生成AIを使って小説を書く、お話を作る、と聞くと、次のような使い方がされているのをよく見ますよね。
高校生の少年と幼なじみの少女が登場する、少し不思議な青春小説を書いてください。
まず、このような自然文のプロンプトを入力して、
生成された文章を読んで、
もう少し主人公を無口にしてください。
ここはもっと不穏な雰囲気にしてください。
ヒロインの性格をツンツンツンデレぐらいで。
とか、追加の指示を出す。さらに続きを生成し、また修正を指示する。
生成AIを使った創作として、ごく一般的な方法です。人間とLLMが対話をしながら、物語を作っていく。いわば「AIとの共同創作」です。もちろん、AIを使った創作にはほかにもさまざまな方法があります。
いま、私が行っている実験では、物語の設計と本文生成を意図的に分けています。
この記事では、その実験の、ChatGPTやClaudeAIを使った初期検証からオープンLLMの比較実験へ進んだ経緯を紹介します。この先、何回か連載するその第1回です。
AIに物語を考えさせない
私はゲーム開発を中心に、長くシナリオ制作とナラティブデザインを仕事にしてきました。
今回の実験では、まず次のような物語設計の主要な意思決定を人間側つまり、私の頭で考えてテキストでカタカタと作成します。
- 世界観とテーマ
- キャラクター
- ストーリーとエピソードの構成
- シーンの目的
- シーン内で起きる出来事
- 情報を開示する順番
- 伏線
そしてLLMに、
このキャラクターで面白い話を考えて
とは頼みません。
人間側で物語を設計したうえで、その結果をYAML形式のファイルとして構造化し、
この仕様に従って、このシーンを本文として出力してください
という使い方をします。
つまり今回LLMに期待しているのは、主として物語の設計ではなく、その実装としての文章生成です。
ただし、台詞や描写の細部まで、人間がすべて指定するわけではありません。LLMには表現上の選択を任せますが、物語の骨格やシーンの役割を決める責任は人間側に置きます。
この記事でいう「物語を考えさせない」とは、この役割分担を指しています。
その狙いは、ゲーム開発で行う、膨大な量のテキスト作成作業の省人・省力化です。創造性はあくまで人間の領域、実装するテキストは自動生成する、というものです。
実際にLLMへ渡すもの
実験作品として使用しているのは、2日くらいでパパっと考えた現代ファンタジー作品『かんなぎダイアリー』というものです。
かんなぎダイアリー — note
たとえば、冒頭のあるシーンについて人間側の考えでは、
- 高校二学期初日の朝
- 主人公・隼太と幼なじみ・みず葉の普段の距離感を見せる
- みず葉が妙に隼太を気にしている
- ただし、その理由はまだ明かさない
- 親友の住吉が入ることで日常の空気へ戻す
- 最後に隼太の中へ小さな疑問だけを残す
というような設計をしています。
この内容を、LLMへ渡すための「Scene Card」と名付けたYAMLファイルを作ります。
そこでは、たとえば次のように記述します。
scene_goal: 隼太とみず葉の「当たり前の距離感」を見せる
scene_question: なぜ、みず葉は隼太を気にかけ続けているのか?
conflict: 平穏な日常の中に潜む、説明されない感情の差
beats:
- 日常
- 違和感
- 日常回復
- 予感
reveal_policy:
- 伏線の提示にとどめる
- みず葉の動機はここでは明かさない
これは実際のScene Cardの項目名や階層、内容を、説明用に簡略化した例です。実験に使用する入力原文とは異なります。
Scene Cardは、シーン単位の設計書です。beatsはシーン内の展開の区切り、reveal_policyは情報開示の方針を表します。
ここで重要なのは、LLMに平文プロンプトで、
ちょっと意味深な朝のシーンを書いてください
と頼んでいるわけではないこと。
シーンの目的も、中心となる問いも、出来事の順序も、どこまで情報を開示してよいかも、人間側ですでに決めています。
LLMには、その設計を台詞や行動、情景描写として具体化してもらうという手順です。
一つのYAMLですべてを管理するわけではない
物語生成に必要な情報はScene Cardだけではありません。実験では、役割ごとに情報を分けています。
| 仕様 | 主な役割 |
|---|---|
| Scene Card | シーンの目的、展開、情報開示を指定する |
| Character Context | 人物の性格、話し方、行動傾向を指定する |
| Addressing Rules | 誰が誰を何と呼ぶかを指定する(呼称表) |
| Style Guide | 文章の視点、文体、表記方針を指定する |
これらを組み合わせて、一つのシーンを生成します。
生成時には、これらをまとめて一つの入力にする場合もあります。ただし、管理上は意味の違う情報を別々の仕様として保持するという考え方です。
YAMLを使うこと自体が目的なのではありません。また、YAMLにしたらLLMが必ず指示を守る、というわけでもありません。
重要なのは、物語の内容と設計を、LLMとのチャット履歴から外へ出すことです。
なぜ自然文の巨大なプロンプトにしないのか
もちろん、すべての設定を一つの長い自然文プロンプトに書くこともできます。
短い作品なら、それでも十分機能すると思います。しかし長編になると状況が変わります。
