|
|
i8 i3 U( N# o8 B) q5 ]$ O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）
0 D% W" T' W+ D$ ?3 l2 B% w$ P: F, g3 l; l
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？- G# @. K2 W* j* v, j
0 R$ O" H7 ]% O4 u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）：
" F9 Q) @) M0 K% ~ I) s$ Q8 L3 \& y8 ^2 v! A' c* i
For a chance at romance I would love to enhance' |0 I$ h4 J4 [. n @% K# B. `
But everything I love has turned to a tedious task ! j$ u/ F; f, K& X) D2 [9 T
One day we gonna have to leave our love in the past
% F2 I5 I2 a3 ~! ~# K/ Q- K5 v. F, EI love my fans but no one ever puts a grasp
5 t4 a& Y5 X }6 AI love you momma I love my momma – I love you momma ' ^# g( A6 |. q. J) T% u3 f
And I would love to have a thing like you on my team you take care2 |* F8 V/ p+ S& \* e% @; ~% Q
I love it when it’s sunny Sonny girl you could be my Cher2 z0 s6 K4 P2 Z5 [
I’m in a love affair I can’t share it ain’t fair 3 K* U, c4 ], d9 F% w3 l G) H0 ^- K
Haha I’m just playin’ ladies you know I love you. d* I: B0 k( E0 t- P8 ?; _+ u( U
I know my love is true and I know you love me too
4 B4 q% o9 ~! K; e5 g' J DGirl I’m down for whatever cause my love is true
6 S ~$ R3 J% H9 Y. eThis one goes to my man old dirty one love we be swigging brew
& b' g/ B3 a' s/ GMy brother I love you Be encouraged man And just know$ D: s l# i; g
When you done let me know cause my love make you be like WHOA 2 N G; h% a2 B1 j# Y' \7 [; F
If I can’t do it for the love then do it I won’t& ]4 ^! ]1 v4 ~# {) `' a5 q
All I know is I love you too much to walk away though3 s8 D! S; r4 f( H
& W' I% P7 a/ ?" A
2 C( G# Y3 C$ K% `3 o" G' \ |2 M如何写歌？( t1 V5 s! V: p$ `
* B- ~9 n W2 N
! r7 v2 D2 x) ~0 `7 z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”）
4 _7 A- m6 @ V" p7 O) m' j3 C$ ?1 d( s+ z, g' P6 Y
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。
2 a& \# K, o3 Y- ?( u, M7 d$ g" x6 p, i
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。: Z+ q7 Y) _4 X$ v% w( x
. d& P8 v- H' ~( G6 z# g4 Y
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。
8 D0 n0 }9 D1 x- [- y# ~, |+ R1 M6 A" M# g; x: h
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。
, J1 c; k+ p/ O& E9 [! d4 C N% a! f3 g8 L; H+ W
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。 |
|
