COMIC: Agentic Sketch Comedy Generation
यह शोध पत्र COMIC प्रस्तुत करता है, जो एक पूर्णतः स्वचालित AI प्रणाली है जो विशेष भूमिकाओं वाले मल्टी-एजेंट फ्रेमवर्क और पेशेवर मानकों की ओर सामग्री को बार-बार परिष्कृत करने के लिए YouTube डेटा पर प्रशिक्षित LLM-आधारित आलोचकों का उपयोग करके उच्च-गुणवत्ता वाले, विविध हास्य स्केच वीडियो उत्पन्न करती है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक मज़ेदार स्केच कॉमेडी शो बनाना चाहते हैं, जैसे कि सैटर्डे नाइट लाइव (Saturday Night Live), लेकिन आपके पास लेखकों, निर्देशकों या अभिनेताओं की कोई टीम नहीं है। आपके पास बस एक कंप्यूटर है।
आमतौर पर, यदि आप कंप्यूटर से कोई चुटकुला लिखने के लिए कहते हैं, तो वह आपको एक 'डैड जोक' (dad joke) देता है जिससे आप झेंप जाते हैं। वह वास्तव में मज़ेदार नहीं होता। लेकिन COMIC (कंटेंट ऑप्टिमाइज़ेशन वाया मल्टी-एजेंट इटरेटिव कॉम्पिटिशन) नामक एक नई प्रणाली ने यह समझ लिया है कि कंप्यूटर को कैसे हँसाना है, और अधिक महत्वपूर्ण बात यह है कि कैसे आपको हँसाना है।
यहाँ COMIC कैसे काम करता है, इसे एक सरल उपमा के माध्यम से समझाया गया है: एक ट्विस्ट के साथ "कॉमेडी फैक्ट्री"।
1. समस्या: "वन-शॉट" की गलती
अधिकांश AI सिस्टम एक छात्र की तरह काम करते हैं जो परीक्षा दे रहा हो। उन्हें प्रॉम्प्ट मिलता है, वे एक सेकंड के लिए सोचते हैं, और एक उत्तर लिखते हैं। यदि वह उत्तर खराब है, तो वे रुक जाते हैं।
- समस्या: हास्य (Humor) पेचीदा है। जो एक व्यक्ति के लिए मज़ेदार है, वह दूसरे के लिए उबाऊ हो सकता है। एक एकल "सर्वश्रेष्ठ अनुमान" अक्सर लक्ष्य से चूक जाता है।
2. समाधान: कई टीमों वाली "कॉमेडी फैक्ट्री"
एक लेखक के बजाय, COMIC कई अलग-अलग AI एजेंटों की टीमों के साथ एक फैक्ट्री स्थापित करता है, जिनमें से प्रत्येक एक वास्तविक टीवी स्टूडियो के विशिष्ट भूमिका निभाता है:
- लेखक (The Writers): वे विचार मंथन करते हैं और स्क्रिप्ट लिखते हैं।
- निर्देशक (The Directors): वे दृश्यों, कैमरा एंगल और पात्रों के भावों की योजना बनाते हैं।
- आलोचक (The Critics): यह असली जादू है। वे "कठोर बॉस" हैं जो तय करते हैं कि वास्तव में क्या मज़ेदार है।
3. असली जादू: "आइलैंड" टूर्नामेंट
यहीं पर COMIC चतुर हो जाता है। यह केवल एक आलोचक से काम को ग्रेड करने के लिए नहीं कहता। यह Islands (द्वीप) बनाता है।
एक रियलिटी टीवी शो की कल्पना करें जैसे कि सर्वाइवर (Survivor), लेकिन चुटकुलों के लिए।
- सेटअप: AI अपने लेखकों को अलग-अलग "Islands" में विभाजित करता है।
- जज: प्रत्येक आइलैंड का अपना अनूचा आलोचकों का पैनल होता है। एक पैनल को "मूर्खतापूर्ण स्लैपस्टिक" (जैसे केले के छिलके पर फिसलना) पसंद हो सकता है, जबकि दूसरा "शुष्क, व्यंग्यात्मक चतुराई" (जैसे एक गंभीर चेहरा बनाना) पसंद कर सकता है।
