|
|
" ^ ]1 p0 w: U" @6 j5 s6 h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）5 |! k1 `% v% w( G3 b$ Y
, d, d9 j9 _! G$ @1 F1 W
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？
& h6 k6 \' i: N Z# i4 c
1 x. H. `& H" t; L5 e+ p8 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）：+ l* W+ `, R ]7 {% Q$ t
' Y; h8 x1 U+ h# b* a8 q( f0 OFor a chance at romance I would love to enhance
$ [" Z& z3 x/ q! F& YBut everything I love has turned to a tedious task
2 e8 I( b$ _6 U. h7 F. C( A$ SOne day we gonna have to leave our love in the past
8 O1 R3 v- w/ E7 OI love my fans but no one ever puts a grasp d8 F# ~, {3 \9 L8 a2 z' Z% a- p
I love you momma I love my momma – I love you momma $ H9 O3 s/ {5 b$ s- c
And I would love to have a thing like you on my team you take care
( Q! P$ e6 I0 C# X8 t+ `I love it when it’s sunny Sonny girl you could be my Cher) |5 i1 S, Z/ M" @
I’m in a love affair I can’t share it ain’t fair
- g6 H) C8 U4 q" aHaha I’m just playin’ ladies you know I love you.
- S( _8 h4 ^6 [2 N4 MI know my love is true and I know you love me too
/ R5 F1 L6 f) v; YGirl I’m down for whatever cause my love is true . D) \1 O+ ^, ^
This one goes to my man old dirty one love we be swigging brew 8 [! ]; L3 F! o% u: C$ L0 _+ V
My brother I love you Be encouraged man And just know& G, F$ g$ x6 c& t# I9 @
When you done let me know cause my love make you be like WHOA
3 \# t" V) Y! Q; j$ N @* WIf I can’t do it for the love then do it I won’t
- \$ n/ _* m" |$ YAll I know is I love you too much to walk away though
$ k& Y; J3 q* k$ I- t3 m# E: X9 |* n7 f+ k3 g
- O/ `4 w5 I! C3 o6 b
如何写歌？. w* g. I& M. E
5 N! R2 {1 `; B U: o7 _0 l$ h
/ u' B# M; \6 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”）6 {/ \) M+ X3 X& V% A8 }. k
; o* z* `: B& A2 g: z8 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。0 ^: [! K1 f* t. {4 {
6 k/ x$ h+ n7 F6 H0 K& p9 N
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。
6 R ^& k' o0 j1 L1 {2 n
3 [; A6 h: D1 m8 @' A+ x5 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。1 D6 K+ j2 S) P
9 J7 {1 X3 G, A5 L" Q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。
: O( r7 \* p% S4 R8 e
" @" Y" ?0 w, G0 ~2 PDeepBeat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。 |
|
