COMIC: Agentic Sketch Comedy Generation

O artigo propõe um sistema de IA totalmente automatizado que utiliza uma população de agentes inspirados em papéis de estúdio e críticos de LLM alinhados a preferências reais para gerar vídeos de comédia esboçada de alta qualidade, alcançando desempenho próximo ao de produções profissionais.

O essencial

Imagine que você quer criar um episódio de um programa de comédia como o Saturday Night Live, mas em vez de contratar 50 roteiristas, diretores e editores, você usa apenas um computador.

Esse é o objetivo do COMIC (Content Optimization via Multi-agent Iterative Competition), um novo sistema de Inteligência Artificial criado por pesquisadores da Universidade de Washington.

Aqui está uma explicação simples de como ele funciona, usando analogias do dia a dia:

1. O Problema: A IA não é engraçada (ainda)

Se você pedir para uma IA comum contar uma piada, ela geralmente dá uma "piada de tio" (aquelas que fazem todo mundo revirar os olhos). Fazer algo que realmente faça as pessoas rirem é difícil porque o humor é subjetivo: o que é engraçado para você pode ser chato para mim. Além disso, fazer um vídeo longo e coerente é um desafio técnico enorme.

2. A Solução: Um "Estúdio de TV" Virtual

Em vez de ter um único robô tentando adivinhar o que é engraçado, o COMIC cria um estúdio de TV inteiro dentro do computador. Ele simula diferentes pessoas com diferentes empregos, como se fosse uma equipe real:

• Os Roteiristas (Writers): Eles criam ideias de histórias.
• Os Diretores de Cena (Directors): Eles decidem como a cena deve ser filmada (onde a câmera está, quem fala o quê).
• Os Críticos (Critics): Esta é a parte mais importante. São "julgadores" que avaliam se a piada é boa.

3. O Segredo: A "Competição de Ilhas"

Aqui está a mágica. Em vez de todos trabalharem juntos em uma única ideia, o sistema divide os roteiristas em ilhas separadas.

• Imagine um reality show de comédia: Cada ilha tem seu próprio estilo de humor. Na Ilha A, os críticos gostam de humor seco e inteligente. Na Ilha B, eles amam piadas físicas e absurdas.
• O Torneio: Dentro de cada ilha, os roteiristas competem. Eles mostram suas ideias para os críticos. O roteiro que ganha fica, e o que perde é obrigado a se reescrever, tentando incorporar o que o vencedor fez de bom.
• Evolução: Com o tempo, os roteiros ficam cada vez melhores porque estão sendo constantemente testados e melhorados, como se estivessem em um "treino de alta performance".

4. O Treinamento dos Críticos: Aprendendo com o YouTube

Como a IA sabe o que é engraçado? Ela não chuta. Os pesquisadores "ensinaram" os críticos analisando milhares de vídeos de comédia reais do YouTube.

Eles olharam para o que as pessoas realmente assistiram até o final e curtiram. Os críticos do COMIC foram calibrados para ter os mesmos gostos que o público real. É como se eles tivessem assistido a anos de SNL e Key & Peele para aprender exatamente o que faz uma plateia rir.

5. Do Roteiro ao Vídeo: O Diretor de Cena

Depois que o roteiro perfeito é escolhido, o sistema vai para a fase de produção:

1. Storyboard: O "Diretor" desenha mentalmente cada cena.
2. Geração: A IA cria os vídeos, os rostos dos personagens e as vozes.
3. Refinamento: Aqui, os críticos voltam a trabalhar. Eles olham o vídeo gerado e dizem: "O personagem piscou de forma estranha" ou "A piada visual não funcionou". O sistema recria a cena até ficar perfeito.

6. O Resultado

O sistema produz vídeos de comédia de 1 a 2 minutos, com personagens consistentes, histórias que fazem sentido e, o mais importante, piadas que funcionam.

