Kahaani：一个多模态共创式故事讲述系统
计算与语言
2026-02-10 v6
摘要
本文介绍了Kahaani，一个利用生成式人工智能的多模态共创式故事讲述系统，专为儿童设计，旨在解决维持参与度以促进教育性叙事体验的挑战。在此，我们将“共创”定义为一个协作创作过程，其中儿童和Kahaani共同为故事的生成做出贡献。该系统结合了大型语言模型（LLM）、文本到语音（TTS）、文本到音乐（TTM）和文本到视频（TTV）生成技术，以产生丰富、沉浸且易于访问的故事讲述体验。该系统将共创过程建立在两个经典的故事讲述框架之上：Freytag金字塔和Propp叙事功能。Kahaani的主要目标是：（1）帮助儿童提高英语技能，（2）通过故事寓意教授重要的生活道理，以及（3）帮助他们理解故事的结构，所有这些都以一种有趣且引人入胜的方式进行。我们展示了所使用每个AI组件的评估结果，以及一项涉及三对亲子对的用户研究，以评估系统的整体体验和教育价值。
引用
@article{arxiv.2409.11261,
title = {Kahaani: A Multimodal Co-Creative Storytelling System},
author = {Samee Arif and Muhammad Saad Haroon and Aamina Jamal Khan and Taimoor Arif and Agha Ali Raza and Awais Athar},
journal= {arXiv preprint arXiv:2409.11261},
year = {2026}
}