混合架构设计
新型互动故事体验采用混合生成方法：
- 视觉系统：使用预设计的AI生成素材库，模型自动选择并排列前景对象与背景场景
- 音乐模块：结合作曲家创作的节奏模式与AI生成的旋律库，实时匹配故事情绪
- 核心引擎：故事生成器接收用户输入的"海底世界/美人鱼/神秘"等提示词，输出五幕剧本文本
故事生成技术栈
双层文本生成模型
- 规划器模型：基于预训练语言模型，将用户提示扩展为分场景关键词方案
- 文本生成器：接收规划方案输出完整故事，采用Transformer一致性排序器过滤低质量输出
- 训练数据：使用人工撰写的故事集，自动提取句子关键词构建训练样本
多模态场景合成
- NLP预处理：
- 指代消解模块将代词替换为具体对象（如"她"→“美人鱼”）
- 依存解析器构建对象关系图（如"章鱼在船下游过"生成空间关系边）
- 视觉合成流水线：
- 根据主题选择AI生成或人工绘制背景
- 对象定位模型确定(x,y)坐标、缩放比例和朝向
- 支持算法驱动的骨骼动画（如鱼尾摆动）
动态音乐生成
- 素材库架构：按和弦进程、节奏型、乐器类型索引音乐片段
- AI旋律生成：离线生成与现有配器风格匹配的旋律
- 实时适配：
- 文本转语音模型计算朗读时长控制音乐长度
- 副语言分析模型输出"平静-兴奋"等维度分数指导音乐情绪
安全防护机制
- 数据过滤：训练数据经过人工和自动双重筛查
- 输入约束：限定可选主题/角色/形容词组合
- 输出过滤：实时检测并拦截不当内容
- 家长控制：需通过专用应用授权使用