アニメーション生成や地形生成も登場：ストーリー生成ゲームの現状

2025.10.16ゲーム

生成AIの登場によって、モリカトロン株式会社が発表した『Red Ram』や『言霊の迷宮』のような、プレイヤーの入力に応じてストーリーを生成する”ストーリー生成ゲーム”が可能となりました。この新しいジャンルのゲームは、世界でも研究開発されています。そこで本稿は、2025年に発表された世界のストーリー生成ゲーム研究事例を2つ紹介します。

予測したゲーム状態からアニメーションを生成

中国大手IT企業テンセントの研究部門と香港城市大学の共同研究チームは2025年4月、プレイヤーの入力に合わせて短いアニメーションを生成するアドベンチャーゲームシステム「AnimeGamer」を発表しました。このシステムは、『言霊の迷宮』では静止画で表示されるグラフィック部分を、アニメーションで表現したものと言えます。

AnimeGamerのアーキテクチャは、以下の画像のように3つのモジュールから構成されています。

アニメーション生成モジュール（画像左上「(a) Animation Shot Tokenization and Detokenization」）：ゲームからの入力情報に合わせてアニメーションを生成するモジュール。既存の動画生成モデルはテキストあるいは画像を入力情報として受け取るが、AnimeGamerではゲームとの同期を高めるため、アニメーションの1フレーム（画像）に加えて、「ささやくように話す（softly talk）」のようにアクションをテキストで指示する「アクション描写（Action description）」、アクションの強度を指示する「モーション範囲（motion scope）」を入力できるように訓練した。
ゲーム状態予測モジュール（画像下「(b) Next Game state Prediction」）：プレイヤーからのテキスト入力に合わせて、次のゲーム状態を予測するモジュール。このモジュールでは、テキストから画像を生成するマルチモーダルLLMを採用している。このモジュールからは、アニメーションを生成するための画像に加えて、ゲーム状態を制御する各種キャラクターパラメータも出力される。今回の研究では、キャラクターパラメータとして登場人物間の親密度などの3つを生成した。
アニメーション-ゲーム同期モジュール（画像右上「(c) Decoder Adaptation」）：ゲーム状態予測モジュールから出力された画像を、アニメーション生成モジュールに入力情報として渡すモジュール。このモジュールによって、プレイヤーが入力したテキストに応じたアニメーションが生成される。

AnimeGamerの学習データとして、主としてジブリ映画をふくんだ10本のアニメ映画から2万シーンが収集されました。既存の動画学習データセットを採用しなかったのは、こうしたデータセットではキャラクターの一貫性に乏しかったからでした。

異なる作品のキャラクターが同時に登場するシーンがプレイ可能に

研究チームは、AnimeGamerを評価するために評価指標を自動計算する定量的評価と、GPT-4oと人間評価者に評価してもらう定性的評価を実施しました。なお、AnimeGamerと同等の機能を有する既存モデルは存在しないため、既存のテキスト生成モデルと動画生成モデルを組み合わせて比較モデルを構築しました。

評価にあたっては、学習データからランダムに1シーンを選んだうえで、そのシーンをスタート地点としてGPT-4oにAnimeGamerをプレイさせて、ゲーム状態に対応したアニメーションを生成しました。このようにして生成した200シーンの評価用アニメーションには、20の登場人物、940のアクション、133の異なる背景がふくまれていました。

定量的評価では、キャラクターの一貫性、コンテキストの一貫性、アクションの品質、状態更新（シーンが切り替わる時の品質）、そして推論時間に関する各種指標を自動計算して比較しました。その結果、AnimeGamerがすべての評価観点で最高評価となりました。

定性的評価では、GPT-4oに評価用アニメーションを評価する指示を与えると同時に、画像あるいは動画の生成経験をもつ大卒者20人に、AnimeGamerと比較モデルの出力結果を比較してもらいました。評価観点には、入力テキストに対するアニメーションの追従性、コンテキストの一貫性、キャラクターの一貫性、作風の一貫性、そして状態更新を採用しました。この評価においても、AnimeGamerがすべての評価観点で1位となりました。

以下の画像は、実際にAnimeGamerと比較モデルが出力したアニメーションの一部です（画像の右側にゲームパラメータを表示）。登場人物は『天空の城ラピュタ』のパズーと『魔女の宅急便』のキキ、入力テキストは「静かに本を調査する」、背景は「部屋」です。上段の「Ours」が、AnimeGamerが生成したフレーム群です。下段および中段の比較モデルの生成結果では、入力情報が正しく反映されていません。注目すべきは、パズーとキキが同時に登場するシーンは学習データでは存在しないにもかかわらず、AnimeGamerは正しく生成できているところです。

