有耳朵的机器人之歌

	; PV封面
	歌曲名称
	耳のあるロボットの唄; 有耳朵的机器人的歌
	于2008年6月10日投稿，再生数为 --
	演唱
	重音テト
	P主
	nwp8861(耳ロボP)
	链接
	Nicovideo

本曲目已进入殿堂

本曲目在niconico已经拥有了超过10万次播放，荣膺UTAU殿堂曲称号。

“

歩いてく、あの子の唄

”

《耳のあるロボットの呗》是耳ロボP于2008年6月10日投稿至niconico动画的UTAU日文原创歌曲，由重音テト演唱。

歌曲是重音テト乃至UTAU的第一首殿堂曲。P主nwp8861也因此有了“耳ロボP”的别名。

本曲也被改编成管弦乐，于《Miku Symphony 2018-2019》上演奏。

歌曲

原版

宽屏模式显示视频

2012版

宽屏模式显示视频

歌词

翻译：（还没去做）字幕的人^[1]

本段落中所使用的歌词，其著作权属于原著作权人，仅以介绍为目的引用。

耳のあるロボットの唄

有耳朵的机器人之歌

まとめたなら　細（こま）かく包（つつ）んで

若要统合归一就将之仔细包裹起

影（かげ）をよけて　ここまでおいで

避开那黑影前来我所在之地

ゆく先々（さきざき）　たどる道（みち）しるべ

前行彼方追溯路标

たずね歩（ある）き　ここまでおいで

寻访探走前来我所在之地

朽（く）ちた言葉（ことば）　ねじられた言葉（ことば）

枯朽的语言被扭曲不见原形的语言

沈（しず）む言葉（ことば）　それでも綴（つづ）れ

灭顶的语言仍然将其连缀起

ひとつふたつ　つらねつながれた

一个两个相吸拼缀连系起音素^[2]的排列

phonemeの列（れつ）　意図（いと）　意味（いみ）をもて

存在意图与意义

隠（かく）された　マルコフの

隐而不现的马尔可夫^[3]

最尤（さいゆう）の名（な）の下（もと）に

在其最优化^[4]之名之支配下

恋（こい）をして　恋（こい）をして　恋（こい）をして

编织著情网编织著情网

ふられ　また　捨（す）てられて

编织著情网被抛弃又再次被舍弃

過去（かこ）をみて　枝（えだ）を切（き）れ

注视著过去切断了分枝

泣（な）きたくなっても　まだ　N　を増（ふ）やせ

纵使泫然欲泣也还是要让N^[5]再增递

旅（たび）の前（まえ）に付（つ）けた　韻律（いんりつ）の

出发旅行之前被赋予之韵律

意義（いぎ）はそこに　言葉（ことば）はどこに

意义在此处语言在何方？

上（うえ）へ　下（した）へ　うねるF0（えふぜろ）の

上升下沉高低起伏的F0^[6]

カタセシスの　ありかをさぐれ

寻找其下降阶梯^[7]之所在

息（いき）を切（き）らし　波（なみ）に乗（の）せられた

摒住着呼息随波形摆汤

パラ言語（げんご）の　意図（いと）　意味（いみ）を聴（き）け

倾听其零散语言^[8]之意图与意义

息（いき）を捨（す）てて　綴（つづ）られた言葉（ことば）

摒弃了呼息将语言串起

うずまきまで　たしかに　揺（ゆ）らせ

搅动摇晃不停直到漩涡成形

そして

然后

恋（こい）をして　恋（こい）をして

编织著情网编织著情网

飽（あ）きられて　ふられ　また捨（す）てられて

厌倦烦腻后被抛弃又再次被舍弃

円（えん）を描（か）け　赤（あか）く塗（ぬ）れ

描绘出圆形涂成赤红色^[9]

