생성형 Roblox AI가 Roblox에서의 창작을 변화시키고 있습니다

올초 Roblox은 플랫폼에서 콘텐츠 생성을 모든 사용자에게 더 간소화하기 위해 생성형 Roblox AI를 추가하겠다는 야심 찬 계획을 발표했습니다. 생성형 AI, 특히 대규모 언어 모델(LLM)의 최근 발전은 몰입형 경험을 향상시키기 위한 새로운 지평을 약속합니다. 이러한 발전은 생성 과정을 가속화하는 동시에 계산 요구 사항을 통제하면서 더 안전한 환경을 보장합니다.

AI의 주목할 만한 트렌드 중 하나는 멀티모달 모델의 부상입니다. 이미지, 텍스트, 3D 모델, 오디오 등 다양한 콘텐츠 형태를 처리하는 데 능숙한 이러한 모델은 창작 도구를 재정의하고 있습니다. 텍스트와 해당 시각적 요소를 결합하는 등 여러 모드를 결합한 출력을 생성할 수 있는 능력은 중요한 혁신으로 돋보입니다. Roblox에게 이는 이중적인 이점을 의미합니다:

• 숙련된 콘텐츠 제작자의 생산성을 높입니다.
• 창작 과정을 민주화하여 더 넓은 범위의 사용자가 플랫폼에서 자신의 아이디어를 구체화할 수 있게 합니다.

최근 Roblox 개발자 컨퍼런스(RDC)에서 회사는 Roblox Studio에 생성형 AI를 통합한 여러 도구의 출시를 발표했습니다. 이러한 도구는 프로젝트의 빠른 확장, 반복 과정 가속화, 사용자의 창작 능력 향상을 통해 최고 수준의 콘텐츠 생성을 보장하기 위해 설계되었습니다.

Roblox AI Assistant

Roblox는 창작자들이 상세한 3D 경험을 제작할 수 있는 필요한 리소스를 지속적으로 제공해 왔습니다. 그러나 많은 창작자들이 도움을 받기 위해 서드파티 생성형 및 대화형 AI 도구를 사용했습니다. 이러한 도구들은 일부 부담을 덜어주는 데 유용했지만, Roblox의 고유한 워크플로우나 고유한 코드, 용어 및 어휘에 맞게 맞춤화되지 않았습니다. 결과적으로 창작자들은 이러한 도구를 Roblox 콘텐츠와 통합하는 데 상당한 어려움을 겪었습니다. 이 격차를 인지한 Roblox는 RDC에서 이러한 도구의 혜택을 Roblox Studio에 직접 통합하려는 노력을 발표하며, 'Assistant'라는 이름의 초기 버전을 소개했습니다.

'Assistant'는 Roblox의 사내 대화형 AI로, 경험 수준에 관계없이 창작자들의 생성 과정을 간소화하도록 설계되었습니다. 이는 일상적인 작업에 소요되는 시간을 최소화하여 창작자들이 스토리라인, 게임플레이 및 전체 디자인과 같은 영역에 집중할 수 있도록 합니다. Roblox는 방대한 공개 3D 모델 라이브러리와 모델이 플랫폼 API와 결합할 수 있는 능력을 갖추고 있어 복잡한 3D 우주용 AI 모델을 개발할 주요 후보입니다. Assistant를 사용하면 창작자들은 평문 프롬프트를 사용하여 장면을 설계하고, 3D 모델을 수정하며, 객체에 상호작용 특성을 부여할 수 있습니다. 이 도구는 이해, 프로그래밍, 구축의 세 가지 주요 생성 단계를 다룹니다:

이해: 초보자든 Roblox 전문가든, Roblox AI Assistant는 평문을 사용하여 다양한 질문에 대한 답변을 지원합니다. 프로그래밍: 기존 'Code Assist' 기능을 기반으로 Assistant는 코딩을 향상시키고, 특정 코드 세그먼트를 설명하며, 디버깅 솔루션을 제공합니다. 구축: 창작자들은 개념을 즉시 구체적인 모델로 전환할 수 있습니다. '이 길을 가로등으로 밝게 하세요' 또는 '다양한 숲을 건설하고 관목과 꽃으로 장식하세요'와 같은 명령을 입력하면 전체 장면을 구현할 수 있습니다. Assistant와의 상호작용은 창작자가 피드백을 제공하고 결과를 정제할 수 있는 역동적인 양방향 과정으로 envisioned됩니다. 이는 숙련된 공동 창작자와 협력하는 것과 같아 브레인스토밍과 아이디어 최적화를 용이하게 합니다.

RDC 동안 Roblox는 Assistant라는 새로운 Roblox AI 도구에 대해 추가 발표를 했습니다. 개발자들은 Code Assist 및 Assistant와 같은 Roblox AI 도구의 효율성과 기능을 향상시키기 위해 익명화된 Luau 스크립트 데이터를 기여할 기회를 제공받았습니다. 이를 통해 그들은 Roblox 개발자 커뮤니티뿐만 아니라, Roblox를 넘어 기여를 확장하기로 선택한 경우 더 넓은 Luau 개발자 커뮤니티도 도울 수 있습니다. 공유된 스크립트 데이터는 제3자가 접근할 수 있는 데이터 세트에 통합되어 Luau 코드 제안을 개선하기 위해 AI 채팅 도구를 정제하는 데 사용될 것이기 때문입니다.

