|
|
' b9 v' H6 B% k7 C. h; V; ?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）
4 Y9 g8 c% R6 j$ ~! ]
# P; n/ g: f, |. G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？
8 {1 ?) W6 Q. |, H# d; }$ O1 e. g5 R$ P9 W
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）：
/ Z: Z) t1 N7 M
" D4 K5 N) ?5 H. ZFor a chance at romance I would love to enhance8 [- m' i3 U0 _7 w* ?
But everything I love has turned to a tedious task
& @" P, h' a; O# r9 I. t; J/ p1 h/ dOne day we gonna have to leave our love in the past, k+ K0 d' l8 a% U: s
I love my fans but no one ever puts a grasp8 ~/ \: N* p# {! u
I love you momma I love my momma – I love you momma
9 a, u4 c4 g% R9 Y1 `And I would love to have a thing like you on my team you take care
5 @3 u9 u4 H2 r2 @* A2 K6 dI love it when it’s sunny Sonny girl you could be my Cher
& \: ?2 I4 J( VI’m in a love affair I can’t share it ain’t fair " g$ w7 M0 N, Z" {; |
Haha I’m just playin’ ladies you know I love you.
% l1 I2 L; q3 G6 vI know my love is true and I know you love me too
5 F0 ?9 ~* H) v# }+ ~; uGirl I’m down for whatever cause my love is true
3 K" m% T9 W* K, J$ s2 qThis one goes to my man old dirty one love we be swigging brew
9 T5 w$ ]6 O1 TMy brother I love you Be encouraged man And just know
+ f2 q& t7 P# T, }" ?& H3 [When you done let me know cause my love make you be like WHOA - [. [- M, I, v' y+ C6 Q
If I can’t do it for the love then do it I won’t
/ R' Y/ b: u( R, I0 S" |All I know is I love you too much to walk away though7 Q2 j7 ^) D+ g& |4 w6 m0 x
9 P: F' A3 A5 }3 X6 O7 V. K: n: q7 e
如何写歌？
9 |3 T: g0 L8 u2 w' H! z3 s
: P" O0 ~7 i5 P! X; b" d
7 r$ I @, I# i( t+ V. \
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 |$ ~, n- I* K: T3 \ F) C
9 Y' d& ~2 {& T5 J% G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。
3 d$ s8 t, b# e( t* V/ y
' w; E2 _6 T0 p9 j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。0 y6 u K" }. J ]" n
K& V. k5 s 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。 A0 Y p0 Q4 M# |% L
4 {4 i& F; }- H( 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。
. r9 N6 L1 X6 J9 i1 Y( f; ?. O; y. T; n( `% B
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。 |
|
