|
|
4 ?/ g0 w' T) l( Z
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）. F) r0 M: X2 l
# M+ Q( ~8 ]4 L. G0 y9 j& w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 _3 _5 v: @1 w8 R7 Q* Z. \( K9 @+ o
+ I' i. K, U; h' I7 D3 _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）：& E4 v% O# ^; E2 J3 U6 W! x
. F1 R' k% G6 h$ w; [5 sFor a chance at romance I would love to enhance1 b7 T0 n9 p8 t. Q/ b- a1 S
But everything I love has turned to a tedious task
0 ?0 E7 f; m5 ?9 l1 qOne day we gonna have to leave our love in the past
3 c8 a. o+ x3 m' ] \0 @% D, dI love my fans but no one ever puts a grasp; L/ \7 w0 f. {9 K) `( k( j
I love you momma I love my momma – I love you momma
S) G1 q- Q0 G' c' w9 vAnd I would love to have a thing like you on my team you take care% S5 W0 A! W) u3 P! W: M4 w; Z
I love it when it’s sunny Sonny girl you could be my Cher
* }& j9 [) r, J- R% PI’m in a love affair I can’t share it ain’t fair
5 o4 V6 W4 Z# l2 J% P M2 T h9 fHaha I’m just playin’ ladies you know I love you.
0 d5 a L- y- C9 R: KI know my love is true and I know you love me too) i; R8 y; y- _9 r$ ~
Girl I’m down for whatever cause my love is true
7 Z, j" k6 o3 p3 U* D7 {5 L- \6 A4 p$ j/ U1 nThis one goes to my man old dirty one love we be swigging brew & {( N- M7 [3 w5 K Y2 p
My brother I love you Be encouraged man And just know8 W3 S! _% \2 t3 ~: e' T
When you done let me know cause my love make you be like WHOA
. F# \2 |# j. r9 K) U& s" Y$ G9 N8 fIf I can’t do it for the love then do it I won’t( X5 N8 K0 }3 Z# A) [
All I know is I love you too much to walk away though
3 L8 e4 v. m x6 e6 X6 l( v; `9 z; m) W
; R3 {7 d2 R& b$ T2 A1 s, |6 _
如何写歌？) M4 t [* f( R
' ]* r* L* R0 f+ k7 U& E' _: ^# G4 `" Y+ Z! h
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”）
& W- F9 _3 n" G) Y7 L0 f6 U; k; T( k
/ k& `: A' o/ U5 d- Y1 t4 _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 l9 n+ p: D, H% b
; [# `, ` t1 y4 C% g+ 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。
, n: J+ r5 i! o% s* D, [
# ?- f1 p! h$ {% Z1 r8 ^; b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。9 I0 U) c+ R$ p1 {% a
% r3 V2 t, O6 `9 a6 f' u$ 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。3 `* B1 R; E0 H" d/ l, \5 ~$ `
6 H3 [& F# ]" C+ D* s9 |
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。 |
|
