|
|
! c7 Q6 J0 X1 |8 g" t" Q
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） g/ [' K& F8 m7 a7 i
7 R. m& _( V! ]2 H" ~/ d8 j3 K
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？
/ J0 T% t7 p% v( N1 H1 M. K+ F6 [$ Q$ S0 n: M" N
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）：9 \% k1 f- q! Q0 d7 i3 n
4 v+ d2 L: U2 r2 n0 K
For a chance at romance I would love to enhance9 c2 d+ e1 s* u. S
But everything I love has turned to a tedious task 6 K1 o/ _' I' G9 `
One day we gonna have to leave our love in the past
3 ]& F$ _9 G" e; [1 {8 ~I love my fans but no one ever puts a grasp
" M4 N! f; Y/ c/ @I love you momma I love my momma – I love you momma
* u1 _2 t# z6 n( @' _$ [2 mAnd I would love to have a thing like you on my team you take care; @7 |4 D$ N9 E- c: z+ Y
I love it when it’s sunny Sonny girl you could be my Cher
$ ?& M- H9 x; M/ M X, eI’m in a love affair I can’t share it ain’t fair ! g6 U1 U/ c0 n+ X! j' P4 r
Haha I’m just playin’ ladies you know I love you.
) h1 h9 y3 W1 z4 vI know my love is true and I know you love me too, J* [+ O/ Y) j5 m
Girl I’m down for whatever cause my love is true * ?6 h' K' o' m0 I j4 U$ p+ ^, Y
This one goes to my man old dirty one love we be swigging brew
1 L1 k8 l n# ]) B' bMy brother I love you Be encouraged man And just know. `! r2 Z* a# n: O# F& ]; L- c
When you done let me know cause my love make you be like WHOA
$ Z) u3 r! f) |$ N+ l1 _$ ZIf I can’t do it for the love then do it I won’t/ w" L) S0 ]2 V% ~7 I$ o( C
All I know is I love you too much to walk away though% K# b6 w' A& D3 ?
4 Y1 K$ B3 V K- L0 t; i
9 m; ~& a6 C& H& o! r
如何写歌？
+ Z* W0 c# { c! U, U& |- y
$ I! h$ l+ ?3 X! Q2 w4 C) T: k3 z
, r, d/ o+ X7 x8 G6 Y$ G! W( s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”）- P5 ?6 M+ H: ~5 S* f6 O6 e' _
9 s# w4 R; m8 \0 W! E1 r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。
% H# ]6 ?7 [; X7 W V4 f0 j
! M, H. O4 s" Q; J- j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。2 B- S3 \0 n6 \; l- q* \) {! e }
: }3 r+ L" x% |' J9 \, @7 G3 S
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。6 M2 ` a9 W0 G- F* Z# O
R) B6 I# Y# j3 j$ d+ t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。/ q( q3 R; r; y- k1 z
* M. O& f) s% s$ e8 f# cDeepBeat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。 |
|
