计算机写的说唱歌曲，唱起来好难的样子

/ }! X5 C* K+ ~! Q. M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）

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？
& g5 l- ^3 Z5 y) P; [& p
8 r& b+ H4 F; n, J+ H/ w# A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）：

2 x+ f3 q+ {4 M8 p$ a: uFor a chance at romance I would love to enhance
) U" B* g% N2 Q  `! y( [9 WBut everything I love has turned to a tedious task
One day we gonna have to leave our love in the past
I love my fans but no one ever puts a grasp
4 e& u% A6 q# l5 i% x% ~8 V& M7 II love you momma I love my momma – I love you momma
And I would love to have a thing like you on my team you take care
% H9 \/ S1 p& r" kI love it when it’s sunny Sonny girl you could be my Cher
) q% }$ d$ X* V% hI’m in a love affair I can’t share it ain’t fair
& u( D# O! C  Y# X: THaha I’m just playin’ ladies you know I love you.
I know my love is true and I know you love me too
Girl I’m down for whatever cause my love is true
9 k) n$ o  h! ^: CThis one goes to my man old dirty one love we be swigging brew
6 b7 Y8 |7 N+ hMy brother I love you Be encouraged man And just know
+ W/ J  n* l; bWhen you done let me know cause my love make you be like WHOA
' ^& ?, H& ?+ u  H( a+ yIf I can’t do it for the love then do it I won’t
# J+ O6 R) s- e) c/ GAll I know is I love you too much to walk away though
) B# |) y/ L4 n8 ^
6 n+ V* j# r; c5 X  U  _) G
如何写歌？
7 P* D2 ~1 W. d) Y& {
+ B5 x  x6 C4 Q& v: j  H3 [3 n  G# T
; C3 p/ }6 Q7 B# v# J4 n- R9 L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”）

2 Q: u& ~9 ~: f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。
: L0 L( k, a! M, H" w
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。

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。
/ F9 k/ M* n- ~0 R
$ c0 y- R6 q4 X7 ~5 L6 ~2 B+ 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。
8 j( ]* I) j& {0 k) t
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。