Hacker News
A computer systems engineering student built CineGraphs, a tool that fine-tunes Qwen2.5-7B on 100 films to generate branching narrative paths for screenwriting, moving beyond generic AI writing outputs.
AI 生成摘要
一位電腦系統工程系的學生開發了 CineGraphs，這是一個使用 100 部電影微調 Qwen2.5-7B 的工具，用於生成劇本創作的分支敘事路徑，超越了通用 AI 寫作的輸出。
CineGraphs 是一位從電影學院轉向電腦系統工程的墨西哥學生所開發的工具，旨在解決 AI 創作內容過於公式化與平庸的問題。該工具基於 Qwen2.5-7B 模型，並針對 100 部具有獨特敘事結構的經典與實驗電影進行微調，讓使用者能透過機率性的故事圖譜（Probabilistic Story Graphs）探索非線性的敘事路徑，而非過早進入傳統的線性劇本寫作。
Hacker News 的社群對 CineGraphs 展現了高度興趣，討論核心集中在這種「非線性探索」如何改變創作流程。多數留言者認為，這類工具最珍貴的價值在於提供「具備生成性約束的創意啟發」，而非單純的內容產出。有評論者將其比作音樂家 Brian Eno 的《斜向策略》（Oblique Strategies）卡片，認為這種引導思考而非直接代筆的方式，比目前的通用型大語言模型更具人性化且更符合創意邏輯。
在技術實踐與功能完善度方面，使用者提出了不少具體的改進建議。例如，目前的圖譜結構雖然能不斷分支，但缺乏「故事終點」的標記功能，導致敘事無法收束。此外，社群強烈建議增加手動編輯節點的功能，讓創作者能修改 AI 生成的建議或自行添加分支，從而實現真正的協作。關於視覺呈現，部分使用者反映當圖譜變得複雜時，節點會出現重疊現象，開發者也對此回應正在優化自動佈局演算法。
值得注意的是，專業創作者與業餘愛好者對此工具的應用想像有所不同。有業餘寫作者希望將此工具作為「故事顧問」，透過 API 串接將其分支結構整合進自己的知識庫中；而專業視角則更關注其結構分析能力，提議將該工具轉化為劇本評估系統，用來識別場景鏡像或角色弧線的反轉等深層結構。
最後，討論中也出現了對產業衝擊的憂慮。有評論指出，若這類工具被大型製片廠掌握並優化成流暢的商業產品，雖然能帶來巨大的商業利益，但也可能徹底摧毀媒體創作的獨特性。然而，開發者強調其訓練資料刻意挑選了高達達、黑澤明、塔可夫斯基等大師的作品，正是為了打破主流電影的公式化框架，讓 AI 學習到敘事結構其實是一個廣闊的設計空間，而非單一的套路。