|
|
5 Z3 r: ?; v \& {) U, u8 h8 X
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 B& K1 ?% X" B6 {2 J" t/ b9 F
5 Q/ F. E: l+ g& r% ~* e! M! ?
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？! B4 o2 ~9 u0 J3 x( n H( R
7 ^3 y) F) @: ^# ~3 U. D# U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）：
6 B8 O) Q1 n6 f$ y
' Q5 d: |+ }& i/ HFor a chance at romance I would love to enhance) M7 ?3 @% q' ^5 m. x1 ^
But everything I love has turned to a tedious task * l0 Z# ?: [; g2 x
One day we gonna have to leave our love in the past
0 M/ b- H. c# ~" }5 SI love my fans but no one ever puts a grasp" ]- S& L& q1 l% C) [5 Z* m# w
I love you momma I love my momma – I love you momma 1 ?1 q% D- \! u8 v: W: ?
And I would love to have a thing like you on my team you take care
: C) c9 H8 X5 U8 ~7 ^) TI love it when it’s sunny Sonny girl you could be my Cher
. _. }' f' a2 u% G2 W7 t" B. LI’m in a love affair I can’t share it ain’t fair ; C6 t6 t# S& L
Haha I’m just playin’ ladies you know I love you.9 f( h1 c4 c; {1 o1 H
I know my love is true and I know you love me too
# J4 k/ b' o3 ^1 g9 PGirl I’m down for whatever cause my love is true
3 V. W, z& m' c) kThis one goes to my man old dirty one love we be swigging brew
4 N5 E0 ?, f; x& S% V! |2 } XMy brother I love you Be encouraged man And just know
2 g; k* }/ Q& V4 L1 U/ FWhen you done let me know cause my love make you be like WHOA
; t8 `' d- R5 aIf I can’t do it for the love then do it I won’t
/ ~+ O0 D2 D, Y: _All I know is I love you too much to walk away though U( o4 q3 D; q r
. x" M" u$ T& f4 Z
$ d M0 A* u1 y0 X. r; P
如何写歌？2 \( Q, J) ?5 J4 q
: v0 g. e9 W1 c
5 E$ I& h/ m0 W- [ g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”）) G" y$ w0 f6 x; _+ Z- F
5 p' y6 h8 ~8 v( 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。
$ ^# x" @! V: [/ R1 s: q5 F' }. y6 \+ M$ H: J
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 p1 ?' d+ D2 [6 c" L0 R" B3 L1 {; M- r$ c, A% s! ^
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 x& Q% N4 P: w' n
# L7 y% I. t4 F, w4 g& |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。
& I* p# Z% E* `; p3 `; C- n" j( M* N) n# E [0 u$ M5 e1 k
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。 |
|
