特稿 >

行业洞察 >

霉霉 vs AI:谁的歌词写的更好

霉霉 vs AI:谁的歌词写的更好

Xtecher原创 丨 行业洞察

15870
2292

2017-09-01

           微信图片_20170823095134.jpg

翻译 | AI科技大本营(rgznai100)

参与 | Shawn



从小到大我一直都是Taylor Swift的死忠粉。上初中时,我的 iPod Nano 里播放最多的就是《Speak Now》。还记得上大二时,我趁着爸妈在睡觉,偷偷在 Tumblr 上熬夜寻找《Red》的 小样,因为我当时买不起这张专辑。

上周霉霉放出了新专辑《Reputation》的首支单曲,为了第一时间听到,作为死忠粉的我苦苦熬了好几天夜。但是当《shattering YouTube records》放出《Look What You Made Me Do》时,我有点……失望。Guys,别误会我,我还是听了至少 20 遍。但是霉霉一贯动人的歌词和好听的旋律哪去了?这首歌怎么充满了仇恨和复仇呢? 

上周,我想看看机器学习(ML)能否拯救一下霉霉的歌?我将霉霉所有歌的歌词输入到一个循环神经网络(RNN)中,并采样了一些新歌词。以下就是我得到的结果(一点也没改,直接从复制粘贴的):


2.jpg

歌词1


3.jpg

歌词2


上图是机器直接生成的两首样本歌,每首大约 900 个单词。

读了这些生成的歌词,我的结论是霉霉绝对比机器学习写得更好。这些生成的歌词语法怪异,而且很多单词都拼错了,大部分句子根本讲不通,双括号或引号有时都没闭上。但是,RNN 能够通过逗号、行长度和断行学习歌词结构,这点让我挺惊讶!

另外,我还用同一 RNN 生成了可能的歌曲名称。以下是 ML 生成的《Reputation》专辑歌曲的名称:


Go won’t hit me there

Your love through all

We said to be better

Walls if miles

No conversation

I should ever say that

I don’t wanna see the way

I don’t leave you here

You want to me

And we say how I just

Anything a good taft

Love there on more


 “Anything a good taft?”听起来有些怪啊。但是还是有些能够打动我的歌词,如 “Your love through all” 或“I don’t wanna see the way”。 


技术说明:


我复刻了 Andrej Karpathy 的 char-RNN(https://github.com/karpathy/char-rnn)的一个 Tensorflow 应用。.txt file(https://github.com/irenetrampoline/taylor-swift-lyrics/blob/master/all_tswift_lyrics.txt)里面是Taylor Swift的歌词,这是我从网上找到的。


在这里可以获取我所使用的代码

https://github.com/shreyashankar/char-rnn-tensorflow


我使用的是基于长短期记忆网络(LSTM)的模型,层数为 3 层,隐藏状态大小为12。我用到了 Dropout,不过没做任何超参数测试,所以模型还有很大的提升空间。


原文地址

https://medium.com/towards-data-science/https-medium-com-sh-reya-taylor-swift-or-artificial-intelligence-19f2989ab7a4




打开微信“扫一扫”,打开网页后点击屏幕右上角分享按钮

账号登录

重置密码

还没有账号?立即注册>

账号注册

已有账号?立即登录>注册企业会员

重置密码

返回

绑定手机