Un algorithme d'apprentissage automatique extrait des paroles de rap, puis écrit les siennes

L'ancienne compétence de créer et d'interpréter des rimes parlées est florissante aujourd'hui en raison de la montée inexorable de la popularité du rap. Cette forme d'art se distingue de la poésie parlée ordinaire car elle est interprétée en rythme, souvent avec une musique de fond.

Et les interprètes ont excellé. Adam Bradley, professeur d'anglais à l'Université du Colorado, l'a décrit en termes élogieux. Le rap, dit-il, crée des structures complexes de sons et de rimes, créant certaines des poésies les plus scrupuleusement formelles composées aujourd'hui.

La nature hautement structurée du rap le rend particulièrement propice à l'analyse informatique. Et cela soulève une question intéressante : si les ordinateurs peuvent analyser les paroles de rap, peuvent-ils aussi les générer ?

Aujourd'hui, nous obtenons une réponse affirmative grâce au travail d'Eric Malmi de l'Université d'Aalto en Finlande et de quelques copains. Ces gars-là ont formé un algorithme d'apprentissage automatique pour reconnaître les traits saillants de quelques lignes de rap, puis choisir une autre ligne qui rime de la même manière sur le même sujet. Le résultat est un algorithme qui produit des paroles de rap qui rivalisent avec celles générées par l'homme pour leur complexité de rimes.

Diverses formes de rimes apparaissent dans le rap, mais la plus courante, et celle qui permet de le distinguer des autres formes de poésie, s'appelle la rime à assonance. Il s'agit de la répétition de voyelles similaires, comme dans les mots fou et bébé qui partagent deux voyelles similaires. (C'est différent de la consonance, qui utilise des sons de consonnes similaires, comme dans le pitter patter et différent de la rime parfaite où les mots partagent le même son de fin comme l'argot et le gang.)

En raison de sa prévalence dans le rap, Malmi et co se concentrent exclusivement sur la façon dont l'assonance apparaît dans les paroles de rap. Mais ils supposent également une forme de couplet très structurée composée de 16 lignes, dont chacune équivaut à une mesure musicale et doit donc être composée de quatre temps. Les lignes généralement, mais pas nécessairement, riment à la fin.

Pour former leur algorithme d'apprentissage automatique, ils commencent par une base de données de plus de 10 000 chansons de plus de 100 artistes rap.

Repérer les rimes assonantes n'est pas difficile. Les mots doivent d'abord être convertis en phonèmes (en supposant une prononciation typique de l'anglais américain). Trouver des rimes est alors simplement une question de balayage des phonèmes à la recherche de sons de voyelles similaires tout en ignorant les sons et les espaces des consonnes.

Cela suggère immédiatement une manière de hiérarchiser la complexité des paroles. Malmi et co recherchent des séquences de voyelles correspondantes dans les deux lignes précédentes environ. Ils définissent ensuite la densité des rimes comme la moyenne de toutes les séquences les plus longues des paroles.

Cette mesure leur a permis de classer tous les artistes rap de leur base de données selon leur densité de rimes. Les trois rappeurs en tête de liste sont Inspectah Deck, Rakim et Redrama. Rakim, en particulier, est connu pour ses rimes multisyllabiques.

Curieusement, le rappeur Eminem, également célèbre pour ses rimes multisyllabiques, arrive étonnamment bas sur la liste. C'est probablement parce qu'Eminem réalise souvent ses rimes en pliant les mots, une astuce que cette technique ne permet pas.

Néanmoins, cette métrique est une mesure intéressante de la compétence en rimes d'un rappeur et que l'équipe peut utiliser pour comparer leurs raps automatisés avec ceux générés par l'homme.

Ils ont ensuite défini leur algorithme d'apprentissage automatique, appelé DeepBeat, une tâche. Après avoir miné la base de données, son objectif est d'analyser une séquence de lignes d'un lyrique de rap, puis de choisir la ligne suivante dans une liste qui contient des lignes choisies au hasard parmi d'autres chansons ainsi que la ligne réelle.

Cela, il peut le faire étonnamment bien. Une précision de 82% a été obtenue pour séparer la vraie ligne suivante d'une ligne choisie au hasard, disent Malmi et co.

Ce n'est pas mal et suggère immédiatement un moyen de générer automatiquement des paroles. Malmi et co commencent avec une ligne d'une parole de rap et demandent à l'ordinateur de rechercher dans la base de données une autre ligne sur le même sujet qui rime le mieux. Il répète ensuite ce processus pour la ligne suivante et ainsi de suite.

Les résultats sont quelque chose d'une révélation. Voici un DeepBeat généré sur le thème de l'amour

Pour une chance à la romance, j'aimerais améliorer
Mais tout ce que j'aime s'est transformé en une tâche fastidieuse
Un jour, nous devrons laisser notre amour dans le passé
J'aime mes fans mais personne n'a jamais compris
Je t'aime maman j'aime ma maman - je t'aime maman
Et j'aimerais avoir une chose comme toi dans mon équipe tu prends soin de toi
J'aime quand il fait beau Sonny chérie tu pourrais être ma chérie
Je suis dans une histoire d'amour, je ne peux pas le partager, ce n'est pas juste
Haha, je ne fais que jouer aux dames, vous savez que je vous aime.
Je sais que mon amour est vrai et je sais que tu m'aimes aussi
Chérie je suis partant pour n'importe quelle cause mon amour est vrai
Celui-ci va à mon homme vieux sale amour nous buvons de la bière
Mon frère je t'aime sois encouragé mec et sache juste
Quand tu auras fini, fais le moi savoir parce que mon amour te fait ressembler à WHOA
Si je ne peux pas le faire pour l'amour, alors fais-le, je ne le ferai pas
Tout ce que je sais, c'est que je t'aime trop pour m'en aller

C'est impressionnant. Chacune de ces lignes est tirée d'une autre chanson de rap - par exemple, la dernière ligne est celle d'Eminem

De plus, ce rap et d'autres générés par DeepBeat ont une densité de rimes nettement supérieure à celle de n'importe quel rappeur humain. DeepBeat surpasse les meilleurs rappeurs humains de 21% en termes de longueur et de fréquence des rimes dans les paroles produites, soulignent-ils.

Là où DeepBeat tombe, c'est dans la cohérence de sa narration, ce qui n'est pas surprenant étant donné qu'il se concentre en grande partie sur la rime. C'est clairement du travail pour l'avenir.

Ref:arxiv.org/abs/1505.04771 : DopeLearning : une approche informatique de la génération de paroles de rap

cacher