AI

Node-Based Storytelling: Mix Text, Images, Audio, and Video

Kari Jaaskelainen

07 Nov 2025 — 1 min read

Imagine crafting a story like a mind map: each node can hold text, images, audio, or video. This research introduces a node-based editor that turns multimodal storytelling into flexible, AI-assisted creation.

What it lets you do:

Edit any node directly or with plain-language prompts.
Auto-branch alternate plotlines for parallel storylines.
An AI task-selection agent routes requests to specialized generators (story writing, structure reasoning, diagram formatting, context).
Iteratively refine your narrative with precise, node-level control.

Early results show stronger control over story structure and smoother generation across text, images, audio, and video. Limitations remain: scaling to long narratives and keeping details consistent across many nodes. Next steps include human-in-the-loop and user-centered creative tools.

Authors: Alexander Htet Kyaw, Lenin Ravindranath Sivalingam. Paper: http://arxiv.org/abs/2511.03227v2

Paper: http://arxiv.org/abs/2511.03227v2

Register: https://www.AiFeta.com

AI Storytelling GenerativeAI Multimodal CreativeTech HCI Video Audio Images Text Research

Read more

Pieni kielimalli oppi kysymään taulukoilta ihmisen puolesta

Pieni kielimalli oppi kysymään taulukoilta ihmisen puolesta

Moni on tuijottanut Exceliä ja toivonut voivansa vain kysyä: missä kaupunginosissa koti on kävelymatkan päässä terveysasemasta ja ruokakaupasta? Ihmismielelle yksinkertainen pyyntö muuttuu helposti tuntien suodatukseksi ja kaavanviilaukseksi. Tietokone kyllä tietää vastauksen – jos vain osaisimme puhua sen kieltä. Viime vuosina apua on pyydetty juttelevalta tekoälyltä. Se osaa etsiä ja tiivistää tekstejä,

Pelkkä kielto ei saa kuvallista tekoälyä unohtamaan

Pelkkä kielto ei saa kuvallista tekoälyä unohtamaan

Uusi vertailutesti osoittaa, että ohjeilla tehty "unohtaminen" ei juuri heikennä mallien kykyä tunnistaa esineitä ja paikkoja – ellei niille paljasteta suoraan, mitä pitäisi unohtaa. Kuvittele, että yritys ottaa käyttöön tekoälyn, joka lukee sekä tekstiä että kuvia: se tunnistaa tuotteita, kuvailee maisemia ja vastaa kysymyksiin valokuvista. Sitten juristi ilmoittaa, että

Tekoäly vastaa fiksummin, kun sille annetaan oikea tieto oikealla tavalla

Tekoäly vastaa fiksummin, kun sille annetaan oikea tieto oikealla tavalla

Katsaus kokoaa, miten kielimalleja voi vahvistaa antamalla niille jäsenneltyä lisätietoa vastaushetkellä – yksinkertaisista vihjeistä aina syy–seurausketjuiksi järjestettyyn taustaan. Kuvittele, että pyydät tekoälyä selittämään, mitä uusi lakimuutos tarkoittaa pienyrittäjälle. Yleismallinen kielimalli osaa puhua aiheesta sujuvasti, mutta jos laki on muuttunut äskettäin, vastauksessa voi olla vanhaa tietoa tai epävarmoja arvailuja. Sama kokemus

Tekoäly voi olla sekä nopea että säästeliäs – jos se oppii milloin ajatella ääneen

Tekoäly voi olla sekä nopea että säästeliäs – jos se oppii milloin ajatella ääneen

Kuvittele chat-ikkuna, jossa vastaus alkaa rönsyillä: ensin pari perustelua, sitten varmistus, lopulta vielä varmistuksen varmistus. Käyttäjä odottaa, laskutus juoksee. Tekoälymallit hinnoitellaan usein “tokeneina” – sananpaloina – joten jokainen turha kiemura maksaa sekä aikaa että rahaa. Vuosia alalla vallitsi hiljainen oletus: mitä enemmän mallilla on laskentatehoa ja mitä pidemmin se ”miettii”, sitä parempaa