有耳朵的機器人之歌

	; PV封面
	歌曲名稱
	耳のあるロボットの唄; 有耳朵的機器人的歌
	於2008年6月10日投稿，再生數為 --
	演唱
	重音テト
	P主
	nwp8861(耳ロボP)
	連結
	Nicovideo

本曲目已進入殿堂

本曲目在niconico已經擁有了超過10萬次播放，榮膺UTAU殿堂曲稱號。

“

歩いてく、あの子の唄

”

《耳のあるロボットの唄》是耳ロボP於2008年6月10日投稿至niconico動畫的UTAU日文原創歌曲，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」的別名。

本曲也被改編成管弦樂，於《Miku Symphony 2018-2019》上演奏。

歌曲

原版

寬屏模式顯示視頻

2012版

寬屏模式顯示視頻

歌詞

翻譯：（還沒去做）字幕的人^[1]

本段落中所使用的歌詞，其著作權屬於原著作權人，僅以介紹為目的引用。

耳のあるロボットの唄

有耳朵的機器人之歌

まとめたなら　細（こま）かく包（つつ）んで

若要統合歸一就將之仔細包裹起

影（かげ）をよけて　ここまでおいで

避開那黑影前來我所在之地

ゆく先々（さきざき）　たどる道（みち）しるべ

前行彼方追溯路標

たずね歩（ある）き　ここまでおいで

尋訪探走前來我所在之地

朽（く）ちた言葉（ことば）　ねじられた言葉（ことば）

枯朽的語言被扭曲不見原形的語言

沈（しず）む言葉（ことば）　それでも綴（つづ）れ

滅頂的語言仍然將其連綴起

ひとつふたつ　つらねつながれた

一個兩個相吸拼綴連繫起音素^[2]的排列

phonemeの列（れつ）　意図（いと）　意味（いみ）をもて

存在意圖與意義

隠（かく）された　マルコフの

隱而不現的馬爾可夫^[3]

最尤（さいゆう）の名（な）の下（もと）に

在其最優化^[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

編織著情網編織著情網

ふられ　また　捨（す）てられて

編織著情網被拋棄又再次被捨棄

過去（かこ）をみて　枝（えだ）を切（き）れ

注視著過去切斷了分枝

泣（な）きたくなっても　まだ　N　を増（ふ）やせ

縱使泫然欲泣也還是要讓N^[5]再增遞

旅（たび）の前（まえ）に付（つ）けた　韻律（いんりつ）の

出發旅行之前被賦予之韻律

意義（いぎ）はそこに　言葉（ことば）はどこに

意義在此處語言在何方？

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

尋找其下降階梯^[7]之所在

息（いき）を切（き）らし　波（なみ）に乗（の）せられた

摒住著呼息隨波形擺湯

パラ言語（げんご）の　意図（いと）　意味（いみ）を聴（き）け

傾聽其零散語言^[8]之意圖與意義

息（いき）を捨（す）てて　綴（つづ）られた言葉（ことば）

摒棄了呼息將語言串起

うずまきまで　たしかに　揺（ゆ）らせ

攪動搖晃不停直到漩渦成形

そして

然後

恋（こい）をして　恋（こい）をして

編織著情網編織著情網

飽（あ）きられて　ふられ　また捨（す）てられて

厭倦煩膩後被拋棄又再次被捨棄

円（えん）を描（か）け　赤（あか）く塗（ぬ）れ

描繪出圓形塗成赤紅色^[9]

泣（な）きたくなっても　それでも　かき集（あつ）め

縱使泫然欲泣也還是要拼湊起收集

前（まえ）を見（み）て　舵（かじ）を取（と）れ

注視著前方轉動著舵槳

泣（な）きたくないなら　また　歌（うた）え歌（うた）え

若是不想眼淚流下就更加放聲高歌高歌吧

恋（こい）をして　恋（こい）をして

編織著情網編織著情網

その過去（かこ）を　捨（す）てて　ここまでおいで

將那些過去都捨棄前來我所在之地

二次創作

手繪PV

寬屏模式顯示視頻

10周年版本

寬屏模式顯示視頻

Miku Symphony 2018-2019版本（空降48:41）

寬屏模式顯示視頻

Synthesizer V 版本

寬屏模式顯示視頻

注釋與外部連結

↑ 來源：vocaloid中文歌詞wiki——https://w.atwiki.jp/vocaloidchly/pages/284.html
↑ 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。
↑ 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。
↑ 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。
↑ 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」。
↑ 有一說為即為錄音鍵

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

[2] ：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。

[3] 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」

[4] 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）。

[5] 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。

[6] 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。

[7] 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。

[8] 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」。

[9] 有一說為即為錄音鍵

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

有耳朵的機器人之歌

歌曲

歌詞

二次創作

注釋與外部連結

導覽選單

搜尋