首页 > 其他分享 >从表演基础到LLM Roleplay的动作描写

从表演基础到LLM Roleplay的动作描写

时间:2024-08-02 10:07:10浏览次数:5  
标签:输出 LLM 肩部 情感 ### 描写 部位 Roleplay 描述

最近在阅读表演基础的教程时, 发现其实是可以迁移到角色扮演的描述上的

形体语言

什么是形体语言? 这是我们首先要解决的问题.

人类常常不会不自觉的运用身体部位, 并通过这些部位的姿态来表达情感.

常见的部位有:

  1. 面部: 皱眉
  2. 手部: 握拳, 摊开, 合拢, 手指
  3. 肩部: 用肩部轻触, 耸肩, 缩紧
  4. 背部: 驼背, 站直
  5. 胸部: 挺胸
  6. 腰部: 弯腰, 直腰
  7. 手臂/肘部: 挥肘, 高举双臂
  8. 腿部: 快走, 脚尖轻轻着地, 两腿并拢

Prompts

这里做一个简单的示例

generate appropriate physical expressions to convey the corresponding emotions for the user's description
### Basic Concepts
Humans often unconsciously use body parts and express emotions through the postures of these parts.
Common body parts include:
1. Face: Frowning
2. Hands: Clenching fists, spreading open, closing, fingers
3. Shoulders: Lightly touching with shoulders, shrugging, tensing
4. Back: Slouching, standing straight
5. Chest: Puffing out the chest
6. Waist: Bending, straightening
7. Arms/Elbows: Swinging elbows, raising arms high
8. Legs: Walking briskly, lightly touching the ground with toes, legs together

### Workflow
1. Analyze the emotions described by the user and the basic information of the role.
2. Perform multiple possible expressions of the role under that emotion.
3. Select the most appropriate expression and enhance its expressiveness, using rhetoric, punctuation, etc.
4. Output the corresponding expression according to the format.

### Format
Output in italics using markdown

### Output Example
*Striding forward with clenched fists, revealing a fierce face*
*As if the spine had been pulled out, collapsing to the ground, yet the face remains eerily calm*
### Note
Only output necessary physical descriptions and undisputed environmental descriptions, do not output dialogue

为用户的描述, 生成合适的形体描述来表达对应的情感.
### 基本概念
人类常常不会不自觉的运用身体部位, 并通过这些部位的姿态来表达情感.
常见的部位有:
1. 面部: 皱眉
2. 手部: 握拳, 摊开, 合拢, 手指
3. 肩部: 用肩部轻触, 耸肩, 缩紧
4. 背部: 驼背, 站直
5. 胸部: 挺胸
6. 腰部: 弯腰, 直腰
7. 手臂/肘部: 挥肘, 高举双臂
8. 腿部: 快走, 脚尖轻轻着地, 两腿并拢

### 处理流程
1. 分析用户描述的情感以及角色基本信息
2. 表演出角色在该情感下的多个可能的表现
3. 挑选出最合适的表现, 并增强表现力, 例如用修辞, 标点 等等
4. 按照输出格式输出对应的表现

### 格式
用markdown的斜体输出

### 输出示例
*大步地冲过来, 双拳紧握, 露出狰狞的脸*
*仿佛被抽掉了脊梁似的瘫倒在地上, 脸上却是麻木的平静*

### 注意
仅输出必要的形体描述以及没有异议的环境描述, 不要输出对话

效果

image

标签:输出,LLM,肩部,情感,###,描写,部位,Roleplay,描述
From: https://www.cnblogs.com/pDJJq/p/18338114/description-from-the-acting-foundation-to-llm-rol

