Costumo dizer que o Forró é a trilha sonora do Nordeste, é realmente algo que está no ambiente. A maioria das músicas das bandas mais conhecidas eu nunca parei realmente para ouvir, mas conheço todas elas apenas por estar no Nordeste.

Há uns meses a Dandara Sousa teve uma ideia (ao meu ver) genial de aplicar conceitos de análise de dados com músicas de Forró. Como? Ela decidiu utilizar os dados das músicas da banda Calcinha Preta numa série de posts (Vol. 1, Vol. 2, Vol. 3) e palestras.

Daí me surgiu a ideia de também fazer algo utilizando o forró como contexto.

No forró feito pela Calcinha Preta e muitas outras bandas, grupos e cantores, não só a melodia característica do gênero musical se destaca, mas também as letras que literalmente marcam gerações. Em sua maioria se resumem em desventuras amorosas e declarações de amor.

Seria uma máquina capaz de escrever uma música de forró comparável aos grandes cancioneiros populares? É o que veremos a seguir.

Dados

Primeiramente vamos aos dados.

Irei utilizar as letras das músicas da Calcinha Preta, Cavaleiros do Forró, Limão com Mel e Aviões do Forró disponíveis no letras.mus.br. Nada que um scraper não resolva.

Foram um total de 2.309 músicas.

Pré-processamento

Para esse caso vou fazer um pré-processamento simples, apenas deixar tudo em minúsculo, separar as pontuações das palavras e colocar uma música por linha.

Esse último passo do pré-processamento eu resolvi fazer assim pois num teste anterior utilizando um verso por linha eu não obtive um bom resultado. Acredito que seja pelos versos geralmente serem bem pequenos e com pouco contexto, além de ser muito comum que uma frase seja dividida em vários versos. Nesse caso decidi colocar todos os versos de cada música numa mesma linhas, mas separados por um token (#).

Ou seja, o nosso algoritmo irá gerar a letra completa de uma música de uma só vez.

Treinando o algoritmo

Para criar o modelo de geração de textos, eu vou utilizar a biblioteca textgenrnn que possibilita criar e treinar uma rede de geração de textos com Redes Neurais Recorrentes em poucas linhas de código.

Por exemplo, treinei o modelo assim:


<span>from</span> <span>textgenrnn</span> <span>import</span> <span>textgenrnn</span>
<span>textgen</span> <span>=</span> <span>textgenrnn</span><span>(</span><span>name</span><span>=</span><span>"</span><span>new_model</span><span>"</span><span>)</span>
<span>textgen</span><span>.</span><span>reset</span><span>()</span>
<span>textgen</span><span>.</span><span>train_from_file</span><span>(</span><span>data_path</span><span>,</span> <span>num_epochs</span><span>=</span><span>10</span><span>,</span>
                        <span>gen_epochs</span><span>=</span><span>2</span><span>,</span> <span>new_model</span><span>=</span><span>True</span><span>,</span>
                        <span>word_level</span><span>=</span><span>True</span><span>,</span> <span>rnn_bidirectional</span><span>=</span><span>True</span><span>,</span>
                        <span>rnn_size</span><span>=</span><span>64</span><span>,</span> <span>dim_embeddings</span><span>=</span><span>300</span><span>)</span>
<span>from</span> <span>textgenrnn</span> <span>import</span> <span>textgenrnn</span>

<span>textgen</span> <span>=</span> <span>textgenrnn</span><span>(</span><span>name</span><span>=</span><span>"</span><span>new_model</span><span>"</span><span>)</span>
<span>textgen</span><span>.</span><span>reset</span><span>()</span>
<span>textgen</span><span>.</span><span>train_from_file</span><span>(</span><span>data_path</span><span>,</span> <span>num_epochs</span><span>=</span><span>10</span><span>,</span>
                        <span>gen_epochs</span><span>=</span><span>2</span><span>,</span> <span>new_model</span><span>=</span><span>True</span><span>,</span>
                        <span>word_level</span><span>=</span><span>True</span><span>,</span> <span>rnn_bidirectional</span><span>=</span><span>True</span><span>,</span>
                        <span>rnn_size</span><span>=</span><span>64</span><span>,</span> <span>dim_embeddings</span><span>=</span><span>300</span><span>)</span>
from textgenrnn import textgenrnn

textgen = textgenrnn(name="new_model")
textgen.reset()
textgen.train_from_file(data_path, num_epochs=10,
                        gen_epochs=2, new_model=True,
                        word_level=True, rnn_bidirectional=True,
                        rnn_size=64, dim_embeddings=300)