|
|
4 K1 ?/ U6 @6 R- @' T- x
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）
- w8 i+ T" C- k6 z2 j" ^' Q! O% p6 Q" c
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？
% m- [& W3 f- L4 M8 f$ t
N$ C; X0 o9 C7 y2 S3 b9 s+ L# ]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）：
9 e3 g% X- U: F8 P9 M8 V, ~2 @* d1 M' U6 z0 H& V6 T
For a chance at romance I would love to enhance5 F& u3 G( h, v( v+ d
But everything I love has turned to a tedious task & k% c/ k* v: \& i1 H6 l' l
One day we gonna have to leave our love in the past) ]# g2 [8 J* P' B1 J
I love my fans but no one ever puts a grasp
, ^# a- L( P5 n: r( ?' h4 g; b9 O2 {I love you momma I love my momma – I love you momma
0 w% }( [) _, W d! Z/ \& z! {And I would love to have a thing like you on my team you take care
6 ~5 X) P1 O! i2 wI love it when it’s sunny Sonny girl you could be my Cher
8 @/ G; F3 ^/ V7 @0 oI’m in a love affair I can’t share it ain’t fair
, b. ]# g; K# a! L/ L- D% KHaha I’m just playin’ ladies you know I love you.1 ^9 t I0 e' i5 l* }6 E
I know my love is true and I know you love me too
/ x$ Y& V; T5 [0 nGirl I’m down for whatever cause my love is true 1 g& T' u3 b& n9 ~9 P/ Y( x. K
This one goes to my man old dirty one love we be swigging brew 2 e/ U8 {; U. [
My brother I love you Be encouraged man And just know
2 u q, O Q1 `7 yWhen you done let me know cause my love make you be like WHOA 6 E! ]* k: l' i2 [5 [ }/ J
If I can’t do it for the love then do it I won’t! d$ B$ m9 m0 }' Y/ \$ k9 ^# o
All I know is I love you too much to walk away though
8 M- B0 r8 K# m. x: M+ V% |( k
5 a) a3 s8 n+ W0 m# }* q L* w9 t8 }
如何写歌？
, M' M( N1 U/ L& Q) I. v
0 O3 V* x+ x: q* _6 @! p3 C5 l5 U' q+ ?* o( P, z3 N ?& v1 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”）: w; u7 Y) m- }7 ~8 D
: s3 M) H" c9 B1 W0 @& L3 |2 m
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。9 M" ]' \/ p2 L/ h
3 c/ z* {* H0 h9 ?$ g5 S/ [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。
$ A' i) Q6 f5 W3 q, g' Q
) M$ s+ ~5 g0 S( [. q8 U5 [, _0 J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。& R7 q8 B$ r6 n4 d( r) I1 i4 y
a* \4 }- `8 K: V3 u# w
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 [, o- m! `9 Q ]# D+ U
$ H5 v" _! }; I& [8 jDeepBeat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。 |
|
