【CEDEC2025】LLMを活用したゲーム内会話パート設定の効率化

コンピュータエンターテインメント開発者を対象とした、ゲームに関する技術や知識を共有する国内最大級のカンファレンスCEDEC2025が2025年7月22日から24日、パシフィコ横浜ノースでオンラインを併用してハイブリッド開催されました。同カンファレンスではさまざまなセッションが行われましたが、本稿は株式会社Cygames開発運営支援部門所属の立福 寛氏が発表した「大規模言語モデルを活用したゲーム内会話パートのスクリプト作成支援への取り組み」を紹介します。

インコンテキストラーニングを活用して新規モーションを推論

はじめに立福氏は自己紹介後、セッションで解説する課題して、ゲーム内会話パートのモーション、キャラクターの表情差分、そしてパートボイスをAIで出力することを挙げました。

以上の課題を解決するアーキテクチャは、ゲームシナリオにもとづいて作成したプロンプトをLLMに入力すると、モーションなどの所望の出力が生成される、というものになります。今回の開発では、LLMとしてGPT-4oを採用しました。

立福氏によると、今回の取り組み以前にもディープラーニング系の言語モデルを活用してゲーム開発を効率化する試みを行っていました。こうした以前の取り組みと今回のそれを比較すると、以下の表のようにまとめられます。今回のようにLLMを用いると、事前準備を大幅に軽減できます。

続いて立福氏は、モーションの候補を出力する方法に関する概要図を示しました。今回開発したのは、以下のスライドのように、任意のセリフをLLMに入力すると、それに対応するモーションの候補を出力する、というものです。

今回の開発では、入力データはキャラクター名とそのキャラが話すセリフがセットとなったものとし、出力はセリフにマッチしたモーションを7候補挙げるものとしました。

前述のように今回のLLMを活用した開発では、ディープラーニング系言語モデルを活用するより学習データが少ないという利点があります。こうした利点は、LLMに入力するプロンプト内に学習データを含めるインコンテキストラーニングで実現します。この学習に必要なデータは、過去の会話シーンから収集します。収集した結果、ひとつのセリフには複数のモーションが設定されていることがわかりました。

学習データを収集したことで、モーションを出力するためのプロンプトが作成できるようになります。そうしたプロンプトは、学習データに相当する過去のモーションとセリフの対応関係と新規のセリフから構成されています。プロンプトを入力されたLLMは、学習データを推論の手がかりとして、新規のセリフにふさわしいモーションを出力するというわけです。

正解率向上のための3つの方法

モーションを出力するプロンプトの基本構成を示した後、立福氏はそのプロンプトの詳細を解説しました。プロンプトは、以下のように3つの部分から構成されています。

それぞれのパートには、以下のスライドのような情報がふくまれています。

以上のようなプロンプトを入力すると、新規セリフに対応すると推論されるモーション候補が出力されるようになりました。この段階での正解率は0.39でした。この結果をうけて、立福氏は正解率を上げる3つの取り組みを行いました。1つ目は、プロンプトにふくめる学習データを、キャラクターごとに分割しました。この方法により、LLMが混乱することなく推論できるようになりました。ただし、シナリオは複数のキャラクターをふくめたままとしました。そうでないと、シナリオの意味が分かりづらくなるからです。

2つ目は、インコンテキストラーニングにおける学習データを増やすことです。試行錯誤の結果、多ければ多いほど、よい結果が得られることがわかりました。それゆえ、LLMが処理できる有効コンテキスト長の限界まで学習データをふくめることにしました。なお、有効コンテキスト長は、スペック上のコンテキスト長より短いことに注意する必要があります。

3つ目は、推論を複数回実行後に推論結果にもとづいて多数決を行う方法です。例えば、3回推論して、3回とも出力された候補を第1候補とするのです。

今回の開発では、実行回数を5～30回のあいだで複数回実施して、正解率を測定しました。さらに、1回の実施ごとにランダム要素を入れました。そうした要素として、乱数のシードを変える、プロンプトの位置を変える、といったことを採用しました。具体的には、学習データの並べ方を変えるようにしました。

以上のように複数回推論からの多数決という方法を試行した結果、推論回数が多いほど正解率が挙げることがわかりました。1回のみだと0.39でしたが、30回推論で0.70になったのです。

しかしながら、推論の複数回実行は、LLM APIのコストやレートリミットを考慮すると、限界のある方法です。最終的には、10回推論からの多数決を採用しました。この場合でも、5人のキャラクターのモーションを出力するのに、50回推論することになります。

マスターデータの整備に注力した表情差分出力システム

モーション候補の出力に続いて、立福氏はキャラクターの表情差分を出力するLLM活用について話しました。本セッションにおける表情差分とは、各キャラクターのセリフにあった衣装と表情に関する画像ファイルを意味します。表情差分は、以下のスライドのように、シナリオライターが作成したスクリプトのテンプレートにもとづいて、プランナーが手作業で表情差分画像ファイルを指定していました。

表情差分の出力で重要となるとは、キャラクターの衣装です。キャラクターには複数の衣装が設定されており、さらに衣装ごとに複数の表情差分があります。従来はプランナーが衣装を選択後、表情差分を指定してhtmlから画像を確認していました。今回開発するのは、プランナーがセリフに最適な衣装を選択すると、AIが自動的に表情差分候補を出力するシステムです。

