「耳のあるロボットの唄」の編集履歴（バックアップ）一覧に戻る

耳のあるロボットの唄 - (2008/09/08 (月) 21:33:41) のソース

耳ロボP─重音テト：--原曲&nicovideo(http://www.nicovideo.jp/watch/nm3611741)耳ロボP─桃音モモ：&nicovideo(http://www.nicovideo.jp/watch/nm3786425)低音P─KAITO：&nicovideo(sm3920738)うずまきP─KAITO：&nicovideo(sm4331371)初音ミク：&nicovideo(sm4061993)鏡音リン・レン：&nicovideo(sm4154597)■P,MEIKO：&nicovideo(sm4405873)神威がくぽ：&nicovideo(sm4537687)
&furigana(みみのあるろぼっとのうた)

作詞：耳ロボP
作曲：耳ロボP
編曲：耳ロボP
歌：重音テト/桃音/KAITO/初音ミク/鏡音リン・レン

翻譯：（還沒去做）字幕的人


若要統合歸一　就將之仔細包裹起
避開那黑影　前來我所在之地

前行彼方　追溯路標
尋訪探走　前來我所在之地

枯朽的語言　被扭曲不見原形的語言
滅頂的語言　仍然將其連綴起

一個　兩個　相吸拼綴連繫起
音素的排列　存在意圖與意義
※
　　　　　※
隱而不現的馬爾可夫
在其最優化之名之支配下
　　※

編織著情網　編織著情網
編織著情網　被拋棄　又再次被捨棄
注視著過去　切斷了分枝
縱使泫然欲泣　也還是要　讓Ｎ再增遞
　　　　　　　　　　　　　※

出發旅行之前　被賦予之韻律
意義在此處　語言在何方？

　　　　　　　　　　　※
上升　下沉　高低起伏的F0
尋找其下降階梯之所在
　　　※

摒住著呼息　隨波形擺盪
傾聽其零散語言之意圖與意義
　　　※

摒棄了呼息　將語言串起
攪動搖晃不停　直到漩渦成形

然後

編織著情網　編織著情網
厭倦煩膩後　被拋棄　又再次被捨棄
描繪出圓形　塗成赤紅色
縱使泫然欲泣　也還是要　拼湊起收集

注視著前方　轉動著舵槳
若是不想眼淚流下　就更加放聲高歌　高歌吧

編織著情網　編織著情網
將那些過去都捨棄　前來我所在之地


※phoneme：音素、音位。拼音語言、以及抽象語音具有辨義功能的最小單位，不能再被分割。
　　　　　　 語言裡的發音、字音都是由一個以上的音素所組成。
　　　　　　 一個音素的改變會影響到附近的音素，故對人工語音系統的建立，
　　　　　　 音素分析及連結相當重要。

（隱而不見的馬爾可夫）
※隠されたマルコフ：①隱馬爾可夫模型（Hidden Markov Model，HMM）一種統計模型。
　　　　　　　　　　在正常的馬爾可夫模型中，狀態概率變遷是直接可見的。
　　　　　　　　　　而在隱馬爾可夫模型中，狀態並不是直接可見的。
　　　　　　　　　　此模型多應用在「語音識別」、「機器翻譯」上，
　　　　　　　　　　以離散時域有限狀態自動機的概念計算語音識別系統的輸出值，
　　　　　　　　　　以建立「語言模型」。

　　　　　　　　　②馬爾可夫鏈（Markov Chain）系統內的事件並非各自獨立。
　　　　　　　　　　受前一事件所影響，下一事件在一定機率下會出現特定事件。
　　　　　　　　　　馬爾可夫鏈即為以現有事件推算系統全形之機率計算。

　　　　　　　　　→浪漫化白話文：「以現狀推測未來即將發生的事件，計算未來的形貌」

（最優化，或稱最佳化）
※最尤の名：摸索最優化系統樹（or決策樹模型）外形的方法為定義初期系統樹，
　　　　　　用遞歸法從根到葉推算每一分枝的數據，並根據結果剔除、修剪、交換分枝，
　　　　　　以概率計算的方式進行模擬試誤學習，
　　　　　　摸索最佳樹形（應行的路徑軌跡與未來的模樣）。

※Ｎ：①ｎ對語。又稱組語，是利用單語的最後母音做規則的變化的語彙壓縮法。
　　　　二對語為兩個母音(a.i)組對、三對語為三個母音(a.i.o)成組、
　　　　以此類推發展為ｎ對語。在人工語言學裡雖然便於學習，但也容易有錯誤，
　　　　以及語調不正確時聽者容易會聽成負面意義的風險。

　　　②最優化系統樹中的最鄰近分枝（Nearest Neighbor）
　　　→下一個選擇、不同的可能性、分歧的未來。

※Ｆ０：語音基本頻率(Fundamental Frequency, F0)。
　　　　F0的高低升降即構成所謂的「聲調」，與聲母、韻母同樣具有辨義的作用。

（下降階梯）
※カタセシス：catathesis。又稱downstep，是一種在呼吸漸減時，
　　　　　　　所產生一種音調（F0）的狹窄現象，特徵為VOCAL會描繪出跳躍性的下坡軌跡。
　　　　　　　在音韻學中downstep的出現將會「影響語言中焦點意義的傳遞」，
　　　　　　　故為機械語音中調音運動重合（gestural overlap）的研究重點。

（零散語言）
※パラ言語：paralanguage。即使內容一樣，只要說話方式不同、給人的印象就會不同。
　　　　　　在以聲音傳遞情報的狀況下，是否能將發話者的真意傳遞給對方？
　　　　　　パラ語言情報在其中擔任重要的角色，如音調高低、音量、速度、音質等變化。
　　　　　　聲音中包涵的情報可分為三種──語言情報、パラ語言情報、非語言情報。
　　　　　　若將聲音還原其要素可分出兩種類──分節與韻律。
　　　　　　前者傳遞語言情報、後者傳遞パラ語言情報。
　　　　　　若抽出聲音中的特徵韻律、並加以分析其特徵韻律所產生的F0模式生成模型，
　　　　　　可推知其中包涵之パラ語言情報、非語言情報，並從而推測發話者的「心之形態」。

※廢言：我竟然真的寫了那麼多。雖然資料查得很有趣，但也心知肚明大概沒什麼人會看。
　　　　此為暫定版，（如果我有去）向耳ロボｐ確定後，錯誤之處將會再修正。