人物が増える。世界設定が増える。エピソードが増える。過去のシーンとの整合性も必要になる。
さらに、
この人物はこう話す
この二人はこう呼び合う
この伏線はまだ明かしてはいけない
この第〇話ではここまでしか進めない
といった、あれこれ仕組みたいことや制約・問題が増えていきます。しかし・・・
ある問題を直すためにプロンプトへ一文追加し、別の問題を直すためにまた追加する。
これを繰り返すと、最終的には、何の指示が、どの出力へ影響しているのかが分かりにくくなります。これがボリュームのある物語になれば、平文プロンプトも巨大になり、どこに何を書いたかもわからなくなりそう。
そこで、作品の設定や制約と、「本文を生成してください」という実行指示を分け、さらに設定や制約を役割ごとに管理することにしました。
たとえば呼称に問題があればAddressing Rulesを確認する。
人物の振る舞いに問題があればCharacter Contextを確認する、というような方法。
分けておけば、何を変更したのか記録しやすくなりますし、特定の仕様を加えた場合と加えない場合の比較もできます。
これは物語制作だけの話ではなく、ソフトウェアで処理と設定データを分ける考え方に近いかもしれません。最終的には開発現場で使えるものにしたいわけですから。
「もっとこうして」と修正しない
もう一つ、この実験には重要なルールがあります。
一回の生成結果を見て、
もっと主人公らしくしてください。
ここでは伏線を説明しないでください。
このキャラクターはそんな話し方をしません。
と追加指示を出して修正することは、一回の試行の中では原則として行いません。
もちろん物語の制作という目的であれば、そういう対話は非常に便利です。
しかし実験では、最初の入力だけで生成できたものと、人間が出力を見ながら逐次修正したものを分けて評価したいと考えています。
そこで、問題があった場合は、その場の追加指示で本文を直すのではなく、まず入力仕様を点検します。
- Scene Cardの情報が不足していたのか
- Character Contextの見直し必要なのか
- 呼称ルールを漏れなく充実させるべきなのか
- Style Guideの書き方に問題があるのか
そのうえで、モデルが仕様に従う能力の限界や、生成パラメータ、実行環境の問題も検討します。
最初はChatGPTで試した
この方式を試し始めた当初は、ChatGPTを使って本文を生成していました。
そこで一定の結果が得られると、次の疑問というか、新たな発想が出てきました。
このScene CardやConfigは、ChatGPTだから利用できているのか?
それとも、
ほかのLLMにも、ある程度通用する仕様になっているのか?
そこで同じ考え方で、Google Gemini、Claudeにも共通の作品設計を入力し、生成結果を比較しました。
狙いは、どのAIが一番小説を書くのが上手いかを決めることではありません。
同じ設計を渡したとき、その生成AIが、
- 何を仕様どおりに反映するか
- 何を無視するか
- 何を勝手に補完するか
- シーン構造をどこまで維持するか
- 伏線を伏線のまま保持できるか
を見るためです。
この段階は、共通の設計仕様を複数のサービスで利用できるかを探る初期検証として位置づけました。
同じ仕様でも、出力は同じにならない
実際に比較すると、モデルごとに結果は違いました。
会話や人物の心理描写を膨らませる出力もあれば、情景や空間の説明にウェイトを置く出力もある。設定に書かれていない情報を補完する現象もありました。
ただし、個々の出力で見られた違いを、そのまま各モデルに固定された性質と断定することはできません。
構造化したからといって、モデル間の生成結果の違いが消えるわけではない。
ここで重要なのは、私が目指している「LLM非依存」とは、どのLLMでも同じ文章を出力することではないということです。
目標は、作品の世界観や構造を共通の設計仕様として保持し、特定のサービスや会話履歴に依存しないで、異なるLLMへ渡せるようにすることです。
そのうえで、各LLMがどこまで設計意図を本文に反映できるかを評価します。同じ仕様を渡せることと、同じ品質で実行できることは別の問題です。
言い換えるなら、ナラティブデザインをモデルから分離し、LLMを交換可能な文章生成エンジンとして扱えないかという実験です。
小さなオープンLLMでも通用するのか
ChatGPT、Gemini、Claudeでの初期検証を経て、また新たな疑問が生まれました。
この設計仕様を、もっと小さなオープンLLMはどこまで利用できるのか?
そこで、Kaggle NotebookのGPU環境を使い、共通のScene CardとConfigによる本文生成を試すことにしました。
次の機会では、その実験過程と結果を紹介します。まず第2回では、Gemma 2 2B ITとQwen3-8Bの出力を比較します。
参照資料について
設計資料と実験の結果は、以下のリポジトリで公開しています。
LLM-independent Narrative Generation — GitHub
人間側の作品設計と、LLMへ渡す構造化入力を分け、作品の最新版とは独立した実験用スナップショットとして置いています。
過去の実験時の入力との対応を確認しながら、生の生成結果やログも、原文を確認できたものから順次追加します。資料の詳しい読み方は、この先実験内容とともに説明していこうと思います。