|
|
, D$ j, R* n! V8 y 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' z. ~# w8 E- D
. P: N7 Q2 o5 b1 {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？$ j* D9 Z' m8 ~+ l# F1 `5 [
& O2 K" G6 L! O( ^' U7 s1 K- x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）：
& m' ~. _1 A0 k6 Z
: }4 l& ~. R9 s$ [) RFor a chance at romance I would love to enhance7 a7 _) P% p. D0 g3 s/ n
But everything I love has turned to a tedious task " f: V, u1 ]+ O
One day we gonna have to leave our love in the past4 `& H1 A- \2 s* V$ \0 r( R; d& i
I love my fans but no one ever puts a grasp
5 [! |) c2 e- D* eI love you momma I love my momma – I love you momma + @, i4 W( M' F1 f+ q8 w9 r" i
And I would love to have a thing like you on my team you take care
# z" \0 y& z' ~% r4 OI love it when it’s sunny Sonny girl you could be my Cher5 e- ?4 I6 K+ k* U0 _- H+ r
I’m in a love affair I can’t share it ain’t fair
( w8 u0 o+ ?7 y# c2 F7 S8 }Haha I’m just playin’ ladies you know I love you." D9 U9 T. X" t. |( s& X2 m
I know my love is true and I know you love me too# H; Y' A8 f! D
Girl I’m down for whatever cause my love is true
+ W+ h" p* a% GThis one goes to my man old dirty one love we be swigging brew
( h w# ~; Y% i9 @5 BMy brother I love you Be encouraged man And just know0 p6 L+ _8 d% `7 P. r. h
When you done let me know cause my love make you be like WHOA . Z Y: C+ S$ ^4 B7 ]6 D
If I can’t do it for the love then do it I won’t. [3 U& l+ u' m2 g) M- m0 `5 ^
All I know is I love you too much to walk away though$ R0 @7 v. z, `' O
- w/ q: x# u1 b' u- |/ H1 Z! c1 y# K% ~: N+ G& _1 z4 _
如何写歌？* F1 {4 L* }3 M2 s
5 @, K3 r: K: c9 ?6 i
7 \2 [, ]" |4 |8 m R. e4 K# J( |- C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”）
. ]3 k! r( u1 r& ^+ r5 d5 C- A8 x+ D" ~
* ^0 A4 H& j" 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。
1 Q) n# F, I0 M5 O; n0 {) A
6 S" J9 s; N: [. l" K8 e7 Z7 a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。
* k, f4 k. d+ o+ B$ C& i5 ?( K) {/ H# q
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。! w( J1 @, i* K' l4 `/ j! K
" m$ g7 ]& ^' ~& N; ~/ ~) L
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。
" z8 \# R& F* J1 y: ?, R5 f& w* G' @/ _8 B, b8 T
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。 |
|
