|
|
- _+ Q& q+ @! t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）, m7 \% y0 O( i
, V$ p# ~- O% F+ G/ I$ B
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 v+ X4 G- q6 ]# G& q7 g
+ i0 F$ [ e( G% o" 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 h% F: \0 j4 j R2 R7 F
1 i, i) J! X- g- N1 H, i tFor a chance at romance I would love to enhance3 D+ D0 ~. F* @! W0 a
But everything I love has turned to a tedious task % \5 h, ^+ j( p0 `
One day we gonna have to leave our love in the past
- r f1 q5 c* O% @I love my fans but no one ever puts a grasp: X6 L; ^; x) Q9 T' B. g
I love you momma I love my momma – I love you momma
5 N5 G/ p5 g: w+ l3 R& S# mAnd I would love to have a thing like you on my team you take care
0 h) p" p2 |8 i; O# tI love it when it’s sunny Sonny girl you could be my Cher* a/ u4 ]# T- F% B0 m6 d& }* P
I’m in a love affair I can’t share it ain’t fair
" {5 ~# k( p! F9 @7 FHaha I’m just playin’ ladies you know I love you.
8 L# L/ `+ }% F" K kI know my love is true and I know you love me too# Y- R7 T. D' s
Girl I’m down for whatever cause my love is true
' l; o) l1 o1 C9 \% _This one goes to my man old dirty one love we be swigging brew + ]: m& q/ @! |7 t
My brother I love you Be encouraged man And just know! `; [5 Z1 Q" S! k
When you done let me know cause my love make you be like WHOA 1 R7 O s6 X5 c6 [+ c" g/ E! S ]5 r
If I can’t do it for the love then do it I won’t7 O: E( e! Z* o# a+ h
All I know is I love you too much to walk away though% M/ w5 ]4 M' N8 G" ?
% }# |* v* q+ d m' O x. s
" Z# M7 ]) o9 Z( y( k7 Z
如何写歌？
' n8 I7 C9 [1 V
0 J. O2 o L3 Q# j5 f, V: P0 g2 B7 o' |
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”）
" x2 x# Q, K. d( h. s- ^( ~5 t$ }$ ?6 g& G* ?& \7 G6 T
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 p4 p! d q7 Y7 y
7 S& J- d/ A, J# 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。
4 G. V, o& h: h; M5 T% d
& V4 e1 u: m$ _1 N. f9 k% u& `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。
- ?( T/ t; u! q8 N; l+ g9 w" r* C; ]) ~6 F
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。
" b- T# n* @$ A8 Y( d. P5 p) G' W w9 L5 b4 [2 K5 [* ~
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。 |
|
