|
|
7 E7 J3 J) j3 v( U" U
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）
' E4 [/ l# T) [, j3 s. Z4 F" w6 b8 }$ c# ]
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？1 q% l' @8 s/ `* [
3 Y4 C8 c% ]( G& D* _4 L
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）：8 M* s& }% L, N. ]; V7 q
( F1 ?: q# u+ A! z8 `3 |* F2 jFor a chance at romance I would love to enhance
$ e' ^' H% B* k2 h7 }But everything I love has turned to a tedious task 5 T) R6 A) m/ n( c% i! `1 C/ Y4 y
One day we gonna have to leave our love in the past7 _0 d9 T6 }& } A/ P0 E
I love my fans but no one ever puts a grasp/ x3 w8 l$ j6 z b* i. t
I love you momma I love my momma – I love you momma / w( y( z* D% A: h4 K6 V% e
And I would love to have a thing like you on my team you take care
. g; B. S- F, II love it when it’s sunny Sonny girl you could be my Cher
6 j+ e2 ?, b* AI’m in a love affair I can’t share it ain’t fair
% w5 K2 a( k6 q- gHaha I’m just playin’ ladies you know I love you.# G! K) G$ u# Q5 j- k" C
I know my love is true and I know you love me too
5 r* S' r9 v6 N. I1 D0 E+ hGirl I’m down for whatever cause my love is true X9 G3 w% d# b# l. [4 w
This one goes to my man old dirty one love we be swigging brew
4 @* N9 C! Z1 `0 QMy brother I love you Be encouraged man And just know
4 t+ _& x d O" j' }% V; UWhen you done let me know cause my love make you be like WHOA 0 ~" u# G1 D0 M4 O; q& b3 g
If I can’t do it for the love then do it I won’t
/ I) z# {. x" O$ ^1 u+ {* n; dAll I know is I love you too much to walk away though- ~' i; L1 E5 g. ^7 u
" {( F6 X3 [8 o- a
- K% v1 J: F3 J( X2 u9 u- r; \如何写歌？" ^6 j$ }- R+ G6 O, f
* D$ Z, n5 \1 i" a
4 S- W# _1 p) 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”）
; i! z$ i8 s8 a. P) z! x1 s' D# Y4 ?' S8 ?
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。
9 f+ h/ K( [$ L
! l. G9 [ {+ Y# f$ E9 i* [2 P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 t6 B7 ?9 _+ o( x7 j
7 F p2 V; n. Q% {: `- L1 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。6 G' H6 Y8 b7 V' |
' |- a9 w. Q/ ]1 Q' _# T
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。1 z, w* r6 e* W
& x T% \, f, R% f. c J. O
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。 |
|
