Uutiset

Tutkijat kehittivät koneoppimisalgoritmin, joka oppi räppäämään

Kun verrattiin räppiriimien pituuksia ja esiintymistiheyttä, rap-lyriikkaa tuottava algoritmi DeepBeat oli 21% tehokkaampi kuin ihmisräppärit.

Algoritmia arvioitiin kvantitatiivisesti kahdella tavalla. Ensimmäisenä arvioitiin algoritmin ennakointikykyä  mittaamalla kuinka hyvin algoritmi ennustaa seuraavan lauseen olemassa olevasta rap-kappaleesta. Tämä onnistui yllättävän hyvin.

– 82%:n tarkkuudella pystyttiin erottamaan oikea lause sattumanvaraisesti valituista, kertoo tutkija Eric Malmi.

Tämän jälkeen mitattiin riimien esiintymistiheyttä. Kun verrattiin tuotettujen räppiriimien pituuksia ja esiintymistiheyttä, rap-lyriikkaa tuottava algoritmi DeepBeat oli 21% tehokkaampi kuin ihmisräppärit.

Räppiriimien esiintymistiheydelle kehitettyä mittaria arvioitiin rap-artistin avulla. Kokeen tulos osoitti, että mittaustapa korreloi räppärin oman mielipiteen kanssa siitä mikä on teknisesti hyvä sanoitus.

Tässä on DeepBeatin tuottama rap-säkeistö rakkaus-teemasta:

For a chance at romance I would love to enhance
But everything I love has turned to a tedious task
One day we gonna have to leave our love in the past
I love my fans but no one ever puts a grasp
I love you momma I love my momma – I love you momma
And I would love to have a thing like you on my team you take care
I love it when it’s sunny Sonny girl you could be my Cher
I’m in a love affair I can’t share it ain’t fair
Haha I’m just playin’ ladies you know I love you.
I know my love is true and I know you love me too
Girl I’m down for whatever cause my love is true
This one goes to my man old dirty one love we be swigging brew
My brother I love you Be encouraged man And just know
When you done let me know cause my love make you be like WHOA
If I can’t do it for the love then do it I won’t
All I know is I love you too much to walk away though

Jatkotutkimus keskittyy räppisanoitusten hiomiseen. Lopulta tarkoituksena olisi ottaa mukaan puhesyntetisaattori, joka antaa DeepBeatille äänen.

Tutkijat Eric Malmi ja Pyry Takala, professorit Tapani Raiko ja Aristides Gionis Aalto-yliopiston Tietotekniikan laitokselta, sekä professori Hannu Toivonen Helsingin yliopistosta ja HIITistä kehittivät koneoppivan algoritmin, joka oppi räppäämään.  Koneoppimisalgoritmin kouluttamisessa tutkijat käyttivät tietokantaa, jossa on yli 10 000 kappaletta yli sadalta rap-artistilta.

Lisätietoja:

Eric Malmi, [email protected]

DopeLearning: A Computational Approach to Rap Lyrics Generation

  • Julkaistu:
  • Päivitetty:
Jaa
URL kopioitu

Lue lisää uutisia

The magnetic properties of a material can affect how it interacts with light.
Mediatiedotteet, Tutkimus ja taide Julkaistu:

Tutkijoille läpimurto: Yksisuuntaisen lasin kehitys vihdoin mahdollista

Tutkijat kehittivät uuden metamateriaalin, joka voi toimia monenlaisten teknologisten innovaatioiden pohjana.
Mikko Alava ja kolme muuta tutkimusryhmän jäsentä kuvattuna teknisen laitteen äärellä.
Tutkimus ja taide Julkaistu:

Suomen Kulttuurirahastolta suuria apurahoja tieteelle

Apurahan tieteeseen tai taiteeseen sai 30 henkilöä tai ryhmää Aalto-yliopistosta.
Photo
Tutkimus ja taide Julkaistu:

Katsaus Aallon avoimiin julkaisuihin 2023

90 % Aallon vuoden 2023 tieteellisistä lehtiartikkeleista on avoimesti saatavilla.
Profile data workflow
Poikkeustilanteet, Tutkimus ja taide Julkaistu:

Aallon tutkimusportaalin ja Aalto.fi:n integraatio-ongelmat ratkaistu

Akatemisten profiilitietojen synkronoinnissa Tutkimusportaalin ja Aalto.fi:n välillä on ollut haasteita. Integraatio-ongelmat on nyt saatu ratkaistua ja akateemiset profiilit - muun muassa profiilikuvat, julkaisut ja akateemiset ansiot - integroituvat saumattomasti Tutkimusportaalista Aalto.fi:hin