|
|
8 S3 ~: T6 A3 C" `3 k( t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）
# x' O( b$ X; I* E
, o5 M$ d' |% `0 ]! f: u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 r4 F* a: l9 \) W2 q
0 s' ~8 B( j( H& |2 d% m4 i' g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）：$ T% [; d& M4 z
" l- K N) r" | V: O( qFor a chance at romance I would love to enhance3 B( M2 L1 G# L8 m) ]
But everything I love has turned to a tedious task 5 @, }6 {( x. ?: L `
One day we gonna have to leave our love in the past
. m- t! t; w& v' iI love my fans but no one ever puts a grasp
; Q. t- h7 c. s3 T/ UI love you momma I love my momma – I love you momma 1 U6 O3 G: p A/ z' b2 P" e% {5 X: i
And I would love to have a thing like you on my team you take care
! o) q" F2 p/ y2 HI love it when it’s sunny Sonny girl you could be my Cher' ~/ {$ D1 C0 D7 [ o
I’m in a love affair I can’t share it ain’t fair
4 [* n6 d0 F3 A$ m6 G8 O9 [Haha I’m just playin’ ladies you know I love you.$ Q% Y0 f1 e! J3 O T
I know my love is true and I know you love me too6 q% g- h! V: K9 L5 h3 v
Girl I’m down for whatever cause my love is true % ?/ K K% d( _( o( z
This one goes to my man old dirty one love we be swigging brew
" r9 i1 _# ^; V* a* A/ H0 bMy brother I love you Be encouraged man And just know
* H3 k9 \+ E% J! Q. SWhen you done let me know cause my love make you be like WHOA
1 @7 l2 b! q: L" XIf I can’t do it for the love then do it I won’t
6 c7 _" b K- cAll I know is I love you too much to walk away though" v. d2 \$ ~9 a' F/ X& x
. \' I5 S4 ^; C! n Z T: [
T- ^- k, T; x) q9 B4 F如何写歌？
* l7 G- t7 \3 x4 S8 Y
: A* `: X" X/ r* p7 g3 x/ H
" W# t2 F: i( ^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”）# ~; v: Z. U! o4 G9 t1 N7 z; H
9 A/ O7 Z/ ^ d) b
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。& _4 A3 m O( {9 s( Z) T
! B; O( p/ M* y$ l$ X6 h3 F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, R1 Y% e. h% ^1 ^& d/ n( w) O" w- P) M
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。7 ^( q2 X! m' J' y; X- I5 i W
7 p) O" J2 L" [0 G/ y& }- z
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; \1 x- a9 x ]4 ]4 m/ @0 f) ~- F g
+ O) ~3 N8 P* k' y8 g9 uDeepBeat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。 |
|
