Gemini应用程序推出个性化插图故事书功能，用户可根据描述生成10页独特书籍，包含自定义艺术和音频，支持多种风格和语言，适合教育和创作。

本研究解决了儿童故事书内容吸引力不足、叙述表达性匮乏及缺乏开源评估基准的问题。我们提出并开源了MM-StoryAgent，通过多智能体框架结合大型语言模型和多样化专家工具，生成情节丰富、视觉和音频一致的沉浸式叙述故事书视频。实验结果表明，该系统显著提升了故事吸引力和叙述体验，对进一步开发和优化具有重要影响。

AI模型使用问答数据集提供定制化问答功能，支持儿童教育应用。引入FairytaleCQA数据集，补充教育适用的常识知识。实验结果显示，微调较小模型使用FairytaleCQA胜过更大的提示工程化语言模型。人类专家的数据注释仍然重要。

该研究使用多问题生成模型生成可回答的问题，并在多个数据集上进行了评估，结果显示有希望的结果。