|
|
u9 S9 A2 k4 k" J) M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）
- T0 F* Q( b2 h3 M* a* W
/ X/ r% F* z. s4 V2 Z+ G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？
" p% T( J5 {1 P+ X, G4 |/ M/ s4 e# a1 o
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( c/ V7 ^% y% B# S. T& Y( C# b7 }/ Z' n
For a chance at romance I would love to enhance; j" m4 L. p* x- s: q" X5 q M
But everything I love has turned to a tedious task
3 f1 y( _* `: g+ lOne day we gonna have to leave our love in the past
. i/ k5 i0 ^, c6 x' N, vI love my fans but no one ever puts a grasp
9 P/ P3 t! w( X/ I" D: o+ P6 KI love you momma I love my momma – I love you momma
. v! I. W! I& S* jAnd I would love to have a thing like you on my team you take care! K, ]+ r% }9 Y* `6 }6 a
I love it when it’s sunny Sonny girl you could be my Cher, T4 u0 v# v: e+ x" C
I’m in a love affair I can’t share it ain’t fair $ w8 z! c. d) y: J* P. r# b
Haha I’m just playin’ ladies you know I love you.% f! G z+ q2 ?6 ?, `, h
I know my love is true and I know you love me too
) s5 _7 q- W" E- ~Girl I’m down for whatever cause my love is true 4 d1 t& {- I- N' E6 d! ^
This one goes to my man old dirty one love we be swigging brew ; h0 h5 m" |6 y& k! s$ O9 F
My brother I love you Be encouraged man And just know
. Y6 }, z: s3 Z4 w ~& EWhen you done let me know cause my love make you be like WHOA - V; q- ^$ b( I2 }5 G
If I can’t do it for the love then do it I won’t
2 E# g; B& N9 H5 a6 M$ BAll I know is I love you too much to walk away though7 N. z# t, Q, }5 p" y# ^/ y: A
; i, t1 Q0 N2 a. J7 T4 Y8 C
# k; w. p* p d0 m8 N如何写歌？
6 w) F- g! A4 \- j
( c- X8 X9 [: K# w G; ?; C
: |9 c; b( ~' G' 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”）1 H! ^) f4 c. x& H
# f. _/ u6 R X% ?
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。$ [) z: k5 W" k$ _4 f4 O
: X1 s1 i& P$ s0 B: j- {; J; c. 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。
, }% E- K- @# _4 B! L
0 p+ b4 r! o! A l8 j. Z. x+ I/ Y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 S. R2 n. o. o% O4 i7 X( [
0 Y m! a2 V9 N7 _# j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。
$ m6 h" N3 @" @; }2 t- F
' a. e- ?+ F( [$ |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。 |
|
