|
|
R* s' _8 q6 o
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）" S( Y' J1 I7 s7 E$ Y
5 H" x( o. |! k1 e: V* v( N
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？4 M8 t& M0 c% a$ B0 P3 i
, H- D( k- l2 A6 E
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）：7 k: T f, {. p b* a7 v
+ T/ b' @5 w0 Z" y
For a chance at romance I would love to enhance
/ `. ~* l$ l- q$ i) ZBut everything I love has turned to a tedious task + j4 f3 J& f4 l4 ?
One day we gonna have to leave our love in the past' }$ U5 B9 e& }
I love my fans but no one ever puts a grasp
G2 u! r# g/ ~$ pI love you momma I love my momma – I love you momma
8 R$ z, {" s9 ?( t/ }: R9 C# v* QAnd I would love to have a thing like you on my team you take care
; d7 l5 x6 K, l+ N6 v$ HI love it when it’s sunny Sonny girl you could be my Cher
" i* R! I/ y" X: `6 MI’m in a love affair I can’t share it ain’t fair
. B- Q4 u' q! h: g5 w; wHaha I’m just playin’ ladies you know I love you.
1 u/ @; b4 ]) a. N2 v+ b7 }& E, AI know my love is true and I know you love me too
3 n( P$ b }6 J# ~Girl I’m down for whatever cause my love is true - V6 N% t' i( F9 j
This one goes to my man old dirty one love we be swigging brew
: s, c7 i' L. L7 _: PMy brother I love you Be encouraged man And just know
: X* G. [8 \2 u! f% j' eWhen you done let me know cause my love make you be like WHOA # P1 L9 J% u) i8 e
If I can’t do it for the love then do it I won’t
9 d1 _. W/ ~# G* g& n- x& PAll I know is I love you too much to walk away though# l9 E2 Y: E* u/ J" R+ c
, C2 n; f" a3 `: a& x! j5 z
3 [" C0 O j/ z j" j6 w9 R' J如何写歌？/ ]. ]* p2 E$ x( L1 Y9 E
2 a- Q: e5 C" x5 L4 |8 t( h
' b$ o+ @7 d- y, ?4 X. J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”）1 G8 n% E4 K* z; z
1 _2 M+ R+ X* h& B. e
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。# k, T6 B! ~, f/ \
5 M+ `9 V; j5 b, v) x) f7 c9 Y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。
$ w( N# ~4 s8 E. @/ c2 g& F: ]! {( y# u) P4 f; l# U/ L) k6 ~$ p: j+ o5 w
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。
, B* y# Y) A, j4 Q. f3 b6 Y! I7 ^+ M
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。% B8 w7 ]% p, g0 ?
! y2 a" d) n5 ~0 Q6 a2 QDeepBeat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。 |
|
