|
|
$ p. [- W0 P5 \+ n
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）
; B, j$ r5 z/ h ~+ b/ w" l0 G9 a) ~# E5 [& ~9 [
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？/ d) _0 {) ^3 Q4 u; i( c J9 ?
( u) x* z+ l0 W; U- z1 a
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）：5 s: m( ~* c: E& h& \ G
$ O; B \% e9 X0 h J9 S9 U8 YFor a chance at romance I would love to enhance
: [, e' I e* yBut everything I love has turned to a tedious task & R6 W+ M, O/ Y, w! @5 [
One day we gonna have to leave our love in the past$ I' p7 k' L9 O/ j
I love my fans but no one ever puts a grasp
: U. y. Q [3 f8 X' d8 P9 d7 EI love you momma I love my momma – I love you momma 3 z' l1 J4 x) t- H: R5 k. f
And I would love to have a thing like you on my team you take care
+ V1 u, X/ @* N. O! O6 o( o$ nI love it when it’s sunny Sonny girl you could be my Cher7 g, n& k1 l6 \# ~
I’m in a love affair I can’t share it ain’t fair
' k: q$ X; U( z8 mHaha I’m just playin’ ladies you know I love you.
# |& w" N7 C6 O+ b2 Q w: hI know my love is true and I know you love me too+ e6 _ k+ ^) o0 k% B( l5 |5 T, X
Girl I’m down for whatever cause my love is true + ~4 }8 S+ j7 X5 {8 i6 S6 P: e
This one goes to my man old dirty one love we be swigging brew
$ }( S, y Q9 s7 h$ GMy brother I love you Be encouraged man And just know
# u1 o# e+ Z# G. s6 \& y$ TWhen you done let me know cause my love make you be like WHOA
4 J0 y- o1 v3 \. ^+ i* _6 ^) FIf I can’t do it for the love then do it I won’t
+ J; o$ {9 ^7 CAll I know is I love you too much to walk away though
8 k' V; [1 {; P3 s) v
) I6 @$ y' p H! E+ `- e$ M# t2 g7 R/ ^
5 a/ T9 e) F+ ~" A& F1 n如何写歌？
3 n* T5 h' `) j4 h: K+ G
& Y& m! [9 C& R& v9 f, S" Y9 U
/ S0 v& q5 [- L8 ~+ _8 Q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”）
# J) t, E9 c# y# r8 t5 e3 p; ?; p. O! U. v+ c, C4 J& {
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。
: |/ s0 ]3 P' w" W" p8 m* l+ J$ b( Q. m, C# |: ^: [, r0 g
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。
% e- Q L1 B: B& X& q6 ~: K/ G0 O$ v0 ~* M* {
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。
, k/ |+ _6 X6 y j. z# |# a6 P' B8 o# S
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。( ^% k8 O- k1 T, G* M
: R5 i- W; j# Y$ ^! kDeepBeat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。 |
|
