|
|
! u8 ~( ^' U7 q7 g+ i1 g- g( m2 n
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)+ T' I; t4 x* F3 Q' ?% M4 w
+ s3 g C0 J5 O+ V& Z3 d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?7 q2 Z4 Q0 F8 I1 ?% J7 y9 H& e
# A& v5 h, B8 e& ^ ^$ R( v
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% g, r% C0 [$ V
1 G L5 Z) [5 f) j/ {; g! q ?
For a chance at romance I would love to enhance
5 X9 U7 c# Y0 {6 uBut everything I love has turned to a tedious task 1 s# x J% t$ a3 a
One day we gonna have to leave our love in the past
% z3 o) ?3 _8 \. X: Z9 JI love my fans but no one ever puts a grasp
& j' D2 G% E# e" XI love you momma I love my momma – I love you momma - H" q7 x9 E4 @
And I would love to have a thing like you on my team you take care% c& Q6 T* x- i2 x
I love it when it’s sunny Sonny girl you could be my Cher0 S* W4 B: j6 f2 p2 {4 h
I’m in a love affair I can’t share it ain’t fair
$ ?# ^: z* y. Q( P9 I$ j5 p0 nHaha I’m just playin’ ladies you know I love you.$ ] z* X% \5 r: V% g9 X
I know my love is true and I know you love me too$ _" P9 Y/ K) Q' g, C! X: v7 _( b
Girl I’m down for whatever cause my love is true
( e# W8 q& ~. fThis one goes to my man old dirty one love we be swigging brew 3 z7 _& y$ a; v2 r
My brother I love you Be encouraged man And just know
; b0 ~, T8 b0 U0 W; h$ p4 fWhen you done let me know cause my love make you be like WHOA ! c. Y5 Z3 v' J
If I can’t do it for the love then do it I won’t1 r6 ~; k! Y( k' @& M2 A
All I know is I love you too much to walk away though& z8 C" I! Y. l5 y6 k
& U3 i" m( G c" f1 ^, Z" t$ \8 @8 F1 e
如何写歌?/ Y4 P3 S8 p- o: P2 \% |) F
% w' g4 Z) ~4 B
* n/ m$ H3 m: o' 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”)- l- r: _. D) h5 |7 B
5 E8 D" H' u9 K2 }/ j
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。4 ]. f& }! J S% \( q2 ~
. @$ @( k, L: f# c! b/ @8 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。
3 @, D" G8 ]( F+ _- a. _
9 v9 C: l. C/ H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。
1 G' V- e1 G9 r! W" ~! F5 R& M5 @: ]! U
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# ]& r. B' T8 N
3 _6 \7 a% K) @3 l3 L% }
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。 |
|