|
|
: @: }0 F& D$ e1 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）; c) F9 P; `8 v6 Z; f' Z
; k' i2 B9 Z. a! {" {2 U2 J
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？
$ d: c5 {3 S, F3 ^* m5 ]
0 L8 }3 Z" v% `0 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）：
9 t1 m" X5 {* U* m4 {# P
$ B/ x+ n( t- b# B9 s) D( `For a chance at romance I would love to enhance' ?& F6 W5 {( b
But everything I love has turned to a tedious task
( T! u- A0 A7 e( a7 OOne day we gonna have to leave our love in the past/ k# q/ _1 C7 r! a ^ u
I love my fans but no one ever puts a grasp, E: ?: K: x# e$ D- g* ^2 `5 |$ r
I love you momma I love my momma – I love you momma
. m: \) D% k1 p5 q% a! ^( f, ~( K5 aAnd I would love to have a thing like you on my team you take care( x+ x$ Z' E0 b" E
I love it when it’s sunny Sonny girl you could be my Cher
0 ]8 {# W2 f( C8 XI’m in a love affair I can’t share it ain’t fair 2 e: ^. _* J0 L, e
Haha I’m just playin’ ladies you know I love you.
" H" L1 c; A6 ^1 uI know my love is true and I know you love me too
2 |4 e5 h/ c' XGirl I’m down for whatever cause my love is true
: k5 L* `/ A( ~5 HThis one goes to my man old dirty one love we be swigging brew + p) h% F' p' G1 X5 b. k
My brother I love you Be encouraged man And just know3 I& F9 E2 _4 E1 w
When you done let me know cause my love make you be like WHOA
5 Y0 x% Z- @2 _$ B- |0 y. ?' @If I can’t do it for the love then do it I won’t
/ f) ?1 u' o& p& P( i7 A& sAll I know is I love you too much to walk away though
* v. L2 \% H1 V. i" [4 Q/ g, d+ X4 I0 ^1 }9 v* D# H
" E; V7 v! G- _; O
如何写歌？( @) y/ d! s8 P: j; f
) o" I$ b$ ]- j& c: C
4 M* w9 S; E, F- k# }7 H! g' s/ r3 R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”）
. N0 Q. H4 L8 `3 F/ w1 {) _
: f; M" T' z4 I. \+ s( u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。
: g1 z; L- V7 B/ G( t9 h4 u2 [6 d2 H* O$ Q
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。6 r L0 c O) A- O$ v& }
, `) |2 j2 Z5 r2 c- 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。& X: [) L# i) I% c. J8 U0 m
' N( H6 i% |9 Y5 ], O( p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。
& {7 |# q' w# P# W) j$ B3 o/ |
7 q H. y/ v k- U3 IDeepBeat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。 |
|
