|
|
& V3 D0 @9 K/ c1 K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）
* o7 U4 S- s+ k# s6 B1 f5 ~6 m4 a
6 d/ G# ~, j. _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？9 l7 y# H$ X$ i
/ n: d% j; c8 B! D6 B
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）：
; J' ?- C' ^; k! y4 @2 ^7 ^" g9 p; M* f' Q# ~) m7 V
For a chance at romance I would love to enhance
5 z0 r% h- d4 N0 n; ^But everything I love has turned to a tedious task ! t; I5 z* [0 E# D" E- ]
One day we gonna have to leave our love in the past: K/ Y$ t& X [$ T, f
I love my fans but no one ever puts a grasp
( P$ f b# S+ ?/ LI love you momma I love my momma – I love you momma & J9 Z+ c% i5 T3 X8 u* ~( e6 Z
And I would love to have a thing like you on my team you take care
$ _; H" c: t" Z7 C+ B) CI love it when it’s sunny Sonny girl you could be my Cher# g/ g. C5 g3 x R; Z
I’m in a love affair I can’t share it ain’t fair 7 w$ ?6 R! r) k1 T
Haha I’m just playin’ ladies you know I love you.
0 S% k0 k4 Q' f" J% g+ HI know my love is true and I know you love me too
5 s0 c$ B( m |+ n1 e! \Girl I’m down for whatever cause my love is true
( H( k7 T4 [* X5 a, N1 _7 G+ VThis one goes to my man old dirty one love we be swigging brew - q A- J: H# o/ W; k0 B
My brother I love you Be encouraged man And just know
( a Z G9 `% y/ O% ZWhen you done let me know cause my love make you be like WHOA 0 J9 @0 G5 z- e/ w! D7 U+ v
If I can’t do it for the love then do it I won’t
. v( T/ r' r; }4 {3 `: c6 K3 fAll I know is I love you too much to walk away though
: ^) \* Y3 C& `3 H4 q) l3 B: C+ `: P+ o E3 _8 c
" t* h& _! N) d1 W
如何写歌？
: ]' R" A: ^) W
' J* R; W- i& k0 l6 U0 Q
$ b0 _& w2 {/ P* n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”）% \+ K1 k0 }& k( z0 h) S. Z# l
7 |2 d* G2 Z: ~4 e& O- Z& H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 w. ?. n/ g3 n% j. K
% v6 q) P; G, o2 R; c
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。
0 L% w: _, z$ ` H/ A5 V& ^7 k3 p# c1 o4 C: P, {- @& t' d4 h! z
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。6 w" |' o9 h5 p+ s$ I* z
( X: ~# w+ _. h7 J. q" I, `
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。
, Q0 l+ {6 Y4 Y6 ]
# M9 p7 g, S3 C8 q9 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。 |
|
