|
|
9 q7 z& W. X9 z/ O- 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）
3 V: g+ e9 ~% A# D* g$ Y D0 q6 _) S+ N
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？
; Y- B3 C) W& ?& u$ R$ j5 @, X9 Q) e; W5 A$ k) i( f* L- N
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）：
, D3 k* a, U9 S8 C7 Z, q+ `9 _$ a- D" S' n# C( V. C
For a chance at romance I would love to enhance, L) i5 p* i% B
But everything I love has turned to a tedious task ) u; I9 x1 k* W% P9 I3 o
One day we gonna have to leave our love in the past
' k; {' x' k7 h7 F$ q4 JI love my fans but no one ever puts a grasp
" }2 H3 A7 S m0 z4 q/ XI love you momma I love my momma – I love you momma 5 a6 V# m* {, X; n- O4 a$ q% [" r( W
And I would love to have a thing like you on my team you take care9 h* s. j$ e6 u# ?8 }. L3 j
I love it when it’s sunny Sonny girl you could be my Cher: C9 r+ ]; U1 e1 o1 G, ^5 A
I’m in a love affair I can’t share it ain’t fair
2 H1 Y4 q& H0 S. v: A; b" i ?Haha I’m just playin’ ladies you know I love you.5 `7 F9 z% V' A5 V Z6 T; ~
I know my love is true and I know you love me too
# c i0 e) m. x% e# v( \! LGirl I’m down for whatever cause my love is true
- t( D- C, m* k- e1 @This one goes to my man old dirty one love we be swigging brew
; Q5 D& l" P" E- u# v( Q+ a0 SMy brother I love you Be encouraged man And just know( N5 T. r" x2 w5 _* {+ Y1 G
When you done let me know cause my love make you be like WHOA
0 i) [5 h( r3 @- Z8 YIf I can’t do it for the love then do it I won’t7 s$ s# y v; D+ m9 c9 a6 \7 t
All I know is I love you too much to walk away though" S- |* A. G7 i. ~6 _9 G
, l. L& P+ f1 b$ p$ d7 T5 d9 m
, y" m& r6 U; U7 s5 x8 U如何写歌？) Y1 G+ N7 u/ l' ~
- I/ H* s$ h( \( B& e3 D
# B' H( t4 |( [0 Y, y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”）% O! X0 ~- F# |5 B4 j7 o3 K
0 M" _9 H# P8 S3 P8 r2 B& D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。
6 F) z9 c1 ?8 Q1 M. ]4 n U, f0 `9 k2 z! E* v
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。! w b* G/ w/ e# @1 g6 j( v
/ p4 j0 l `- z9 ?9 G C% Z; t! \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。
4 Q* M+ T: V0 t* M
9 M a j( E5 ~4 D: P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。( ~, p# D: _% Z& j3 k5 F$ z7 V
* z9 ^8 ?: E. b! |0 \: q. V% O
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。 |
|
