|
|
, n# d$ ^ K: u, J* S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）
: [" E/ Z$ L A' |( C( F; |
9 s- n2 E; ~) @% |; Y* 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？
# C. |/ U6 N* M
+ b6 S9 |& a5 _. G( V( N: 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）：
& D: m, r3 s5 z9 h, T; g4 D8 {/ G
4 F) n' C% X" c9 h2 q2 JFor a chance at romance I would love to enhance2 n; ^" X0 O0 ?0 ?
But everything I love has turned to a tedious task
0 q6 R7 n# Q' _One day we gonna have to leave our love in the past0 M) v; l! _/ Z4 H6 O3 G2 ]
I love my fans but no one ever puts a grasp* ~2 Y7 {" R' N5 v; R
I love you momma I love my momma – I love you momma ; t. w @$ |# r3 t9 {9 I$ R
And I would love to have a thing like you on my team you take care
9 k. O. u' {, G# l" [I love it when it’s sunny Sonny girl you could be my Cher) z9 q* @8 h; ?- ~/ Y
I’m in a love affair I can’t share it ain’t fair + p" [! u g( @4 S. `% v) O
Haha I’m just playin’ ladies you know I love you. f1 T+ t0 Z# d5 I, V
I know my love is true and I know you love me too
, C7 x7 w5 ?, MGirl I’m down for whatever cause my love is true + K- M( u/ f: ?- _ k8 P/ E- f. J
This one goes to my man old dirty one love we be swigging brew / w9 o# e( v; Q0 K P! |
My brother I love you Be encouraged man And just know& @3 P5 z. ^& y1 y1 }+ Y
When you done let me know cause my love make you be like WHOA ! d! X8 ^1 k# ?& n
If I can’t do it for the love then do it I won’t
" {3 T8 f. Z" n J& b; ZAll I know is I love you too much to walk away though8 s- _$ ~: x" M% q, b) V
' c2 L% Y6 F5 W- l, Q
+ z& t0 b% e1 ]1 @% N如何写歌？
( S" p& O( \3 e! p) K: B- X
' G6 k& q6 g: c' K3 z" Y$ ^6 S
, }5 l$ L$ w' O" m% |: m6 Y4 O, v
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”）
! O" A! z- \0 {( Z6 ?5 `3 A3 Z6 N% h% X1 W6 Z0 l) P
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 L$ _# s
& {) s& E7 c: G! [6 {0 [' 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。4 N o4 {& T$ |* c8 ]
$ l: u: \3 G# w0 ]/ J! i' U) V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。
' H/ `! }# G$ D! P
. y, N( u9 X& s/ L I. t; p1 S3 w6 V, \& u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。2 m/ c, x' q+ U% j3 p1 Z$ F/ A8 h
$ T# ]. R2 U! m [" vDeepBeat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。 |
|
