使用AI生成周杰伦风格的歌词

科技窗 11-22 12826

前言：

现在朋友们对“周杰伦歌词txt”大体比较关心，姐妹们都需要学习一些“周杰伦歌词txt”的相关知识。那么小编同时在网络上网罗了一些对于“周杰伦歌词txt””的相关内容，希望朋友们能喜欢，我们快快来了解一下吧！

近年来AI技术发展的非常快，本文展示了如何利用AI自动生成周杰伦歌曲风格的歌词，代码是基于TensorFlow2.1和Python开发的，主要使用了RNN中的LSTM长短时记忆网络。

自动生产的歌词展示

自动生成的歌词1

自动生成的歌词2

原理简单讲解

当我们输入 I am a teache这13个字符的时候，我们可以知道下一个字符很大几率会是r，因为这样可以组成teacher并且很符合前面的语境。但是，传统的神经网络是不具有记忆功能的，换而言之，传统的神经网络不会在预测r这个字符的时候还会考虑上下文。

而RNN（循环神经网络）在每次训练的时候都会把结果保存下来传递给下一次训练，预测的时候也是同样如此。原理是这样，具体实现的时候要复杂的多。一个简单的2层RNN神经网络可能具有上万个的参数，本模型使用的LSTM层具有256个神经元，可以提取语义的多种特征，使连续性的语言识别成为可能。LSTM是简单RNN网络的升级版，主要是解决了梯度消失和增加了记忆长度的功能。

LSTM部分网络示意图

代码--录入数据

录入数据我们把周杰伦的歌词TXT导入进程序，总共60000多个字，包括空格和标点符号

歌词数据集

第一步是编写一个DataLoader类以复用，加载数据里面主要把字符转换成序号，并且删除重复元素制作了歌词码表，供后续使用。

代码--RNN模型

LSTM类主要是继承了Keras.Model类来写自己的模型。通过一个简单的256个神经元的LSTM单元后接1个全连接层。并在最后的时候可以选择调用Softmax归一化最后的输出结果，这里输出的是每批的预测字符属于所有2500多个字符集的概率，概率和为1.

LSTM模型类

代码--训练

定义一些超参数，并且开始训练5000轮。

训练部分

可以看到当训练结束时，损失函数从7.2下降到0.7左右。损失函数即为预测字符与真实字符的概率分布差异。