|
|
7 _2 |/ ]/ T8 \! j2 Z9 q
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）; O. |/ X) R0 d w/ B. u0 F. F
$ z6 `% o0 _5 o: r- E3 x: 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？
1 \9 w* m. X5 G8 c0 {. q, y& h2 a% `$ H; j% T) C
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）： x, V. ]! p9 V% B" e; n
8 A7 b( W2 _ x, U q5 X- e2 BFor a chance at romance I would love to enhance0 A/ W1 ^, d: @; X' f
But everything I love has turned to a tedious task + [0 x, ]. ^9 |! D$ E! ^
One day we gonna have to leave our love in the past
- P% {7 l: z M7 F5 ^I love my fans but no one ever puts a grasp z& o3 P& z* \ ~+ f
I love you momma I love my momma – I love you momma ) `: c# O7 O! J6 ]2 u$ R
And I would love to have a thing like you on my team you take care+ d8 u: S- F! E6 Q* S
I love it when it’s sunny Sonny girl you could be my Cher
. c( X: e" T) x9 }' f) eI’m in a love affair I can’t share it ain’t fair
1 I/ R2 v, ^ S/ f: g- W% WHaha I’m just playin’ ladies you know I love you.
- \" H" w% x* b( QI know my love is true and I know you love me too$ ~9 w& W" x, E: F/ A
Girl I’m down for whatever cause my love is true
$ |0 e) T3 Z% U2 rThis one goes to my man old dirty one love we be swigging brew
- D: h& ^" t6 `2 o( x( [- ^8 J ?My brother I love you Be encouraged man And just know. O3 x h: h3 H, y
When you done let me know cause my love make you be like WHOA
7 Y: A8 x7 O; |7 zIf I can’t do it for the love then do it I won’t/ }+ o: k/ r0 T7 s$ l2 f$ B1 ~
All I know is I love you too much to walk away though
: }' p0 B6 F6 B: q7 S7 V' d1 F' H
- @3 C; \( Z7 g9 c0 k. t( V1 `5 k! ?9 M5 y9 b F& v6 F# u
如何写歌？5 k# D& V" ^' _/ Q) ]; s
* Z$ \) V; O! {$ k5 v
5 p4 Q+ a% p9 h8 x3 {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”）4 j6 C4 J7 C: C) S1 A
- W Z1 X; t& O& n/ U
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 Q8 b& X: c+ E: N0 L
& l3 h" p! N$ K+ J. k$ g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。
V/ c& C1 J2 _2 q, ]8 T' `: t
, q9 {3 |2 ~# Z) y a. r; f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。; j2 `3 a* X8 }+ O* F
% a+ Q8 _2 \, Q5 q% l2 v% k8 w# w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。
# Q2 X9 a* p1 z. T M
2 ?$ `3 E. g! Z# Y8 r. K4 {5 V6 q+ TDeepBeat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。 |
|
