Automatic real-time dialogue generation in computer games

Celem pracy magisterskiej było zaprojektowanie, zaimplementowanie i zweryfikowanie prototypu systemu dialogowego do gier komputerowych, który łączy grę komputerową stworzoną za pomocą silnika Godot 4.4 z dużym modelem językowym (LLM) uruchamianym lokalnie. Zaprojektowany system umożliwia dynamiczną modyfikację zapisanych w YAML drzew dialogowych na podstawie bieżących zdarzeń w grze, zachowując przy tym spójność narracyjną i formalną. W ramach badań wykorzystano sześć otwartych modeli (7-32mld parametrów) uruchamianych w środowisku Ollama i poddano je dwóm scenariuszom testowym: liniowemu oraz z celowo odwróconą chronologią zdarzeń.Eksperymenty wykazały, że modele o wielkości 27-32mld najskuteczniej zachowują strukturę dialogu i ciągłość fabuły, lecz czas modyfikacji pojedynczej linii przekraczający 1s powoduje nieakceptowalne pauzy w rozgrywce. Lżejsze modele (7-14mld) odpowiadają szybciej, jednak częściej łamią przyjętą konwencję formatowania. W rezultacie stwierdzono, że aktualny wariant lokalnego uruchamiania LLM nie spełnia wymagań gier czasu rzeczywistego.Zaproponowano dalsze kierunki rozwoju: przesyłanie do modelu wyłącznie kolejnej linijki dialogu, streaming tokenów, integrację z chatami działającymi w chmurze obliczeniowej oraz warstwę walidacji logicznej. Implementacja i wyniki badań potwierdzają potencjał generatywnej SI w grach, wskazując jednocześnie ograniczenia wydajnościowe obecnych rozwiązań.

The aim of this master’s thesis was to design, implement and evaluate a prototype dialogue system for video games that combines the Godot 4.4 engine with locally hosted large language model (LLM). The proposed solution dynamically modifies YAML-encoded dialogues trees based on in-game events while preserving narrative and formal consistency. Six open-source models ranging from 7B to 32B parameters were deployed via Ollama and examined in two test scenarios: a linear play-through and deliberately shuffled sequence of events.The experiments showed that models in the 27-32B range best maintain dialogue structure and story continuity, yet their single-line inference time above one second produces noticeable pauses that disrupt gameplay. Lighter models (7-14B) respond faster but more often violate the required formatting rules. Consequently, the current approach to running LLMs locally does not meet the real-time requirements of interactive games.Future work should focus on sending only the next dialogue line to the model, employing token streaming, integrating cloud-based endpoints, and adding logical validation layer. The implementation and test results demonstrate the promise of generative AI for enhancing game narratives, while highlighting the performance of today’s local LLM deployments.