-til-3D, mens Hypotetic er interesseret i både tekst-til-3D-søgning, såvel som billede-til-3D.

3D-teksturer

En 3D-model ser kun lige så realistisk ud som den tekstur eller materialer, der påføres nettet. At beslutte, hvilken mossyet, forvitret stentekstur, der skal anvendes på en middelalderslotsmodel, kan fuldstændig ændre udseendet og følelsen af ​​en scene. Teksturer indeholder metadata om, hvordan lys reagerer på materialet (f.eks. ruhed, glans osv.). At tillade kunstnere nemt at generere teksturer baseret på tekst- eller billedprompter vil være enormt værdifuldt for at øge iterationshastigheden i den kreative proces. Flere hold forfølger denne mulighed, bl.a BariumAI, ponzuog ArmorLab.

Animation

At skabe fantastisk animation er en af ​​de mest tidskrævende, dyre og dygtige dele af spiloprettelsesprocessen. En måde at reducere omkostningerne på og skabe mere realistisk animation er at bruge motion capture, hvor du sætter en skuespiller eller danser i en motion capture-dragt og optager dem i bevægelse i et specielt instrumenteret motion capture-stadium.

Vi ser nu Generative AI-modeller, der kan fange animation direkte fra en video. Dette er meget mere effektivt, både fordi det fjerner behovet for en dyr motion capture rig, og fordi det betyder, at du kan fange animation fra eksisterende videoer. Et andet spændende aspekt ved disse modeller er, at de også kan bruges til at anvende filtre på eksisterende animationer, såsom at få dem til at se fulde, gamle eller glade ud. Virksomheder, der går efter dette rum inkluderer Kinetix, Deep Motion, Radikal, Flyt Aiog Plask.

Niveaudesign & verdensbygning

Et af de mest tidskrævende aspekter af spilskabelse er at udbygge et spils verden, en opgave som generativ AI burde være velegnet til. Spil som Minecraft, No Man's Sky og Diablo er allerede berømte for at bruge proceduremæssige teknikker til at generere deres niveauer, hvor niveauer oprettes tilfældigt, forskellige hver gang, men efter regler fastsat af niveaudesigneren. Et stort salgsargument for den nye Unreal 5-spilmotor er dens samling af proceduremæssige værktøjer til åben verdensdesign, såsom løvplacering.

Vi har set et par initiativer i rummet, som f.eks Promethean, MLXAR, eller Meta's Bygmester Bot, og tror, ​​at det kun er et spørgsmål om tid, før generative teknikker stort set erstatter procedureteknikker. Der har været akademisk forskning i rummet i et stykke tid, bl.a generative teknikker til Minecraft or niveaudesign i Doom.

En anden overbevisende grund til at se frem til generative AI-værktøjer til niveaudesign ville være evnen til at skabe niveauer og verdener i forskellige stilarter. Du kunne forestille dig at spørge om værktøjer til at skabe en verden i 1920'ernes flapper-æra New York, vs dystopisk blade-runner-agtig fremtid, vs. Tolkien-agtig fantasiverden.

Følgende koncepter blev genereret af Midjourney ved hjælp af prompten, "et spilniveau i stil med..."

Audio

Lyd og musik er en stor del af spiloplevelsen. Vi er begyndt at se virksomheder, der bruger Generative AI til at generere lyd for at komplementere det arbejde, der allerede foregår på den grafiske side.

Sound Effects

Lydeffekter er et attraktivt åbent område for kunstig intelligens. Der har været akademiske artikler udforske ideen om at bruge AI til at generere "foley" i film (f.eks. fodspor), men få kommercielle produkter inden for spil endnu.

Vi tror, ​​at dette kun er et spørgsmål om tid, da spils interaktive karakter gør dette til en oplagt applikation til generativ AI, der både skaber statiske lydeffekter som en del af produktionen ("laserpistollyd, i stil med Star Wars"), og skabe interaktive lydeffekter i realtid under kørsel.

Overvej noget så simpelt som at generere fodtrinslyde til spillerens karakter. De fleste spil løser dette ved at inkludere et lille antal forudindspillede fodtrinslyde: gå på græs, gå på grus, løbe på græs, løbe på grus osv. Disse er kedelige at generere og administrere, og lyder gentagne og urealistiske under spilletid.

En bedre tilgang ville være en realtidsgenerativ AI-model for foley-lydeffekter, som kan generere passende lydeffekter, på farten, lidt anderledes hver gang, som reagerer på parametre i spillet, såsom jordoverfladen, karakterens vægt, gang, fodtøj mv.

Musik

Musik har altid været en udfordring for spil. Det er vigtigt, da det kan hjælpe med at sætte den følelsesmæssige tone, ligesom det gør i film eller tv, men da spil kan vare i hundreder eller endda tusindvis af timer, kan det hurtigt blive gentagne eller irriterende. På grund af spils interaktive karakter kan det også være svært for musikken at matche præcist, hvad der sker på skærmen på et givet tidspunkt.

Adaptiv musik har været et emne i spillyd i mere end to årtier, og går helt tilbage til Microsofts "Direkte musik” system til at skabe interaktiv musik. DirectMusic blev aldrig bredt tilpasset, hovedsagelig på grund af vanskeligheden ved at komponere i formatet. Kun få spil, som Monoliths Ingen lever for evigt, skabte virkelig interaktive partiturer.

