|
|
; i3 X2 }; ^* _! K% r* z9 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）" L; T' Y# O* h/ z1 F- [ i
1 o. i3 R8 @- G Z0 C2 h' e* `) 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？/ v7 t* y8 R3 y
4 F" O0 }- }& b$ e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 i' _% S4 p3 y) l* g! f1 K
7 e, P1 o, n' c! \" j" M5 [' GFor a chance at romance I would love to enhance
% I' N6 a1 T/ U* [But everything I love has turned to a tedious task
. n8 D: A J3 ?5 KOne day we gonna have to leave our love in the past h2 g! J8 P8 C* P3 _
I love my fans but no one ever puts a grasp
% P- m- G: v) T7 QI love you momma I love my momma – I love you momma
4 D- i; D7 V8 f' v2 eAnd I would love to have a thing like you on my team you take care7 R0 U% f" V) J% t' O
I love it when it’s sunny Sonny girl you could be my Cher- w9 Q1 w/ |2 }# a+ o! T
I’m in a love affair I can’t share it ain’t fair
. q' m: ?7 W0 v5 A9 s% M4 j! `Haha I’m just playin’ ladies you know I love you.
+ g$ [) Y( u+ E8 oI know my love is true and I know you love me too
* D* d8 [5 r. y* {Girl I’m down for whatever cause my love is true ' n9 G# D9 [; a* o
This one goes to my man old dirty one love we be swigging brew
- m* N. a+ D) z! N+ u! T2 dMy brother I love you Be encouraged man And just know
/ c* E! q# N `3 {3 F2 YWhen you done let me know cause my love make you be like WHOA
2 o# g) }$ n0 Y% d# }! p5 EIf I can’t do it for the love then do it I won’t0 S% S) S( m- }& o! i
All I know is I love you too much to walk away though
1 `/ }! s: `+ Z! y" o8 ~0 q( n# c! O5 \6 C
" T8 z" C- a3 c$ E. N如何写歌？
5 J C9 G. E. W* ~
6 y/ _* k, W# U) U9 @( f3 a, G+ _/ i; W1 k! D; X
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”）, W& e8 h' H; h% e7 @( t, j
4 N2 t$ k: Z( {* s! C) G! U2 k) d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 y. M, {) `4 }( e7 w
: f' S9 x5 ~3 J5 J J9 B
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。5 ^6 G# r6 Q- b$ z; \3 g
6 Z' O0 F5 ]8 v% N7 ~2 t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。 U( Z. L% r* O6 ?6 X5 |
* r7 H: y- s1 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。
+ r2 p1 z* ~% E- K: d
5 i0 y% p- B& |; w& IDeepBeat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。 |
|
