|
|
; E* |: B: k* n6 G7 L4 U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）: D' a2 X8 n8 `* p t* } r2 `7 ]
& Q) M" [2 {+ {1 B7 [' p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: ]0 ^+ S8 S; y3 _. T. s5 i9 O- m% e" I' o: Z
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 N, `! d5 n3 s# Z6 m0 m; d& t$ U0 X" V) W) L
For a chance at romance I would love to enhance
8 U( U) L# z, k/ e: c8 C' K0 IBut everything I love has turned to a tedious task
& z# T8 J" q+ P& ~' LOne day we gonna have to leave our love in the past3 ~/ ]" B# R) J; P
I love my fans but no one ever puts a grasp4 r" R9 w% F' a$ |
I love you momma I love my momma – I love you momma 1 ?! Y6 b5 H0 {8 O- _
And I would love to have a thing like you on my team you take care2 Z0 ]- V1 ]! j7 A% C+ ^4 g
I love it when it’s sunny Sonny girl you could be my Cher6 y" W4 z0 Z" b1 E" t9 b
I’m in a love affair I can’t share it ain’t fair
, r8 j1 E* q( O, J+ H( |Haha I’m just playin’ ladies you know I love you.
8 l! }- w0 ~' H* u: eI know my love is true and I know you love me too+ U g7 q. \) T) ^; @( \
Girl I’m down for whatever cause my love is true
7 Y; _8 s1 ~7 K7 I) CThis one goes to my man old dirty one love we be swigging brew
8 L4 \. y6 P. Y# ]$ DMy brother I love you Be encouraged man And just know: Z% @$ S. s" O& P. ~" H& B
When you done let me know cause my love make you be like WHOA
* k7 b0 ]" @' v% V% p9 oIf I can’t do it for the love then do it I won’t) R+ Z9 N6 r4 R9 _
All I know is I love you too much to walk away though. e6 T8 T% z2 e- C, U1 q
" }8 p$ q E: C- s1 |. w! p. {" f* L3 ~0 I# H
如何写歌？; B6 E, Q4 Q6 D. x! ]( W: m I
9 d! d6 w4 V! f# k" D5 N! S5 J4 D
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”）
E0 V# h: F) V: h6 Z* [/ O) j9 ]( A& ]% F
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。
8 N6 P! d) {0 C4 u
* ~0 g4 t& \# b7 f1 T( U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。
5 S3 ]/ E( w0 w" J7 @; a# d- o
- U" {& n( x% T: X/ s3 g: 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。
$ [0 N3 i# N# q: Q, Y' B4 T3 j6 _7 f8 {3 N7 F0 a) j; t0 Y% \8 U) R9 d
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 Z2 k& H2 H! K8 p" {( w" j3 o( {
, \" b! z0 J7 I' h6 MDeepBeat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。 |
|
