|
|
- X+ }) d) B8 w E4 f
有人曾评价，说唱音乐精巧地制作了“声音和旋律的复杂结构，创作了当今一些最严谨、有条理的诗集。”由于说唱音乐势不可挡的流行与崛起，创造和表演口语韵律的古老技能正繁荣发展。（顺带一提，我最喜欢的是周董和潘玮柏的Rap）2 x: k; K4 i; |0 Y0 {
9 o/ m2 P+ L. `0 ~8 R
说唱音乐具有高度结构化，尤其能经得起计算机分析的考验。这引发了一个有趣的问题：计算机是否可以分析说唱音乐中惯用的歌词？计算机能写歌词吗？6 K& {, a8 ^" s1 m! m, Q% s
7 m5 S% M3 \7 j1 p2 M7 m( L; ^
雷锋网曾报道，计算机已经能写小说了，写歌词应该不在话下吧。果然，芬兰阿尔托大学的埃里克•马尔米和其同伴就开发出一种机器学习算法，可识别说唱系列的突出特征，然后选择相同话题的另一系列，以相同的方式押韵。他们得到了产生说唱乐歌词的运算算法，并创造的一些歌词。以下就是其中之一（翻译说明见文末）：# H1 r; R1 \6 h
0 P2 X0 H4 ~; F0 V
For a chance at romance I would love to enhance, x1 T6 y Z1 D9 z% E$ v
But everything I love has turned to a tedious task ( Z% v+ T1 d; l6 m# ^# M
One day we gonna have to leave our love in the past
: M% [1 j& a9 lI love my fans but no one ever puts a grasp
* \. T/ @$ C3 x9 R2 E" RI love you momma I love my momma – I love you momma
6 z/ m, a" \% L/ C; \! y# k& M6 X1 UAnd I would love to have a thing like you on my team you take care
2 n ^3 M% {% y+ [. Z9 ^5 iI love it when it’s sunny Sonny girl you could be my Cher. g: l: G* X' ~
I’m in a love affair I can’t share it ain’t fair
+ Y( j; P7 B7 u6 U$ K4 A R6 mHaha I’m just playin’ ladies you know I love you.
( V$ F2 q2 C7 _: |4 X4 }& t. @I know my love is true and I know you love me too7 f% H2 N) X/ }) z" v
Girl I’m down for whatever cause my love is true ) D4 Z0 R( S4 q& u5 z
This one goes to my man old dirty one love we be swigging brew
* [: ]6 ^7 v2 |9 b9 `% d$ c8 eMy brother I love you Be encouraged man And just know/ V0 m2 z. F* ~4 ?
When you done let me know cause my love make you be like WHOA 1 O3 \1 D# p0 r) C
If I can’t do it for the love then do it I won’t
9 D% F, G3 k4 E# ]2 ]* d/ r+ qAll I know is I love you too much to walk away though
: N+ P. D& w* K5 ?2 t3 d8 f
8 G- @ A5 ]1 h
: K" q' N0 x( V# S如何写歌？! F8 X! E8 L7 f% Q1 b; m
- _; ~7 M/ T. Z9 J" T6 t" B
" s( X _1 q" R/ J说唱音乐中出现了各种形式的押韵，但最常见的就是所谓的谐音押韵。这是相似元音的重复，如“crazy”和“baby”有两个类似的元音。（这不同于使用相似辅音的和音，比如“pitter patter”，不同于完全韵，词语共有相同的尾音，如“slang”和“gang”） r* l! k& I* h
0 V: o P; p9 T2 E3 ]7 B
马尔米专注于谐音在说唱歌词中出现的方式。为了开发机器学习算法，他们以100多名说唱艺术家的10000多首歌曲的数据库开始。
7 Z6 ]3 q, f4 I6 P
4 E9 [$ I8 V2 v' P- D发现谐音的押韵并不困难。词必须先转化为音素，浏览音素，寻找相似的元音，而忽略辅音。
' o, W1 @+ J& c* ? H `9 U' i! F- y1 A- b+ |. n5 S/ C- y. N
这也揭示了排列歌词复杂性的一种方式。他们在前面两行左右寻找匹配元音的序列，然后将“押韵密度”定义为所有歌词中最长序列的平均值。从而，他们根据押韵密度来排列所有说唱家。这一指标是对说唱歌手押韵技巧的一个有趣的衡量，并且可以使用它来将自动化说唱音乐与人为创造的音乐相比较。, m- F" \. F4 K- A9 Y5 H
: C! a0 g- i7 n/ g接下来，他们创造了机器学习算法DeepBeat。分析数据库之后，它从说唱歌词中分析序列行，然后从列表中其它歌曲的相当行中选择下一行。在生成歌词上，算法会以一段歌词开始，然后搜索相同话题的另一行，并重复这个过程。
; {4 m) K2 B1 ]) r2 H9 Y) X$ B1 p$ a6 d6 }' l
DeepBeat的押韵密度明显高于任何人类的说唱歌手。就产出歌词韵律的长度和频率来说，DeepBeat优于21%的人类顶级说唱歌手。DeepBeat的失败之处就在于故事不连贯，这不足为奇，因为它的主要焦点是押韵。 |
|