泣（な）きたくなっても　それでも　かき集（あつ）め

纵使泫然欲泣也还是要拼凑起收集

前（まえ）を見（み）て　舵（かじ）を取（と）れ

注视著前方转动著舵桨

泣（な）きたくないなら　また　歌（うた）え歌（うた）え

若是不想眼泪流下就更加放声高歌高歌吧

恋（こい）をして　恋（こい）をして

编织著情网编织著情网

その過去（かこ）を　捨（す）てて　ここまでおいで

将那些过去都舍弃前来我所在之地

二次创作

手绘PV

宽屏模式显示视频

10周年版本

宽屏模式显示视频

Miku Symphony 2018-2019版本（空降48:41）

宽屏模式显示视频

Synthesizer V 版本

宽屏模式显示视频

注释与外部链接

↑ 来源：vocaloid中文歌词wiki——https://w.atwiki.jp/vocaloidchly/pages/284.html
↑ phoneme：音素、音位。拼音语言、以及抽象语音具有辨义功能的最小单位，不能再被分割。
语言里的发音、字音都是由一个以上的音素所组成。
一个音素的改变会影响到附近的音素，故对人工语音系统的建立，音素分析及连结相当重要。
↑ 隠されたマルコフ：①隐马尔可夫模型（Hidden Markov Model，HMM）一种统计模型。
在正常的马尔可夫模型中，状态概率变迁是直接可见的。
而在隐马尔可夫模型中，状态并不是直接可见的。
此模型多应用在「语音识别」、「机器翻译」上，
以离散时域有限状态自动机的概念计算语音识别系统的输出值，
以建立「语言模型」。
②马尔可夫链（Markov Chain）系统内的事件并非各自独立。
受前一事件所影响，下一事件在一定几率下会出现特定事件。
马尔可夫链即为以现有事件推算系统全形之几率计算。
→浪漫化白话文：「以现状推测未来即将发生的事件，计算未来的形貌」
↑ 最尤の名：摸索最优化系统树（or决策树模型）外形的方法为定义初期系统树，
用递归法从根到叶推算每一分枝的数据，并根据结果剔除、修剪、交换分枝，
以概率计算的方式进行模拟试误学习，
摸索最佳树形（应行的路径轨迹与未来的模样）。
↑ Ｎ：①几率学中样本的母数、分数中的分母。
②ｎ对语。又称组语，是利用单语的最后母音做规则的变化的语汇压缩法。
二对语为两个母音(a.i)组对、三对语为三个母音(a.i.o)成组、
以此类推发展为ｎ对语。在人工语言学里虽然便于学习，但也容易有错误，
以及语调不正确时听者容易会听成负面意义的风险。
③最优化系统树中的最邻近分枝（Nearest Neighbor）
→下一个选择、不同的可能性、分歧的未来。
↑ Ｆ０：语音基本频率(Fundamental Frequency, F0)。
F0的高低升降即构成所谓的「声调」，与声母、韵母同样具有辨义的作用。
↑ カタセシス：catathesis。又称downstep，是一种在呼吸渐减时，
所产生一种音调（F0）的狭窄现象，特征为VOCAL会描绘出跳跃性的下坡轨迹。
在音韵学中downstep的出现将会「影响语言中焦点意义的传递」，
故为机械语音中调音运动重合（gestural overlap）的研究重点。
↑ パラ言語：paralanguage。即使内容一样，只要说话方式不同、给人的印象就会不同。
在以声音传递情报的状况下，是否能将发话者的真意传递给对方？
パラ语言情报在其中担任重要的角色，如音调高低、音量、速度、音质等变化。
声音中包涵的情报可分为三种──语言情报、パラ语言情报、非语言情报。
若将声音还原其要素可分出两种类──分节与韵律。
前者传递语言情报、后者传递パラ语言情报。
若抽出声音中的特征韵律、并加以分析其特征韵律所产生的F0模式生成模型，
可推知其中包涵之パラ语言情报、非语言情报，并从而推测发话者的「心之形态」。
↑ 有一说为即为录音键

[1] 来源：vocaloid中文歌词wiki——https://w.atwiki.jp/vocaloidchly/pages/284.html

[2] ：音素、音位。拼音语言、以及抽象语音具有辨义功能的最小单位，不能再被分割。
语言里的发音、字音都是由一个以上的音素所组成。
一个音素的改变会影响到附近的音素，故对人工语音系统的建立，音素分析及连结相当重要。

[3] 隠されたマルコフ：①隐马尔可夫模型（Hidden Markov Model，HMM）一种统计模型。
在正常的马尔可夫模型中，状态概率变迁是直接可见的。
而在隐马尔可夫模型中，状态并不是直接可见的。
此模型多应用在「语音识别」、「机器翻译」上，
以离散时域有限状态自动机的概念计算语音识别系统的输出值，
以建立「语言模型」。
②马尔可夫链（Markov Chain）系统内的事件并非各自独立。
受前一事件所影响，下一事件在一定几率下会出现特定事件。
马尔可夫链即为以现有事件推算系统全形之几率计算。
→浪漫化白话文：「以现状推测未来即将发生的事件，计算未来的形貌」

[4] 最尤の名：摸索最优化系统树（or决策树模型）外形的方法为定义初期系统树，
用递归法从根到叶推算每一分枝的数据，并根据结果剔除、修剪、交换分枝，
以概率计算的方式进行模拟试误学习，
摸索最佳树形（应行的路径轨迹与未来的模样）。

[5] Ｎ：①几率学中样本的母数、分数中的分母。
②ｎ对语。又称组语，是利用单语的最后母音做规则的变化的语汇压缩法。
二对语为两个母音(a.i)组对、三对语为三个母音(a.i.o)成组、
以此类推发展为ｎ对语。在人工语言学里虽然便于学习，但也容易有错误，
以及语调不正确时听者容易会听成负面意义的风险。
③最优化系统树中的最邻近分枝（Nearest Neighbor）
→下一个选择、不同的可能性、分歧的未来。

[6] Ｆ０：语音基本频率(Fundamental Frequency, F0)。
F0的高低升降即构成所谓的「声调」，与声母、韵母同样具有辨义的作用。

[7] カタセシス：catathesis。又称downstep，是一种在呼吸渐减时，
所产生一种音调（F0）的狭窄现象，特征为VOCAL会描绘出跳跃性的下坡轨迹。
在音韵学中downstep的出现将会「影响语言中焦点意义的传递」，
故为机械语音中调音运动重合（gestural overlap）的研究重点。

[8] パラ言語：paralanguage。即使内容一样，只要说话方式不同、给人的印象就会不同。
在以声音传递情报的状况下，是否能将发话者的真意传递给对方？
パラ语言情报在其中担任重要的角色，如音调高低、音量、速度、音质等变化。
声音中包涵的情报可分为三种──语言情报、パラ语言情报、非语言情报。
若将声音还原其要素可分出两种类──分节与韵律。
前者传递语言情报、后者传递パラ语言情报。
若抽出声音中的特征韵律、并加以分析其特征韵律所产生的F0模式生成模型，
可推知其中包涵之パラ语言情报、非语言情报，并从而推测发话者的「心之形态」。

[9] 有一说为即为录音键

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

有耳朵的机器人之歌

歌曲

歌词

二次创作

注释与外部链接

导航菜单

搜索