|
|
8 ]& F: b. |/ L# v$ g9 I0 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）/ `5 O8 D3 m+ w( m3 |: z6 Y' v
9 m% r" L/ S; |. R1 O- ~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？
) h5 P8 |0 [2 g$ Z1 V3 j$ ~9 W- @: ^6 D; ^9 C, @. w* i4 N
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）：
) v8 E# |) z8 q1 j9 D& P
. o5 u& e4 ~5 S: dFor a chance at romance I would love to enhance
8 q; p# j) d# d4 o- ^! ZBut everything I love has turned to a tedious task
8 k: y% \' ~- }# i. N& f% R3 HOne day we gonna have to leave our love in the past
+ t j9 L# ^4 ?I love my fans but no one ever puts a grasp, d. C9 a2 p6 c$ ~
I love you momma I love my momma – I love you momma
( Y; i) O) Q) v: [2 _5 _& eAnd I would love to have a thing like you on my team you take care
% z! |0 J- A% d! nI love it when it’s sunny Sonny girl you could be my Cher% q) T) E7 b4 I7 s+ H2 @+ ^1 G. e
I’m in a love affair I can’t share it ain’t fair 3 J7 g9 [1 C8 k# y
Haha I’m just playin’ ladies you know I love you., M4 d/ \# _1 v& q$ b. O& f. x* z( U
I know my love is true and I know you love me too. P7 W% C& f7 _# |( O7 s' C- D& J, I
Girl I’m down for whatever cause my love is true # i2 U+ Y2 n( Y. Z& k
This one goes to my man old dirty one love we be swigging brew
: D8 [$ Z0 x3 n# I8 r- u7 v" `My brother I love you Be encouraged man And just know
]5 \+ [# e+ |8 f7 _; bWhen you done let me know cause my love make you be like WHOA
* ?+ |: H; c. v) {5 M1 Y7 JIf I can’t do it for the love then do it I won’t& R, f5 ]& d3 E' S7 O7 u1 W
All I know is I love you too much to walk away though
* Y: X$ Q' j# p: D. S0 Q% ~& H8 h- i: @: }( J( r
/ {) k4 j+ W* [* Y# O; }& q3 Q1 n
如何写歌？
6 _ p1 o9 [4 u5 f1 ~5 J
# ?; F) A C# V9 s1 b) O, w
' G+ d" y2 y4 a& w, }' z0 ~% 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”）8 ~% Y% M: G7 z$ i
9 q/ G) i" L% T0 p7 K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。& c: H. N' C% o: |% n* _
1 S) H }3 w7 I! }! Z! c: g
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。- j* i. o' B, Z
( F. S* |: z. W# q/ k
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。; Z$ s: Z, u+ P+ L! Y x) n9 H9 W
4 J R G0 \1 ]+ z0 O* 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。4 u: M, \9 ?) Y5 g l
. |: }% X; x7 Q; e$ T, X
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。 |
|
