|
|
6 K" u2 f' \: ?4 X7 {, 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）5 a, H" u# p) y
# Q! {; T; b% a9 H& l$ W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？
' x/ q( {3 ~; s3 }. H2 X( K p/ y' U9 |0 v& a+ I6 ~
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）：
3 o% Q6 D4 r1 R/ z6 Q/ u6 C6 J+ e. i7 z
For a chance at romance I would love to enhance
. S& ]! L0 H9 n5 z9 G4 BBut everything I love has turned to a tedious task
2 x# F5 o0 }$ Q M8 k: kOne day we gonna have to leave our love in the past
: D) K R4 |) T% ?( eI love my fans but no one ever puts a grasp
9 t6 ~; ~/ }; I4 y4 jI love you momma I love my momma – I love you momma / V I! E: f2 f( K2 h* Z c- v
And I would love to have a thing like you on my team you take care& {5 }# `# a. T! X: [
I love it when it’s sunny Sonny girl you could be my Cher
: B' k& }, E) U7 d8 s/ v* V( vI’m in a love affair I can’t share it ain’t fair % W8 c) E8 d8 M `( Z p' G
Haha I’m just playin’ ladies you know I love you.
/ ^+ @& r+ z1 L, z% e hI know my love is true and I know you love me too
) M0 k5 {6 S2 x( u+ i* }Girl I’m down for whatever cause my love is true 6 \2 ^- C( {$ A/ @6 E( O$ l
This one goes to my man old dirty one love we be swigging brew 3 l/ c* \: r4 G, k
My brother I love you Be encouraged man And just know
5 S. E* E+ |+ k3 v& ~( fWhen you done let me know cause my love make you be like WHOA
! G; K2 Y+ c0 t" qIf I can’t do it for the love then do it I won’t5 T) K/ K/ G9 k3 q( I
All I know is I love you too much to walk away though; A O, X0 S! ]
- w3 S: J2 u/ i3 B
7 F, c/ {# n6 C2 r" M% l如何写歌？
8 n% X0 `( `: ]- B6 |# j5 M* p
B0 u3 {2 g6 n9 G
2 L! n$ n5 h) c A' O. j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”）8 Z& \) i- X9 `8 q W' a5 `- u! f
8 S \8 }8 A) P$ V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 |! X/ }) _. T
# r1 N. x' \" n4 k0 n% y! 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。! _, D2 g" U" Y$ ^* T, I
Y# b, f8 Z3 Z) m& P7 }7 p3 a- r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。 V+ t8 A) x% h; t6 v- ~5 L
; q4 o& N. J! e9 X# T! N
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。( L2 d4 J* v8 a b7 m
3 k0 M2 A' ~9 e8 w6 |
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。 |
|