表情差分出力システム開発においてもっとも大きな問題だったのは、キャラクター、衣装、表情差分を統一的に記録したマスターデータがなかったことでした。そこでプランナーが使っていた表情差分確認用のhtmlを、マスターデータとして流用することにしました。しかし、このhtmlは作業用に使っていたため、書式が統一されていませんでした。そのため、マスターデータとして活用できるようにするために、数か月かけてパースできるようにしました。また、プランナーの衣装選択もエクセルを活用する方法に変更しました。

マスターデータが完成すると、モーション候補を出力する方法と同様に、インコンテキストラーニングを活用したプロンプトを作成できます。表情差分出力においても、プロンプトは以下のように3つの部分から構成されます。

以上の3つの部分には、以下のスライドのような情報が含まれています。

表情差分でも、複数回推論からの多数決の手法を採用して、正解率を上げました。その結果、完全一致が0.46、上位3候補が一致する正解率は0.65でした。

さらなる正解率向上を目指した2つのアプローチ

表情差分出力システムに関しては、複数回推論からの多数決のほかにも正解率向上のために2つの方法を試しました。1つめは、複数回推論の際、推論する度に1回も選ばれなかった候補を除外する候補を絞り込んでいく方法です。この方法は、残念ながら正解率向上に寄与しませんでした。

2つめは、複数回推論において、それぞれの推論結果を次回の推論のヒントとして与える方法です。この方法では正解率が1～2％向上したのですが、ソースコード管理の手間などを考慮すると工数が増えてしまうので、不採用となりました。

さらに使用するLLMをGPT-4oから、熟慮が可能な推論モデルであるOpenAI o1に変更して、表情差分出力を試行してみました。その結果、正解率は向上しましたが推論時間が長くなってしまうなどの問題が生じ、推論モデルを採用するメリットがないという結論になりました。今回のような簡単な推論問題では、GPT-4o-miniのような軽量モデルで多数の推論をしたほうが良い結果となる可能性を指摘できます。

学習データのない新規キャラクターの表情差分については、表情差分画像ファイル名が「angry01」のように表情を連想させる名称だったことから、セリフ部分を省略した画像ファイル名と画像ファイル名の説明テキストから構成された簡易的な学習データで代用することにしました。新規キャラクターはもともと表情差分が少ないので、こうした簡易的な推論でも動作しました。

会話シーンで5割、バトルシーンで1割の効率化を実感

立福氏は、演出の自動指定についても解説しました。ゲーム開発においては、各キャラクターのセリフごとに「キャラ登場」のような演出指示がエクセルで設定されています。この作業に関しては定型的に処理できるため、AIではなくプログラムで対応しました。

演出指示の自動処理において問題だったのが、こうした指示の種類が多いうえに表記にも揺れがあったことでした。こうした問題に対処できるスクリプトを組んだ結果、その行数はAIによる処理の2倍になりました。スクリプト開発工数も、今回の工数全体の7割を費やしました。ちなみに、AI処理のスクリプト開発工数は、工数全体の1割でした。

立福氏は、表情差分出力システム導入による効果についても話しました。同システム導入の結果、会話中心のシーンで5割、バトルシーンなどの動きが激しいシーンでは1割程度の効率化が実感できました。また、ゲーム開発プロジェクト案件全体では、2～3割程度の効率化ができました。

立福氏によると、作業効率化によって生じた工数は、ゲームの改善のために費やされるようになりました。そして、今回開発したLLMを活用した作業効率化ツールは、ゲーム開発業務に欠かせないものとして定着した、とのことでした。

パートボイス設定自動化では従来手法のほうが高正解率

セッションにおける最後の話題として、立福氏は今回のLLM活用による効率化を従来手法との比較という観点から話しました。この比較は、パートボイスの設定自動化を通して解説されました。パートボイスとは、セリフの一部のみに音声を設定する演出を指します。

パートボイスの設定自動化については、立福氏はCEDEC2023においてRoBERTa（BERT系のディープラーニング言語モデル）を活用した取り組みを発表していました。今回は、同様の取り組みをGPT-4oを用いて実施してみました。

参考記事：【CEDEC2023】AIによる感情分析でゲーム内会話パート制作を効率化：セッションレポート

比較の結果、パートボイスの設定自動化については、RoBERTaを活用した従来手法のほうが正解率が高いことがわかりました。こうした結果になったのは、従来手法のほうが学習データが多いから、と推察できます。もっともLLMを活用した手法は、手間のかかるファインチューニングが不要なうえに、LLM自体の進化によって正解率が上がる可能性がある、というメリットがあります。

以上の立福氏の発表からわかるのは、LLMを活用すれば、テキストにもとづいた簡単な推論を伴う処理を効率化あるいは自動化できる、ということです。こうしたゲーム開発におけるLLMを活用できるパートはプロジェクトごとに大きく異なるでしょうが、どのプロジェクトにも存在していると考えられます。そして、LLM活用による小さな効率化が蓄積すれば、ゲーム開発全体の大きな効率化につながることでしょう。

Writer：吉本幸記