Nu ser vi en række virksomheder, der forsøger at skabe AI-genereret musik, som f.eks Lydfuldt, musico, harmoni, Uendeligt albumog Ava. Og mens nogle værktøjer i dag, som f.eks Jukebox af Open AI, er meget beregningsintensive og kan ikke køre i realtid, størstedelen kan køre i realtid, når først den oprindelige model er bygget.

Tale og dialog

Der er et stort antal virksomheder, der forsøger at skabe realistiske stemmer til karakterer i spillet. Dette er ikke overraskende i betragtning af den lange historie med at forsøge at give computere en stemme gennem talesyntese. Virksomheder inkluderer Sonantisk, Coqui, Replica Studios, Ligner.ai, Readspeaker.ai, Og mange flere.

Der er flere fordele ved at bruge generativ AI til tale, hvilket til dels forklarer, hvorfor dette rum er så overfyldt.

• Generer dialog på farten. Typisk er tale i spil forudindspillet fra stemmeskuespillere, men disse er begrænset til forudindspillede dåsetaler. Med generativ AI-dialog kan karakterer sige hvad som helst - hvilket betyder, at de fuldt ud kan reagere på, hvad spillerne laver. Kombineret med mere intelligente AI-modeller til NPC'er (uden for rammerne af denne blog, men et lige så spændende område for innovation lige nu), kommer løftet om spil, der er fuldt reaktive for spillere, snart.
• Rollespil. Mange spillere ønsker at spille som fantasifigurer, der ikke minder meget om deres virkelige identitet. Denne fantasi bryder dog sammen, så snart spillerne taler med deres egne stemmer. Ved at bruge en genereret stemme, der matcher spillerens avatar, opretholdes denne illusion.
  Styring. Efterhånden som talen genereres, kan du styre stemmens nuancer som dens tambre, bøjning, følelsesmæssig resonans, fonemlængde, accenter og mere.
• Lokalisering. Tillader, at dialogen kan oversættes til ethvert sprog og tales med samme stemme. Virksomheder kan lide Deepdub er fokuseret specifikt på denne niche.

INDHOLDSFORTEGNELSE

NPC'er eller spillerfigurer

Mange startups kigger på at bruge generativ AI til at skabe troværdige karakterer, du kan interagere med, delvist fordi dette er et marked med så bred anvendelighed uden for spil, såsom virtuelle assistenter eller receptionister.

Bestræbelser på at skabe troværdige karakterer går tilbage til begyndelsen af ​​AI-forskning. Faktisk er definitionen af ​​den klassiske "Turing Test" for kunstig intelligens, at et menneske ikke skal være i stand til at skelne mellem en chatsamtale med en AI versus et menneske.

På dette tidspunkt er der hundredvis af virksomheder, der bygger chatbots til generelle formål, mange af dem drevet af GPT-3-lignende sprogmodeller. Et mindre antal forsøger specifikt at bygge chatbots med henblik på underholdning, som f.eks Replika , Anima som forsøger at bygge virtuelle venner. Konceptet med at date en virtuel kæreste, som det blev udforsket i filmen Her, kan være tættere på, end du tror.

Vi ser nu den næste iteration af disse chatbot-platforme, som f.eks Charisma.ai, Convai.com eller Inworld.ai, beregnet til at drive fuldt gengivet 3D-karakterer, med følelser og handlefrihed, med værktøjer til at give skaberen mulighed for at give disse karakterer mål. Dette er vigtigt, hvis de skal passe ind i et spil eller have en narrativ plads i at fremme plottet fremad, i modsætning til rent vinduespredning.

INDHOLDSFORTEGNELSE

Alt-i-én platforme

Et af de mest succesrige generative AI-værktøjer generelt er Runwayml.com, fordi det samler en bred pakke af skaberværktøjer i en enkelt pakke. I øjeblikket er der ingen sådan platform, der serverer videospil, og vi mener, at dette er en overset mulighed. Vi ville elske at investere i en løsning, der indeholder:

• Komplet sæt generative AI-værktøjer, der dækker hele produktionsprocessen. (kode, aktivgenerering, teksturer, lyd, beskrivelser osv.)
• Tæt integreret med populære spilmotorer som Unreal og Unity.
• Designet til at passe ind i en typisk spilproduktionspipeline.

INDHOLDSFORTEGNELSE

Konklusion

Dette er et utroligt tidspunkt at være spilskaber på! Til dels takket være de værktøjer, der er beskrevet i dette blogindlæg, har det aldrig været nemmere at generere det nødvendige indhold for at bygge et spil – selvom dit spil er lige så stort som hele planeten!

Det er endda muligt en dag at forestille sig et helt personligt spil, skabt kun til spilleren, baseret på præcis hvad spilleren ønsker. Dette har været i science fiction i lang tid - som "AI Mind Game" i Ender's Game eller holodecket i Star Trek. Men med værktøjerne beskrevet i dette blogindlæg, der udvikler sig så hurtigt, som de er, er det ikke svært at forestille sig, at denne virkelighed er lige rundt om hjørnet.

Hvis du er en grundlægger, eller en potentiel grundlægger, interesseret i at bygge en AI for Gaming-virksomhed, så kontakt venligst! Vi vil gerne høre fra dig!