|
|
" U; O8 T) l& z2 f2 A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）
/ C7 O e9 r! g6 f5 i5 b( U% J! @ w. u
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？/ Z" y$ q; A, z, K
5 O; b1 E* h. l( W: f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）：0 T+ i/ T3 V2 D& X
0 Y$ \+ Q! Y/ }* r3 y6 s7 ?! |
For a chance at romance I would love to enhance
& `# q) d0 F; f% xBut everything I love has turned to a tedious task ; x& ]) |2 U2 m7 M* i' _) j
One day we gonna have to leave our love in the past+ g1 ~$ J! X1 e! O# L
I love my fans but no one ever puts a grasp: x n, X! n, K, ^3 b+ O* E
I love you momma I love my momma – I love you momma . |9 J" M5 f6 O" T7 x4 y- `8 m
And I would love to have a thing like you on my team you take care/ V8 V0 c7 |" e* i8 ~: _# o
I love it when it’s sunny Sonny girl you could be my Cher+ `: }8 C. T6 q: B- m* @* Q
I’m in a love affair I can’t share it ain’t fair ' B6 F, ~, i' M. Z5 a7 G7 V
Haha I’m just playin’ ladies you know I love you.# l+ z8 q2 D. W" a9 @' _ O
I know my love is true and I know you love me too
0 K4 T/ a8 A: M5 Z) mGirl I’m down for whatever cause my love is true 8 q3 Z: W3 l& X- p7 S; b
This one goes to my man old dirty one love we be swigging brew ! R v8 l$ |" c
My brother I love you Be encouraged man And just know3 \( w" @8 J" y. }* M8 v
When you done let me know cause my love make you be like WHOA
0 K$ D) l! K' s; Q. r1 ]If I can’t do it for the love then do it I won’t3 y0 @# s# |$ G) g+ G3 [
All I know is I love you too much to walk away though
% |( y/ y7 E; g) Q8 C
$ Z4 r+ }0 V G1 c* o: y4 r0 W G
1 v( _, A& B: `如何写歌？
3 G* S. C1 w- J9 f
1 e. ]0 t0 Z1 ~2 H1 |" ~
, P5 n! ]- [$ P# b4 ~% Z
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”）* i( x. @- R1 q+ h! W, w% a
$ P# D3 P V* x. ^6 A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。
3 J$ s* {( F- U( s W$ `, f* t5 i" o) E/ ]6 ?8 X
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。
9 N. l+ K. C' A
/ \3 s% Y1 F8 s4 d: 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。
+ t5 r2 _7 I+ i0 N e$ \( [0 I0 D* h5 [; I2 W6 ~0 x/ Z
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。
: }+ J3 f3 b0 b4 M+ i7 j7 U1 J3 R/ u* B: R @5 S3 s
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。 |
|
