|
|
( o) L4 G- q# v' h, ~. j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）4 Q+ T+ G5 I" Q, x6 Z. v
7 n% f6 U7 @* L3 C8 c4 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？" n; @7 O5 g; z+ A6 i
- X9 z- X3 R, `3 S( M
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 R# J: _7 J' \. e& n0 Z0 X/ H
9 M i2 p; h; P) y }
For a chance at romance I would love to enhance
. Z' x# g3 B2 ~But everything I love has turned to a tedious task
' V) ^7 b) J, F4 o9 x4 z" LOne day we gonna have to leave our love in the past
2 u' b0 E) y2 aI love my fans but no one ever puts a grasp3 n4 z L! {. s3 g! p% h& b# Y
I love you momma I love my momma – I love you momma
1 `3 Q2 l0 L3 m9 n0 H- QAnd I would love to have a thing like you on my team you take care
1 y2 b% Z! j8 m: r3 E* ?I love it when it’s sunny Sonny girl you could be my Cher
- t/ v9 U7 R; r3 Q! zI’m in a love affair I can’t share it ain’t fair 7 C" y4 Q: s$ j1 U7 |( k# C$ @
Haha I’m just playin’ ladies you know I love you.. c4 R6 L" @1 n3 k
I know my love is true and I know you love me too
# r1 a2 J6 x; S% O( IGirl I’m down for whatever cause my love is true
& t6 T5 o/ _7 L3 @ o5 o8 OThis one goes to my man old dirty one love we be swigging brew ! c% e- a3 i9 G8 w& `
My brother I love you Be encouraged man And just know
3 A8 f% k- @0 p } \When you done let me know cause my love make you be like WHOA
7 K* }& j" Z4 J6 sIf I can’t do it for the love then do it I won’t
& F2 q7 ?0 ~/ f& }All I know is I love you too much to walk away though
4 j8 o5 p# s2 V) m7 A* s2 G. s2 W6 ^7 K1 M
. w1 V, s3 i/ {' f7 `如何写歌？
/ D/ P$ E9 J; K4 V0 j7 b9 w; V
: H' ]3 g* A" {! z
7 o" _- K" D8 L! G# @- X% \$ 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”）
5 F* ~+ _9 q( u; { u- [4 q6 L. [& ]8 B$ F% P0 t
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。
: f/ [8 `5 p3 L: V' W; i0 a- E+ X9 k% v* W8 X
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。& k9 t& K; n3 P1 M
) z# f# f8 x* {; g
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。
9 o6 g5 F8 W% I" k1 Z( V
9 `0 d* r% x6 R' 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。/ e# M, h. X9 f; X
! N4 P, w/ l4 ^/ e) z$ Q6 U5 m% \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。 |
|
