耳ロボP─重音テト:--原曲 耳ロボP─桃音モモ: 低音P─KAITO: うずまきP─KAITO: 初音ミク: http://www.nicovideo.jp/watch/sm4061993 鏡音リン・レン: http://www.nicovideo.jp/watch/sm4154597 ■P,MEIKO: http://www.nicovideo.jp/watch/sm4405873 神威がくぽ: http://www.nicovideo.jp/watch/sm4537687

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
   ※

紊亂了呼息 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:①機率學中樣本的母數、分數中的分母。

   ②n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。

   ③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」。

※描繪出圓形 塗成赤紅色:有一說為即為錄音鍵

※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。