相关文章

  • LLM evaluation
     TinyEvalhttps://github.com/datawhalechina/tiny-universe/tree/main/content/TinyEvalhttps://huzixia.github.io/2024/05/29/eval/https://meeting.tencent.com/user-center/shared-record-info?id=8b9cf6ca-add6-477b-affe-5b62e2d8f27e&from=3   首先,根据目标数......
  • 微软GraphRAG框架源码解读(LLMs)
    1.引言这几天微软开源了一个新的基于知识图谱构建的检索增强生成(RAG)系统:GraphRAG。该框架旨在利用大型语言模型(LLMs)从非结构化文本中提取结构化数据,构建具有标签的知识图谱,以支持数据集问题生成、摘要问答等多种应用场景。GraphRAG的一大特色是利用图机器学习算法针对数据......
  • 论文翻译:Evaluating Reading Comprehension Exercises Generated by LLMs: A Showcase
    EvaluatingReadingComprehensionExercisesGeneratedbyLLMs:AShowcaseofChatGPTinEducationApplicationshttps://aclanthology.org/2023.bea-1.52.pdfhttps://aclanthology.org/2023.bea-1.52/文章目录由大型语言模型(LLMs)生成的阅读理解练习评估:教育应用......
  • 论文阅读:Evaluating Reading Comprehension Exercises Generated by LLMs: A Showcase
    EvaluatingReadingComprehensionExercisesGeneratedbyLLMs:AShowcaseofChatGPTinEducationApplicationshttps://aclanthology.org/2023.bea-1.52.pdfhttps://aclanthology.org/2023.bea-1.52/这篇论文探讨了如何利用预训练的大型语言模型(LLMs),特别是OpenAI的......
  • 使用 LCEL 构建简单的LLM应用程序
    摘要:本文是对自己学习基于LangChain学习LLM开发的记录,根据LangChain官网使用LCEL构建了一个简单的LLM应用程序。1.获取各个LLM模型的api。比如OPENAI、讯飞星火大模型等。本文使用讯飞星火大模型进行开发。使用OPENAI的api显示超额,但是明明有18美元的余额,如果读者知道的话请解......
  • LLM-文心一言:以太坊2.0架构
    以太坊2.0的架构是一个复杂且不断发展的系统,旨在解决以太坊1.0存在的性能瓶颈和扩展性问题。以下是以太坊2.0架构的主要组成部分和阶段:信标链(BeaconChain):信标链是以太坊2.0的核心组成部分,它负责协调整个网络并管理权益证明(PoS)协议。信标链本身不存储任何状态信息、DApps或其他......
  • 基于 LLM 制作了一个 SQL 方言转换器,未来的某天我可能会用上
    事件起因,公司有从sqlserver转mysql的打算,源码里有不少sqlserver的语句,没有啥批量修改的好方法,人力解决最稳妥,所以基于大模型制作了一个方言转换器项目基于.NET6MVC+Bootstrap简单页面就没有去build前端了,jquery字符串拼接一把梭项目已开源:https://github.com/MayDay-wpf/SQ......
  • RAG+AI工作流+Agent:LLM框架该如何选择,全面对比MaxKB、Dify、FastGPT、RagFlow、Anythi
    RAG+AI工作流+Agent:LLM框架该如何选择,全面对比MaxKB、Dify、FastGPT、RagFlow、Anything-LLM,以及更多推荐1.MaxKBMaxKB=MaxKnowledgeBase,是一款基于LLM大语言模型的开源知识库问答系统,旨在成为企业的最强大脑。它能够帮助企业高效地管理知识,并提供智能问答功能。想象一......
  • 深度 | LLM会吃了开发人员吗?
    目录达摩克利斯之剑——大模型的时代期待新的超级开发个体史上四次工业革命和同时代的工人们LLM会吃了开发人员吗?不,其实并没有那么危险a.智能化编程由来已久b.进化后的AI编程可以做什么c.智能化AI编程的“月之暗面”d.AI编程vs程序员开发者们,站起来武装......
  • 大语言模型LLM资料
    模型:有趣的是,当参数规模超过一定水平时,这个更大的语言模型实现了显著的性能提升,并出现了小模型中不存在的能力,比如上下文学习。为了区别于PLM(预训练语言模型),这类模型被称为大型语言模型(LLMs)。模型LLM的涌现能力被正式定义为「在小型模型中不存在但在大型模型中出现的......