- टूर्नामेंट: प्रत्येक आइलैंड के लेखक अपने चुटकुले पेश करते हैं। आलोचक वोट देते हैं। "हारने वाले" (जो चुटकुले मज़ेदार नहीं होते) उन्हें विशिष्ट फीडबैक के साथ वापस लेखकों के पास भेज दिया जाता है: "यह चुटकुला बहुत लंबा है," या "पंचलाइन में अधिक आश्चर्य की आवश्यकता है।"
- विकास (Evolution): लेखक फीडबैक के आधार पर अपने चुटकुलों को फिर से लिखते हैं। वे इसे बार-बार करते हैं। हारने वाले तब तक बेहतर होते रहते हैं जब तक कि वे पिछले दौर के "विजेताओं" को हराने के लिए पर्याप्त अच्छे न हो जाएं।
परिणाम: चुटकुले केवल "ठीक-ठाक" नहीं होते; वे वास्तव में मज़ेदार बनते हैं क्योंकि उन्हें विभिन्न प्रकार के हास्य के विरुद्ध परखा गया है।
4. वीडियो बनाना: "डायरेक्टर कट"
एक बार जब स्क्रिप्ट मज़ेदार हो जाती है, तो सिस्टम को उसे वीडियो में बदलना होता है। यह कठिन है क्योंकि AI वीडियो जनरेटर अक्सर अजीबोगरीब गड़बड़ियाँ (glitches) करते हैं (जैसे किसी पात्र का चेहरा पिघलना या बैकग्राउंड का बदल जाना)।
COMIC उसी "टूर्नामेंट" विचार का उपयोग यहाँ भी करता है:
- डायरेक्टर एजेंट स्क्रिप्ट को शॉट्स में तोड़ता है।
- यह एक दृश्य के लिए एक वीडियो क्लिप बनाता है।
- वीडियो आलोचक क्लिप को देखते हैं। क्या पात्र स्वाभाविक रूप से पलकें झपका रहा था? क्या बैकग्राउंड सुसंगत है?
- यदि क्लिप अजीब है, तो सिस्टम एक नया संस्करण बनाता है, उसकी आलोचना करता है, और फिर से प्रयास करता है।
- अंत में, यह एक "फाइनल कट" टूर्नामेंट आयोजित करता है जहाँ यह हर दृश्य के सबसे अच्छे संस्करण को चुनकर उसे 1-2 मिनट की फिल्म में जोड़ देता है।
5. यह एक बड़ी बात क्यों है?
- यह वास्तविक लोगों से सीखता है: "क्रिटिक्स" केवल रैंडम कोड नहीं हैं। उन्हें यूट्यूब पर हजारों वास्तविक कॉमेडी स्केच का विश्लेषण करके प्रशिक्षित किया गया है ताकि यह देखा जा सके कि वास्तव में क्या इंसानों को "Watch More" पर क्लिक करने और हँसने के लिए प्रेरित करता है।
- यह स्केल (Scale) कर सकता है: यदि आप कंप्यूटर को अधिक समय और शक्ति (अधिक "Islands" और अधिक "Tournaments") देते हैं, तो चुटकुले और भी मज़ेदार हो जाते हैं। यह अधिक लेखकों को काम पर रखने और अधिक रिहर्सल चलाने जैसा है।
- यह प्रतियोगिता को हरा देता है: जब अन्य शीर्ष AI वीडियो टूल्स के खिलाफ परीक्षण किया गया, तो COMIC ने ऐसे वीडियो बनाए जिन्हें मनुष्यों ने काफी अधिक मज़ेदार और आकर्षक माना।
निचोड़ (The Bottom Line)
COMIC को एक ऐसे रोबोट के रूप में न सोचें जो "जानता" है कि मज़ेदार कैसे होना है, बल्कि एक ऐसे रोबोट के रूप में सोचें जो "अभ्यास करना" जानता है।
यह हजारों खराब चुटकुले बनाता है, उन्हें रिंग में डालता है, "कठोर आलोचकों" को उन्हें पीटने देता है, और लेखकों को फिर से प्रयास करने के लिए मजबूर करता है। इस "रचनात्मक द्वंद्व" (creative sparring) के कई दौरों के बाद, जीवित बचे हुए ही वास्तव में मज़ेदार स्केच होते हैं। यह कॉमेडी की अव्यवस्थित, व्यक्तिपरक कला को एक कठोर, प्रतिस्पर्धी खेल में बदल देता है जिसे एक कंप्यूटर जीत सकता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।