韩国流行音乐联盟

为了弄清流行趋势,我“看”了近千首歌曲

小强传播2019-05-17 10:47:58

“一首歌,其实就是一个时代。一首歌流行了就说明它碰到了很多人心中的那根弦,如果他不单流行了,还跨时空的流行很久,那就是经典。经典歌曲的共同特征在于,它可以让历史的硬块在一瞬间融化,超越了假造的规范和强制的压迫,可以抵达人心最柔软的那个地方

——龙应台

香港大学通识教育部及香港电台合作推出的《大学问》系列讲座


前人对流行音乐的研究




The anxiety of love: an analysis of recent Chinese  popular music

四川大学文学与新闻学院Zhenglan Lu通过对音乐的歌词文本分析,得出结论:由于中国人民对两性关系的态度发生了巨大的变化,人们对男性的歌唱以及对女性的情感表达都有了更大的焦虑,而对爱情失去的焦虑也表现出了性别差异。矛盾的是,在“男性歌曲”中,焦虑的声音更明显,更明显的是更多的痛苦,这是中国社会性别观念发生深刻变化的关键指标之一。

《音乐音响及音乐心理学》

周海宏在专著《音乐与其表现的对象——对音乐音响与其表现 对象之间关系的心理学与美学研究》认为,音乐心理学的研究表明:  对于音乐来说, 人对听觉适宜性的期待。其中, 对适宜的期待表现为: 过强、过弱的声音都会使人产生不适或听辨困难, 增加主体的紧张感。从而产生对中等强弱音量的期待。适宜的期待表现为: 当人在感受听觉最敏感的频率范围内的声音时, 其听知觉的感受力最强, 所需要付出的注意力最低、能量最少, 因而会产生轻松、适宜的体验

《音乐审美趣味特点的社会心理观照》

江西师范大学音乐学院邹建林 彭晓凤认为,音乐审美趣味的差异构成:时代性差异、民族性差异、阶级性差异以及群体性差异 ,由于其社会条件背景的不同而构成了音乐审美趣味的差异 。音乐审美趣味作为一种特殊的社会意识和社会心理的表现 ,归根到底是为审美主体所处的社会背景条件所决定的 。不同的时代 、民族 、不同的阶级 、群体之所以会有不同的音乐审美趣味 ,根本上取决于它们的不同的社会意识和社会物质生活条件。


既然音乐审美的差异和变化有这么复杂的社会时代背景原因,笔者自然不能通过简单的分析方法得出个所以然,只是提供一个新的思路来思考音乐审美的流行趋势差异。

中学物理让我们知道,音乐本质上是物理的声波,声音的音调与频率有关,频率越高,音调越高;频率越低,音调越低。如果把它表现在波形图上,就是在相同时间内,波形越密集,音调就越高;反之,波形越疏松,音调就越低。

声音的响度与振幅有关,振幅越大,响度越大;振幅越小,响度越小。表现在波形图上就是波形的幅度越大,声音的响度就越大;反之,波形的幅度越小,声音的响度就越小。

声音的波形反映了声音的音调、响度和音色信息。受这条物理知识启发,小编试图从流行音乐的波形变化上探索规律性信息。也就是主要从音调和响度的角度来看流行音乐变化,本文就是用声波来“看”音乐。


以下分别从男女情歌波形对比,年代变迁的流行音乐波形对比,不同音乐类型波形对比展开探索

受篇幅限制,仅摘取最具有代表性的部分显示。并非只有一个样本。

注意:样本选取皆以网易云音乐排行榜为主且参考互动评论量,在年代样本选取上,80,90年代部分歌曲发行时间和流行时间不一致,在这里主要选取流行时间。

男女歌手波形差异



在情歌上,音乐波形上男女歌手差异并不明显,但还是看到年代的影响因素,比如80,90年代男女歌手音乐波形振幅总体要低,振幅高低变化明显。00后的情歌总体振幅要高,如周杰伦近期的告白气球,全曲波形都比较高,且高低变化不明显。

所以可能在响度和音调上,男女歌手表达差异并不明显。第一篇文献《The anxiety of love: an analysis of recent Chinese  popular music》主要从歌词角度进行文本分析,得出结论男性比女性更焦虑的结论。但是从音乐音调和响度上看可能很难得出此结论。

不同年代波形差异



笔者在网易云音乐搜索关键词80,90,00,10年代流行音乐,选取排行榜靠前且互动评论量多的代表作品。

文献中提到的流行音乐提到的时代差异,在音乐波形上有明显的体现。80,90年代流行音乐波形总体上呈现振幅低,波形疏的特点,在那英的歌曲代表的年代中有一个明显的转折,比如《雾里看花》这首音乐在波形高度上,密度上都与其他歌曲有明显的差异。这是流行趋势的第一个转点。

00年代后的音乐除去类型多样的因素,大部分歌曲的振幅都明显变高。且是高振幅高密度的音乐占据主要部分。在10年后有所回落,流行音乐中又出现低振幅的音乐。这是流行趋势的第二个转点。

回顾近几十年的社会发展背景,生活节奏越来越快,人们急躁,热动,宣泄,所以到00的音乐波形变化越来越高密。但近几年人们开始追求慢生活,连综艺节目都流行慢综艺了。在音乐上,这种简单、舒缓的波形的音乐在最近几年受到新的追捧自然可以理解。

如果流行趋势是螺旋式或波浪式前进,那么下一个转点我们也许可以通过当下的趋势来预测下一个转点在哪里。例如服装行业的流行元素,小碎花,小格子,蕾丝等元素似乎在几年或几十年一个轮回的流行。

在对流行歌曲进行年代分类搜索时发现,随着年代变迁,流行音乐的曲风类型也在越来越多元化,特别是00年后的嘻哈,摇滚,民谣等风格音乐占据了很大比例。那么不同音乐类型的波形又是有哪些差异?

