|
|
0 T. X# R* m4 O( m' f' _6 I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 Z' `. u: d+ u4 r) d1 o* _
' k+ h% W$ p5 b: \8 }( m5 W9 T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？
( x' @6 h# b% q8 x8 |# [" ]3 c# z% P1 q& f' U/ B' \* ]
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）：
4 M" B1 Q: u7 a; a
+ p+ A6 d( G: hFor a chance at romance I would love to enhance
; u. f; }( E4 z6 L, pBut everything I love has turned to a tedious task
/ W) R" i/ }' w# b, @4 y* iOne day we gonna have to leave our love in the past
+ C1 T0 C- u+ P1 hI love my fans but no one ever puts a grasp5 D! l& e. a3 | e
I love you momma I love my momma – I love you momma / D( I7 D& u! `4 q% C
And I would love to have a thing like you on my team you take care
[) E0 W: `1 _2 {9 JI love it when it’s sunny Sonny girl you could be my Cher
! e, Z0 g5 F, G8 M5 EI’m in a love affair I can’t share it ain’t fair
- _/ B+ d4 S5 ]0 T aHaha I’m just playin’ ladies you know I love you./ }5 j7 I* U7 M+ n: ]9 F3 E
I know my love is true and I know you love me too% q _' _; ]8 e& }
Girl I’m down for whatever cause my love is true 9 I& o# s* j( z+ g/ e$ z8 m5 m
This one goes to my man old dirty one love we be swigging brew 5 A1 a# k/ c$ F) A
My brother I love you Be encouraged man And just know
& m, D' v0 H5 v* X4 y9 a/ s$ MWhen you done let me know cause my love make you be like WHOA - L# t$ F ]& [; u- X
If I can’t do it for the love then do it I won’t
3 U7 O1 a" m! NAll I know is I love you too much to walk away though
& y# Y. ^- {% P: h1 V( K; Y
$ Y! x+ l) [6 l4 q* ]8 m7 O8 t7 j$ m2 s
如何写歌？' Y; b+ Y1 t: A0 W* d
& W5 d: ~9 t1 C- u5 `3 z
% j* @7 p3 l' z+ `( f; z& c1 v+ r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 K* B. j D. q. ?4 w- R# B& y# y8 @
0 x o. E. \' ?( g( Q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。# O' P/ ~# b! F# I
- i, o/ g3 k( Y8 J% 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。
. L: b4 \: J% Q7 [8 j! z" q& {" q
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。
+ r. U" i* o+ w% O/ ?' |& p( w* L! O4 f$ 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。$ c5 v9 {( J+ d% K
- G L J1 {& o+ }, X# ]% r
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。 |
|