아바타 디자인 간소화

Roblox의 비전은 놀라운 일일 사용자 6,550만 명 각각이 자신의 정체성을 진정으로 반영하고 전달하는 아바타를 소유하는 것입니다. 최근 UGC 프로그램 회원들이 아바타 몸체와 독립적인 머리를 디자인하고 마케팅할 수 있는 기능이 도입되었지만, 현재 디자인 과정은 Studio 또는 UGC 프로그램을 탐색하는 것을 포함합니다. 얼굴 표현과 3D 리깅과 같은 기능을 통합하는 데 필요한 고급 기술 수준과 며칠이 소요됨에 따라 아바타 생성은 장기적인 작업이 됩니다. 결과적으로 아바타 옵션은 제한적입니다. 그러나 Roblox는 이러한 제한을 넘어 확장하기를 꿈꿉니다.

모든 Roblox 사용자가 독특하고 역동적인 아바타를 얻을 수 있도록 돕기 위해, 회사는 아바타 생성 과정을 단순화하는 것을 목표로 합니다. RDC에서 2024년에 출시될 혁명적인 도구가 공개되었습니다. 이 혁신은 이미지 또는 여러 이미지를 사용자 정의 아바타로 변환할 수 있게 합니다. Studio 또는 UGC 프로그램에 소속된 모든 창작자는 이 도구를 사용하여 이미지를 업로드하고 생성된 아바타를 개인화할 수 있습니다. Roblox의 장기적인 비전에는 이러한 Roblox AI 기능을 Roblox 경험 내에 직접 통합하는 것이 포함됩니다.

이를 실현하기 위해 Roblox는 플랫폼의 아바타 디자인과 Roblox 전용 3D 아바타 모델 컬렉션에 기반한 AI 모델에 노력을 기울이고 있습니다. 고려 중인 기술에는 2D 시각적 요소에서 3D 아바타 생성, 2D 생성 전략을 통해 제한된 3D 데이터 강화, 그리고 3D 생성을 위한 생성적 적대 네트워크(GAN) 사용이 포함됩니다. 또한 ControlNet 기술을 활용하여 사전 설정된 포즈를 중첩하여 다각도 아바타 시각을 향상시키고 있습니다.

3D 아바타 구조가 생성된 후, 아바타 포즈에 기반한 고급 3D 시맨틱 세그멘테이션이 활용됩니다. 이 절차는 초기 3D 설계를 정교화하여 구별되는 얼굴 요소, 구조 및 텍스처를 통합하고, 궁극적으로 기본 3D 형태를 실제 로블록스 아바타로 변형시킵니다. 이후 사용자는 메쉬 편집 도구를 사용하여 아바타를 더욱 맞춤화하고 자신의 구상과 일치시킬 수 있습니다. 놀랍게도 로블록스 AI는 이 과정을 단 몇 분 안에 완료할 수 있게 하여 아바타를 즉시 로블록스 경험에 통합할 수 있게 합니다.

음성 통신 모더레이션

로블록스 AI는 단순한 콘텐츠 생성을 넘어, 방대한 규모로 다양하고 안전하며 존중하는 커뮤니티를 조성하는 강력한 메커니즘으로도 작용합니다. 음성 채팅, 로블록스 커넥트(Roblox Connect), RDC에서 새로 발표된 API와 같은 새로운 음성 기능의 도입으로 인해 실시간 음성 콘텐츠의 모더레이션이 새로운 과제로 대두되었습니다. 업계에서 널리 사용되는 해결책인 자동 음성 인식(ASR)은 오디오 파일을 텍스트로 변환한 후, 잠재적으로 부적절한 콘텐츠나 특정 키워드를 검토하는 방식으로 작동합니다.

소규모 조직에는 효과적이지만, 로블록스의 방대한 사용자 기반에 ASR을 배포하면 비효율성이 드러났습니다. ASR은 어조와 볼륨과 같은 뉘앙스를 포착하는 데 실패할 뿐만 아니라, 여러 언어로 이루어진 방대한 일일 대화량으로 인해 처리가 번거로워집니다. 이러한 과제를 인지한 로블록스 AI는 실시간 오디오에서 정책 위반을 직접 식별하는 더 간소화된 절차를 선도했습니다.

이 최첨단 음성 감지 메커니즘은 내부적으로 개발되었습니다. 로블록스 AI는 자체 음성 데이터셋을 분류하기 위해 ASR을 사용했고, 이후 분류된 데이터를 시스템 학습에 활용했습니다. 학습 과정은 오디오를 트랜스크립트로 변환한 후, 이미 로블록스 특유의 전문 용어와 잠재적 위반 사항을 식별하는 데 능숙한 로블록스의 텍스트 필터 시스템으로 평가하는 것으로 시작됩니다. 결과적으로 로블록스는 이제 오디오 스트림에서 정책 위반을 실시간으로 감지하는 데 능숙한 모델을 갖추게 되었습니다.

로블록스 AI 시스템은 명시적인 키워드를 식별하는 데 능숙하지만, 정책 위반이 종종 더 넓은 맥락에 의존한다는 점을 인식합니다. 한 설정에서 문제될 수 있는 단어가 다른 설정에서는 무해할 수 있습니다. 맥락적 이해를 개선하기 위해 로블록스는 시퀀스 분석에 능숙한 트랜스포머 기반 아키텍처를 통합했습니다. 이 프레임워크는 확장된 오디오 시퀀스를 보존하여 시스템이 단어, 맥락 및 억양을 구분할 수 있게 합니다. 그 결과, 키워드, 어조, 감정 및 전체 맥락을 고려하여 정책 준수 여부에 따라 오디오를 분류하는 시스템이 탄생했습니다. 인상적인 점은 이 혁신적인 시스템이 전통적인 ASR보다 훨씬 적은 컴퓨팅 파워를 요구하여 로블록스의 확장성 비전과 부합한다는 것입니다.