Nos testes, o COMIC conseguiu criar vídeos que, na opinião de humanos, são quase tão bons quanto os feitos por equipes profissionais de TV, superando outros sistemas de IA que apenas geram vídeos sem uma estrutura de comédia.

Resumo em uma frase

O COMIC é como um estúdio de TV autônomo onde robôs roteiristas, diretores e críticos competem ferozmente entre si, aprendendo com o gosto do público do YouTube, para criar esquetes de comédia engraçadas e bem produzidas, tudo sem intervenção humana direta.

É a prova de que, para criar arte engraçada, às vezes você não precisa de um gênio solitário, mas sim de uma equipe inteira de robôs brigando por ideias.

Resumo técnico

Título: COMIC: Agentic Sketch Comedy Generation

Autores: Susung Hong, Brian Curless, Ira Kemelmacher-Shlizerman, Steve Seitz (Universidade de Washington)

1. Problema

A geração de conteúdo humorístico por Inteligência Artificial permanece um desafio significativo, mesmo com o avanço de modelos generativos em escrita, codificação e mídia.

• Subjetividade do Humor: Diferente de tarefas com respostas corretas (como matemática ou codificação), o humor é altamente subjetivo, dependente do contexto e multidimensional (pode ser slapstick, seco, surreal, etc.).
• Limitações de Modelos Atuais: Modelos de linguagem (LLMs) tendem a produzir "piadas de pai" ou puns genéricos. Modelos de geração de vídeo (como Sora, Veo) geralmente produzem clipes curtos (cerca de 10 segundos) e carecem de coerência narrativa e controle consistente entre cenas para esboços de comédia mais longos (1-2 minutos).
• Falha de Objetivos Fixos: A otimização baseada em uma função de recompensa fixa falha no humor devido à Lei de Goodhart (otimizar uma métrica proxy não garante qualidade real) e à natureza não estacionária das preferências humanas.

2. Metodologia: O Framework COMIC

O COMIC (Content Optimization via Multi-agent Iterative Competition) é um sistema totalmente automatizado que simula um estúdio de produção humano, utilizando uma população de agentes com papéis específicos (escritores, críticos, diretores) organizados em um fluxo iterativo de competição e melhoria.

Arquitetura Principal

O sistema opera em dois loops principais acoplados: Escrita de Roteiro e Renderização de Vídeo.

1. Entrada: O sistema recebe especificações de personagens (imagem, voz, descrição textual) e referências de fundo.
2. Loop de Escrita de Roteiro (Script Writing Loop):
   • Ilhas Evolutivas: A população de roteiros é dividida em $K$ "ilhas" isoladas. Cada ilha é governada por um comitê de críticos especializado com uma filosofia de humor distinta (ex: absurdo, seco, slapstick).
   • Competição e Refinamento: Roteiros competem em torneios "round-robin" (todos contra todos) dentro de cada ilha. Os críticos avaliam pares de roteiros e fornecem feedback. O roteiro perdedor é refinado incorporando as forças do vencedor e explorando variações semânticas.
   • Dinâmica de Fitness: A "aptidão" de um roteiro é definida relacionalmente (quem ganha contra quem), criando um cenário competitivo que exige adaptação contínua, similar à hipótese da Rainha Vermelha na biologia evolutiva.
3. Alinhamento com Espectadores Reais (Critics Alignment):
   • Em vez de usar prompts manuais, o sistema gera uma pool diversificada de agentes críticos.
   • Esses críticos são calibrados e selecionados com base em dados reais de engajamento (visualizações normalizadas por idade) de canais de comédia no YouTube (ex: SNL, Key & Peele).
   • O sistema seleciona os críticos que melhor discriminam entre roteiros de alta e baixa qualidade, garantindo que a avaliação esteja alinhada com as preferências humanas.
4. Loop de Renderização de Vídeo (Video Rendering Loop):
   • Direção de Cena: Um agente "Diretor de Cena" converte o roteiro finalizado em storyboards e direções de tomadas (enquadramento, expressões, continuidade).
   • Geração Iterativa: Para cada tomada, o sistema gera múltiplas versões (vídeo, imagem, voz).
   • Críticos de Renderização: Críticos específicos para vídeo avaliam as tomadas geradas, corrigindo problemas como inconsistência de personagens, fundos errados ou artefatos visuais.
   • Torneio de Seleção: Uma seleção "single-elimination" ocorre tanto no nível da tomada (escolhendo a melhor versão refinada) quanto no nível da cena (escolhendo a melhor direção de cena entre várias opções), permitindo scaling no tempo de inferência (test-time scaling).