到了多元化时代,多元化音乐追求,音乐类型繁多加上作曲改编,笔者知道选取的小样本不一定能代表一整个音乐类型或是一整个时代,但是至少波形能体现出音乐的某一价值信息。也许大数据的更多样本能挖掘其中规律,但考虑到笔者精力以及现实能力情况,且从小样本中权衡试探一般信息。

不同类型波形差异



有趣的是,近两年流行的嘻哈音乐的波形比摇滚音乐的波形更夸张。那么在宣泄情绪上嘻哈更胜一筹?

流行和民谣波形都有前后波形短缓中间高潮副歌部分高密的特点,这也符合这两类音乐叙述性、故事性的起伏特点。

古典,蓝调,爵士的波形规律特点比其他几种类型音乐的规律更明显,疏密程度也比其他音乐相对梳松一些。笔者考虑这和这类音乐多是乐曲演奏的纯音乐有关。结合文献中施 咏的阐述,这类音乐所需要付出的注意力低、能量少, 因而会产生轻松、适宜的体验。

而对于摇滚、嘻哈、电子、甚至流行音乐的波形振幅很高,波形很密,需要付出较多的注意力, 增加主体的紧张感, 从而产生对最适宜听觉意识分辨音区的期待,也就是对波形振幅短、波形疏的期待。

这也从另一个角度说明,流行音乐一种类型风行几年后,会让人产生对其相反的类型的音乐期待,比如我们前几年流行的节奏感强,响度大的音乐,在近几年有了新的流行趋势:节奏感弱一些的民谣,响度小一些的轻松音乐。


脑洞

在大数据和人工智能时代,人工智能就是巧妇,大数据就是米。人工智能可以生产新闻,那么人工智能也应该可以生产音乐。

目前人工智能和大数据技术在音乐方面的运用主要在三个方面:

1、大数据:用户行为预测,定制个性化体验

2、虚拟现实:音画互动的沉浸式体验

3、人工智能、聊天机器人的语音识别:便捷化创作和语音操控环境


人工智能+大数据技术 生产音乐的技术性方案设想:

巴黎的索尼计算机科学实验室现有技术:Flow Machine的主系统是一个合成工具,它的工作原理:利用计算机来分析从披头士音乐到劲歌热舞的所有配乐,从中学习并进行自主创作。然而,该项目输出的音频随后会交于音乐家,这些音乐家可以任意改变或丢弃这些音频,并且免费。
但是机器学习的内容小编尚未查到。机器学习的是音符组合?学习的是乐谱?如果机器学习的是音乐的波形,也就是学习音乐的音调响度音色重新组合,那么机器学习了基于大数据的音乐波形,然后重新组合这些波形,作出符合当前流行的波形音乐,包括年代变迁时流行何种波形的音乐更符合大众口味。
如果这样,那么以后流行什么样的音乐很大程度上取决于机器了。所以变成是机器在培养、设定我们的兴趣?是机器在培养我们,而不是我们培养机器了?

当前机器创作音乐的技术图解:

最下面蓝色的部分是输入的音乐。从上图可以看出,input是一个个的点,然后通过input来相互结合生成灰色的点,经过几层的连接之后,最后的Output就是新生成的音乐,也就是黄色的点。把黄色的点拉下来,就生成里新的音符。这是根据之前的所有音乐来生成音符。需要的技术有:python,bazel和Tensorflow。——博良仔

附:

小编发现,音乐的波形和数学的三角函数图像有很多相似的地方。那么从数学的函数图像角度来看音乐的波形变化透露出什么呢?如果每首音乐都由三角函数解析,那可不可以把设定好的三角函数输入人工智能,然后人工智能也就可以编曲了?

每种类型的音乐都可以用函数来计算得出,那么定制化个人化喜好的音乐不过是让人工智能调用函数库罢了。如此,人工智能编曲更能满足个性化的音乐审美了?

哈哈,文末脑洞留给大家一起讨论……


关注小强传播置顶呀!

觉得文章有趣就转发呀


本文拟标题如下:

H1:为了看“音波”,我听了近千首流行歌曲(小编)

H2:为了弄清流行趋势,我用眼睛“听”了近千首歌曲(小强老师)

H3:为了弄清流行趋势,我“看”了近千首歌曲(小强老师)

H4:“”了近千首歌曲,预测了未来流行音乐趋势?(小编)

H5:流行音乐趋势可以预测吗?为此我“看”了近千首歌曲(小编)

Copyright © 韩国流行音乐联盟@2017