Процедурика в визуальных новеллах
Чтобы понять как автоматизировать, надо сначала узнать что автоматизировать и как оно устроено.
Алгоритмы для формирования повествования
В этом пункте будут рассмотрены подходы формирования повествования в рамках визуальных новелл, так как последующее изучение материала будет направлено именно на этот жанр.
Деревья и ветки
Дерево решений — один из самых традиционных подходов к нелинейному сюжету в визуальных новеллах. Каждая развилка, она же ветка, — это точка, где игрок делает выбор, а результаты этого выбора ведут к новым событиям. При таком подходе сценаристы заранее проектируют возможные пути прохождения истории, что обеспечивает контроль над сюжетными изменениями. Также деревья часто комбинируются с другими системами, с целью увеличения гибкости и вариативности. Они очень удобны в реализации стандартизированных вилок и множественных концовок.
Сюжетное дерево
Finite State Machines
FSM — структура, которая хорошо применяется в моделировании поведения персонажей или состояния сюжета. Каждое «состояние» машины соответствует определенному сценарию, сцене или эмоциональному состоянию NPC, а переходы между состояниями зависят от переменных, выборов игрока и прочих заданных условий.
схема finite state machines
Исследования в области интерактивных нарративов часто используют FSM для управления поведением персонажей и «микро-состояниями» сюжета. Например, в классической работе «Interactive Narrative» Нельсона Матеаса и др. описывается, что drama-менеджер может наблюдать за состояниями истории и изменять ее конфигурацию, опираясь на текущие «машинные» состояния.
Rule-based systems
Rule-based подход очень популярен для процедурной генерации событий и диалогов. Правила описывают, что должно произойти при определенных условиях: если отношения между персонажами выше/ниже некоторого порога, если определенное событие уже произошло, или если переменная «настроение» персонажа имеет определенное значение. Это обеспечивает динамическое создание событий, сохраняя логическую целостность. При этом сценарист заранее задает базовый набор правил, а алгоритм сам определяет, какие ветви активны в текущем состоянии мира. В более сложных вариантах реализации правила могут работать совместно с другими механизмами, такими как FSM или drama manager.
схема Rule-based systems
Drama Managers
Это агент. Он наблюдает за тем, как развивается история, то есть за «состоянием мира», решениями игрока и переменными, и вмешивается, чтобы направить сюжет в нужное русло, сохраняя драматическую структуру: кульминации, конфликты, завершения.
В литературе по интерактивному игровому нарративу часто встречается идея, что подобный менеджер может выбирать, когда и какие сюжетные повороты «включать», основываясь на состоянии игры и действиях пользователя. Это позволяет сохранять баланс между свободой игрока и драматической целостностью истории.
Другой, смежный подход — так называемое адаптивное повествование (adaptive narrative), где система не просто следует фиксированной ветвящейся структуре, а адаптируется под предпочтения или стиль поведения игрока. То есть события, мир, развитие сюжета могут выбираться так, чтобы лучше соответствовать ожиданиям, интересам или предыдущим действиям игрока, обеспечивая, таким образом, «живое» повествование, которое может быть разным при повторных прохождениях.
Template-based Procedural Generation
Этот метод подразумевает использование заготовленных шаблонов для событий, диалогов и сцен, которые заполняются и комбинируются динамически в зависимости от состояния игры. Шаблоны могут содержать слоты — например, параметризованные части диалога или описания, которые заполняются на основании текущих переменных. Работа сценариста в данном случае заключается в создание этих самых шаблонов, а не прописывание всего вручную. А алгоритм, используя эти параметры, генерирует ситуации.
условный пример
Planning / Graph Traversal
Иногда для построения более «гибкого» и «осмысленного» сюжета применяется планирование. Система рассматривает множество возможных последовательностей событий и выбирает те, которые соответствуют драматическим целям. Это особенно актуально, если drama manager должен привести игрока к определенным ключевым моментам сюжета. К примеру, система может моделировать сценарий как граф, где узлы — сюжетные события, а ребра — переходы между ними. Планировщик ищет путь через этот граф, выбирая события, которые создадут устойчивую драматическую арку и при этом будут соответствовать текущим действиям игрока.
Что уже автоматизируется в визуальных новеллах
Для начала важно понимать, что абсолютная интеграция процедурной генерации нарратива в визуальные новеллы слишком сложный способ для достижения наилучшего результата при минимальных ресурсах, так как результат окажется абсолютно противоположным.