以上のようなAnimeGamerは、現時点では学習データにふくまれていないキャラクターを生成できません。研究チームは今後の研究課題として、未知のキャラクターの生成を挙げています。

※注：「AnimeGamer」は研究機関による非営利学術研究の一環として開発されたものであり、使用データには著作権保護対象をふくむ可能性があります。研究チームは研究目的利用の法的範囲内での実施を主張しており、モデル本体にも商用利用の制限が設けられています。本稿で当該のモデルを紹介した意図は、技術的意義や学術的貢献を紹介するためであり、著作権者の許諾を得ない素材の再利用や研究成果の商用利用を推奨するものではありません。

木から取得した単語から地形を生成する

アメリカのニューヨーク大学の研究チームは2025年3月、プレイヤーが入力するテキストから地形を生成するゲームを発表しました。「GIP（God’s Innovation Project：神のイノベーションプロジェクト）」と命名されたこのゲームは、プレイヤーは神となって地形を生成したり、人間NPCを増やしたりするゴッドゲームの一種であり、ストーリーの代わりに地形を生成するので、ストーリー生成ゲームの変種あるいは派生形と言えます。

GIPのゲーム仕様は、以下のように箇条書きできます。

ゲームは、グリッド上に敷き詰めされた地形タイルから構成されたフィールドで展開する。
ゲームフィールドは10 x 10タイルのサブグリッドを基本としており、サブグリッドが4 x 4面敷き詰められている。したがって、地形タイルは合計16,000個ある。
プレイヤーは任意のサブグリッドを選択したうえで、そのグリッドを変化させるために「森のなかにある川」のようなテキストを入力する。すると、サブグリッドの地形がテキストの内容に応じて変化する。この地形生成処理には、テキストから軽量な画像を生成するFive-Dollar Modelが活用されている。
プレイヤーが入力できる単語は、ゲームプレイを通じて取得できる。ゲームスタート時に「森」が与えられており、フィールド中の木を切っても単語が得られる。さらに稀に出現する宝玉からも得られる。
ゲームスタート時に人間NPCとして、ファイター、アーチャー、ワーカーが各1人いる。ファイターとアーチャーは後述するモンスターと戦うことができ、ワーカーは木を切って単語を取得できる。
人間たちを襲うモンスターも登場する。モンスターにはボスとその手下のミニオンがおり、ボスは2分ごとに任意の場所に出現する。プレイヤーは人間を使って、フィールド上のすべてのボスを倒すとゲームクリアとなる。反対に、モンスターがすべての人間を倒した場合、敗北となる。
モンスターのライフポイントは、人間よりはるかに多い。ゆえに、ゲームをクリアするためには、人間を増やしてモンスターに対抗しなければならない。
人間を増やすには、「家」タイルを出現させる必要がある。「家」という単語はゲームスタート時にはないので、プレイ中に取得しなければならない。
GIPの基本的なプレイ戦略は、単語を収集したうえでモンスターとの戦いが有利になるような地形を生成することとなる。

以下の1枚目の画像が、GIPのゲームフィールドの鳥観図であり、2枚目が「森の中の川」と入力して生成されたサブグリッドの地形です。

78.9%のプレイヤーの創造性を触発

研究チームはGIPのゲームレビューのために、ゴッドゲーム経験者19人に同ゲームをプレイしたもらった後に、さまざまな質問を設けたアンケート調査を実施しました。入力プロンプトに合致した地形生成が行われたかどうかについて、5段階評価（1が最低、5が最高）をしてもらったところ、84.2%のプレイヤーが3以上の評価をしました。

地形生成に関して、創造的なプレイがうながされたか、という質問については、78.9%のプレイヤーがYESと回答しました。

創造的なプレイに関しては、入力プロンプトの長さを集計した結果からも、肯定的な証拠が得られました。プロンプトの長さは1単語あるいは2単語を合わせると約78%なのですが、5単語の以上の入力が3～4単語入力より多い9.9%だったのです。この結果からは、「木」や「家」といったプレイにおいて重要な単語を頻繁に入力する一方で、多数の単語を並べて創造的な地形変形を試みていたことがうかがえます。

GIPは地形生成ゲームとしては極めてシンプルな仕様のゲームですが、アンケート調査やプレイログを参照すると、プレイヤーの創造性を大いに触発できたと結論づけられます。

本稿で紹介したAnimeGamerとGIPのようなストーリー生成ゲームとその派生形の魅力は、プレイヤーの数だけ展開が異なる”プレイの多様性”にあります。こうしたゲームはまだ研究段階ではありますが、近い将来、新しいゲームジャンルとして確立されるかもしれません。そして、このジャンルのプレイヤーが自身のプレイ結果をシェアするような、”ストーリー生成ゲームコミュニティ”の誕生も期待できるでしょう。

Writer：吉本幸記、Photo by Djesic