गेमजेन-X एक डिफ्यूज़न ट्रांसफ़ॉर्मेशन मॉडल है जो खुले विश्व वाले गेम वीडियो के निर्माण और इंटरैक्टिव नियंत्रण के लिए डिज़ाइन किया गया है। यह मॉडल गेम इंजन की कई विशेषताओं, जैसे कि इनोवेटिव कैरेक्टर, डायनामिक एन्वायरमेंट, कॉम्प्लेक्स एक्शन और डायवर्स इवेंट्स का अनुकरण करके उच्च-गुणवत्ता वाले, ओपन-वर्ल्ड वीडियो निर्माण को प्राप्त करता है। इसके अतिरिक्त, यह इंटरैक्टिव नियंत्रण क्षमता प्रदान करता है, जो वर्तमान वीडियो क्लिप के आधार पर भविष्य की सामग्री की भविष्यवाणी और परिवर्तन करने में सक्षम है, जिससे गेमप्ले सिमुलेशन संभव हो पाता है। इस विज़न को प्राप्त करने के लिए, हमने सबसे पहले एक ओपन-वर्ल्ड वीडियो गेम डेटासेट (OGameData) को एकत्रित और निर्मित किया, जो पहला और सबसे बड़ा ओपन-वर्ल्ड गेम वीडियो जेनरेशन और कंट्रोल डेटासेट है, जिसमें 150 से अधिक गेम्स के 1 मिलियन से अधिक विविध गेम वीडियो क्लिप शामिल हैं, जो सभी GPT-4o द्वारा दी गई सूचनात्मक उपशीर्षक से युक्त हैं। गेमजेन-X दो चरणों की प्रशिक्षण प्रक्रिया से गुजरा है, जिसमें बेस मॉडल प्री-ट्रेनिंग और निर्देश ट्यूनिंग शामिल है। सबसे पहले, मॉडल को टेक्स्ट-टू-वीडियो जेनरेशन और वीडियो कंटिन्यूएशन के माध्यम से प्री-ट्रेन किया गया था, जिससे उसे लंबी श्रृंखला, उच्च-गुणवत्ता वाले ओपन-वर्ल्ड गेम वीडियो निर्माण की क्षमता मिली। इसके अलावा, इंटरैक्टिव नियंत्रण क्षमता को प्राप्त करने के लिए, हमने गेम से संबंधित मल्टीमॉडल कंट्रोल सिग्नल विशेषज्ञों को एकीकृत करने के लिए InstructNet तैयार किया। इससे मॉडल उपयोगकर्ता इनपुट के अनुसार पोटेंशियल रिप्रजेंटेशन को समायोजित करने में सक्षम हो जाता है, जो वीडियो जेनरेशन में पहली बार कैरेक्टर इंटरैक्शन और सीन कंटेंट कंट्रोल को एकीकृत करता है। निर्देश ट्यूनिंग के दौरान, केवल InstructNet को अपडेट किया गया था, जबकि प्री-ट्रेन किए गए बेस मॉडल को फ्रीज कर दिया गया था, जिससे इंटरैक्टिव नियंत्रण क्षमता के एकीकरण से जनरेट किए गए वीडियो कंटेंट की विविधता और गुणवत्ता में कोई कमी नहीं आई। गेमजेन-X ओपन-वर्ल्ड वीडियो गेम डिज़ाइन के लिए जनरेटिव मॉडल के उपयोग में एक महत्वपूर्ण छलांग का प्रतिनिधित्व करता है। यह जनरेटिव मॉडल को पारंपरिक रेंडरिंग तकनीकों के सहायक उपकरण के रूप में क्षमता दिखाता है, जो रचनात्मकता निर्माण को इंटरैक्टिव क्षमता के साथ प्रभावी ढंग से जोड़ता है।