3. Contribuições Chave

• Primeiro Sistema Agente Automatizado para Comédia: O COMIC é o primeiro sistema a gerar vídeos de esboço cômico completos (1-2 minutos) de forma totalmente automatizada, lidando com a complexidade narrativa e visual.
• Otimização via Competição Multi-Agente: Substitui pipelines de passagem única (single-pass) por um processo profundo de busca e auto-melhoria, onde a qualidade emerge da competição entre roteiros e direções visuais sob pressão de críticos diversos.
• Alinhamento de Críticos com Dados Reais: Introduz uma metodologia inovadora para alinhar agentes de avaliação com preferências humanas reais, utilizando dados de engajamento do YouTube para calibrar a "sensibilidade" dos críticos a diferentes estilos de comédia.
• Escalabilidade no Tempo de Inferência: Demonstra que aumentar o orçamento computacional no momento da inferência (mais ilhas, mais críticos, mais iterações) melhora drasticamente a qualidade do resultado sem necessidade de re-treinamento de modelos base.

4. Resultados

Os experimentos compararam o COMIC com modelos de ponta (Sora 2, Veo 3.1) e outros agentes de vídeo (VGoT, MovieAgent).

• Avaliação Humana: Em uma escala Likert de 7 pontos, o COMIC superou consistentemente todas as linhas de base em todas as métricas, incluindo Engraçado, Assistir Mais, Roteiro, Narrativa e Consistência.
  • O COMIC atingiu um nível de humor classificado entre "Pouco Engraçado" e "Comparável" a esboços humanos profissionais, algo que os modelos de vídeo puros não conseguiram.
• Avaliação Automatizada: O sistema de críticos alinhados ao YouTube validou que o COMIC supera significativamente os baselines em taxas de vitória (Win Rate) e diversidade (Inter e Intra-diversidade).
• Estudos de Ablação:
  • Ilhas Múltiplas vs. Única: A topologia de múltiplas ilhas produziu maior diversidade e qualidade de humor do que uma única população unificada.
  • Sem Críticos: A remoção dos agentes críticos resultou em uma queda drástica na qualidade, confirmando que o refinamento iterativo guiado por críticos é essencial.
  • Escalabilidade: Aumentar o tamanho da configuração (Small -> Base -> Large) resultou em ganhos lineares na taxa de vitória.

5. Significado e Impacto

O trabalho COMIC estabelece um novo estado da arte na produção de vídeo longo e envolvente totalmente automatizado.

• Superação de Limitações Criativas: Demonstra que a IA pode navegar em espaços criativos abertos e subjetivos (como a comédia) sem uma função de recompensa fixa, utilizando a competição evolutiva e a diversidade de perspectivas.
• Eficiência de Custo: O sistema opera com um orçamento de API de cerca de $5 por vídeo, ordens de magnitude abaixo do custo de produção profissional, tornando a criação de conteúdo cômico acessível.
• Futuro da Pesquisa: O framework abre caminho para a aplicação de métodos de otimização competitiva em outros domínios criativos abertos, sugerindo que a "evolução" de ideias através de agentes críticos é uma via promissora para resolver problemas complexos onde a definição de "qualidade" é fluida e contextual.

Em resumo, o COMIC não apenas gera vídeos engraçados, mas propõe uma nova arquitetura de IA generativa onde a qualidade é alcançada através de um ecossistema de agentes que competem, criticam e evoluem, simulando o processo criativo humano de forma escalável.