|
|
4 Q* R5 L, U$ F( v" p6 }
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）! ~% {* r5 ?, ?' }/ U
+ g; g, x+ [8 W" }( d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？0 D' K1 p( v0 ]5 \* h9 T" |
2 v" `0 b, F5 S$ W9 o/ ?0 _( q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）：
* b0 R9 i5 m2 [! ^5 y8 f) r- D7 }9 m# i3 g
For a chance at romance I would love to enhance
4 S. d# f$ A' u+ N& M2 H1 uBut everything I love has turned to a tedious task
+ b& d) _7 h( ]2 Q. K# pOne day we gonna have to leave our love in the past
6 v4 y& u8 |' x: }. m- G9 B8 L( WI love my fans but no one ever puts a grasp1 o, U0 S( W( X5 ~7 J
I love you momma I love my momma – I love you momma
8 j# b& L6 j% {9 QAnd I would love to have a thing like you on my team you take care7 p: |5 c2 W ], r
I love it when it’s sunny Sonny girl you could be my Cher
# A" g5 O5 o' U9 J; Z9 f AI’m in a love affair I can’t share it ain’t fair
6 E4 N: O" e# e0 p6 Z! `Haha I’m just playin’ ladies you know I love you.
6 T6 E6 \% e- x3 p0 o9 ?" mI know my love is true and I know you love me too. p1 o4 c" A- e
Girl I’m down for whatever cause my love is true - q9 y O2 y+ G' `* }( S% {
This one goes to my man old dirty one love we be swigging brew
1 l! S/ M" S: U& P7 ~( {! O" sMy brother I love you Be encouraged man And just know; x$ H2 l5 V' }" i- }7 n
When you done let me know cause my love make you be like WHOA ( N9 P9 g# }4 _2 \% p4 N; L
If I can’t do it for the love then do it I won’t Z6 f4 @, T& X
All I know is I love you too much to walk away though
/ _ r5 z/ ~& K3 k4 M2 B
- f4 y0 v! m, x/ L3 I Q) @+ D% n9 d Y' V
如何写歌？
, j! @' E' d0 k7 {& K
0 c7 f8 L9 ?; B
" {3 H0 t) Z$ f7 H b: q8 Y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”）
& n, j1 g& I7 h, \) N. M& ?! p- \; l
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。# M7 S( D. y% B
5 }: X6 Z! b. c* s# q
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。
; c7 m B/ e8 @# g; r1 ^+ B( P0 H0 ~" r- n9 J# {$ I0 ]
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。
5 t, \ Z# E$ k* q+ n2 o$ g v+ O6 \6 L: G: j: t9 w R" p7 r
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。; |# G' v2 F/ @( \4 j8 e. A
/ v, ~4 t$ e6 T+ n( S: \! U# xDeepBeat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。 |
|
