|
|
; `. Y# z" r& h) _( x+ p
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）6 ]" H3 W6 o- | q; w5 }# E* E
$ A. G# N+ I" n) ]7 w2 y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？
/ G3 u' B$ Q8 v5 q1 |8 N7 d; `" c
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 {7 a! b3 h1 G. ]4 C0 y- `; o
2 G( l/ E# y7 v3 d+ o
For a chance at romance I would love to enhance$ C# u$ |* w6 O$ I8 v- g# c: [
But everything I love has turned to a tedious task
1 @: I+ S- p; a5 C0 O' gOne day we gonna have to leave our love in the past' s) q1 T/ \7 k: x* }% ]
I love my fans but no one ever puts a grasp
' H; E) V5 `- S, P1 c" ^8 uI love you momma I love my momma – I love you momma 5 H" p5 |- o6 _& u' E
And I would love to have a thing like you on my team you take care3 @1 j5 c# _/ w& d& y7 k$ ~% o& q
I love it when it’s sunny Sonny girl you could be my Cher* a5 |0 b! I7 w O- m
I’m in a love affair I can’t share it ain’t fair 5 q c F' ^/ [' Y- [0 C2 l$ Q* ]
Haha I’m just playin’ ladies you know I love you.
+ E8 V" K: K |& d: yI know my love is true and I know you love me too
2 K2 [# r5 x$ p0 X$ XGirl I’m down for whatever cause my love is true 6 Q4 p; R1 t: ^( t' i" R/ b, R7 F# Q
This one goes to my man old dirty one love we be swigging brew
1 u3 _2 G, ?$ d5 l* T( y4 IMy brother I love you Be encouraged man And just know
{ u) {4 o' uWhen you done let me know cause my love make you be like WHOA
9 E. ] X1 a$ G/ RIf I can’t do it for the love then do it I won’t
+ z4 X; Z- J* N0 T- RAll I know is I love you too much to walk away though: ~ x$ e6 O8 K* O& s9 d* m
- `8 F; E7 j% Y, V9 W
% Q# N5 I, M9 {8 |; {5 I如何写歌？
h3 T$ L8 I) W
' t F% y# v3 O. {
& s' m% s3 I- m. A# F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”）
# A8 p6 J* k/ S1 D* a# W3 [ J' i: D0 `5 J9 |8 E
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。1 q$ B1 Q' _0 u% f! I
. O" e; g0 N+ u: r
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。2 U% b* Z9 g5 p, p
) G$ t( G3 O' ]* C |9 d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。2 ^4 H* I& S. m8 ~7 Z7 T; U
/ ^7 A, b/ \6 e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。6 G1 }5 H: @: U! M, O' p
3 Z# Q7 F. ]3 QDeepBeat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。 |
|