Визуальные новеллы по своей природе ориентированы на линейное повествование с выборами игрока и жестким авторским контролем. Это буквально чтение книги или просмотр фильма, с нюансом того, что можешь иногда выбрать другой вариант развития событий, который тоже уже продуман. Это неплохо, поскольку в этом жанре важна драматургия, глубина и смысловая нагрузка текста. Однако было бы очень здорово, если бы что-то можно было автоматизировать.
Ветвление сюжета
Создание сюжетных веток один из самых распространенных и основных подходов, где игрок принимает решение в ключевых моментах. Эти выборы влияют на дальнейшее развитие сюжета, а их комбинация определяет финал. Для реализации такой механики в движках визуальных новелл, например Ren’Py или TyranoBuilder, используются заранее прописанные скрипты и дерево решений. Хотя эти ветвления заранее определены, их комбинации создают ощущение уникального нарратива.
Генерация диалогов и контента
В ряде экспериментальных новелл реплики персонажей и мелкие события формируются динамически в зависимости от предыдущих выборов игрока или состояния игрового мира. Для этого применяются шаблонные генераторы или более сложные модели машинного обучения, такие как нейросети и трансформеры. Это позволяет создать впечатление живого мира, где реакции персонажей кажутся органичными.
Состояние мира и прочих переменных
Зачастую различные показатели по типу отношений с персонажами, ресурсов, моральных показателей записываются как переменные и все их изменения в том числе. Процедурная генерация использует эти данные для автоматической корректировки развития сюжета, применяя rule-based системы и генеративные сценарии. Алгоритмы проверяют условия, заданные правилами, и на их основе выбирают, какие события, сцены или диалоги должны произойти.
The Dark Pictures Anthology: Man of Medan
Аналогичным образом используются генеративные сценарии. Они создают события на основе заданных правил, шаблонов и получаемых данных о состоянии мира игра.
Адаптивные нарративные системы
Они применяются для повышения связности истории. Чаще всего они реализуется через комбинацию ветвления, правил и Drama Managers, а в отдельных экспериментах — с применением нейросетей, способных оценивать эмоциональный контекст.
Эти методы не ломают целостность и неразрывность повествования, так как лишь автоматизируют некоторые аспекты подстраивая сюжет под игрока. Они не делают работают с текстом, лишь с его последовательностью, и то по уже четко прописанным правилам.
Преимущества и недостатки
Процедурные системы генерации сюжета в визуальных новеллах обладают значительным преимуществом — они позволяют создавать адаптивные, вариативные и интерактивные истории, повышая вовлеченность игрока и реиграбельность. В то же время общий недостаток всех этих систем заключается в сложности поддержания глобальной логической и драматической целостности повествования, особенно при большом числе возможных ветвей и переменных.
Ветвление сюжета реализуется через заранее прописанные скрипты и дерево решений, как это часто делается в движках визуальных новелл, таких как Ren’Py. Преимуществом этого метода является надежный контроль над ключевыми точками сюжета и возможность автоматически подбирать ветку в зависимости от выбора игрока, создавая иллюзию уникального нарратива и поддерживая классические принципы нелинейной истории (см. Мусинцева о структуре визуальных новелл, Вестник UTMN). К недостаткам относится экспоненциальный рост числа ветвей при увеличении количества выборов, что усложняет разработку и тестирование и может приводить к логическим разрывам в истории.
Генерация диалогов и контента автоматизируется с помощью шаблонных генераторов или моделей машинного обучения, таких как нейросети и трансформеры. Преимуществом этого подхода является возможность создавать динамические, контекстно-зависимые диалоги и события, что усиливает ощущение «живого» мира и органических реакций персонажей. Недостаток заключается в том, что простые шаблонные системы могут создавать механистические или повторяющиеся реплики, а более сложные нейросетевые модели требуют значительных ресурсов и тщательной настройки, чтобы избежать нелогичных или неуместных текстов (например, система Drama Llama, arXiv).
Адаптивные нарративные системы, включая драм-менеджеры, сочетают ветвление, правила и динамическое управление последовательностью событий. Их ключевое преимущество — способность корректировать ход истории в зависимости от действий игрока и состояния мира без нарушения глобальной драматической структуры, что поддерживает эмоциональную и сюжетную целостность истории (исследования Expressive Intelligence Studio). Основной недостаток заключается в высокой сложности разработки и необходимости тщательной настройки правил и эвристик, чтобы алгоритмы не приводили к непредсказуемым нарушениям драматической арки.
