|
|
8 E+ z9 `+ Z( l+ \! s0 y' z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） i6 y' |% B+ h) T3 x) w1 i' u
4 ^& u9 \! z, j0 F- R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？6 m" L7 c. L! l" _% @- E7 a2 U
* {, s0 ?4 u) [+ ^4 p5 q/ |( P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）：+ i X3 u9 P% a' v+ b2 Y
2 g' |9 l: M0 T! {& AFor a chance at romance I would love to enhance1 [/ ]. v. { Q0 d+ D/ c b; b9 A
But everything I love has turned to a tedious task
) G W- @, i) O7 mOne day we gonna have to leave our love in the past* L A: h7 M$ T- S7 v4 f7 S8 a- U
I love my fans but no one ever puts a grasp! r7 t/ I$ q2 {& |! @* b: D
I love you momma I love my momma – I love you momma
( D- I1 \* Y& G q& W; TAnd I would love to have a thing like you on my team you take care' [1 @; M6 l+ ^# Y/ B, ]: I( o. h+ _
I love it when it’s sunny Sonny girl you could be my Cher
# q6 D- b) o. g/ m2 e3 y: HI’m in a love affair I can’t share it ain’t fair
: X" q2 d) I3 \6 M/ I6 t- dHaha I’m just playin’ ladies you know I love you.
; Y c5 j* ~; |3 r: cI know my love is true and I know you love me too
8 A/ Q/ B: o$ d# GGirl I’m down for whatever cause my love is true
) |0 Z& g4 @' t7 |2 \% ^/ RThis one goes to my man old dirty one love we be swigging brew 7 p4 B( x6 k( L
My brother I love you Be encouraged man And just know N7 h! I/ b t) k& o+ d( g0 V/ d
When you done let me know cause my love make you be like WHOA
$ M. n; q) ^$ U/ fIf I can’t do it for the love then do it I won’t
) L1 ]6 I4 e: ?- {" G) GAll I know is I love you too much to walk away though
: W& m1 y8 v1 P% y+ d3 W" ] _* j* F' i
2 i4 a8 J% f; q3 w4 F5 h如何写歌？; h& `8 n- E% s6 A e
. I3 q6 ~6 |3 w7 T! g) z
9 n4 H) W" b' v- H# R' x9 `* u8 \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”）
& q6 m* I4 v& r" q% G; @; ^, ~# c6 u, M
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。
2 `5 A6 W3 C' A5 Z" U0 f& B) @6 F$ S1 [( m0 D, H
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。
5 q/ T* W# M( a! k, }* G0 o9 }! y! ~+ ?
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。
8 ^- j0 M1 y7 V) n( d. n) r3 N6 z: A7 e# G4 z3 k/ Y
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。+ F! |2 k; r' }# `+ g: T5 \
) z1 q& I' H# TDeepBeat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。 |
|
