跳到主要內容

我也愛徹夜未眠，更愛公主！

  (閱讀文章前，請先至左下角關閉背景音樂)

偶然閒逛在網路時，看到一個有趣的影片，

主題是英國超級星光大道(Britain's Got Talent)的表演片段，

我想在最近星光大道激情下，應該很多人也都看過這個類似的show吧？

不過重點是Britain's Got Talent裡的選手 Paul Potts (36歲，手機銷售員)

竟然選唱了 Puccini (普契尼) 歌劇  " Turandot (杜蘭朵公主) " 中最有名的詠嘆調 - "Nessun Dorma (公主徹夜未眠)"

真是令人驚訝，這種感覺就像要臺灣星光幫去唱歌仔戲或京劇那樣神奇！

Survey了一下，這位Paul Potts先生果然得了Britain's Got Talent 最後的冠軍，

也捧走了十萬英鎊獎金，還有獲得在2007年Royal Variety Performance(專屬皇家的年度表演場合) 為英國女王表演的機會。


以下放上Paul Potts的片段 ( 真的是很戲劇性的一個人)



以一個業餘歌手來說，真的是挺不錯的呢！
這篇文章有放他的簡介：[影片]英國星光大道

另外放上大家都知道的三大男高音Carreras, Domingo, Pavarotti  , 1994在Los Angeles 的表演，
　聽聽更多不一樣的 Nessun Dorma ，(  Zubin Mehta 看起來超年輕!! )。


不過老實說我最喜歡的還是Domingo 跟 Andrea Bocelli
一個是實力無話可說的老將，一個是暇不掩玉的盲人歌手，
他們的聲音，都給人誠摯的熱情！　非常的美！

Placido Domingo


Andrea Bocelli Sings Live In Toscane

 
另外附上歌詞讓大家跟著唱！
(From:  Frey 的網路誌)





原　　文
英文翻譯
中文翻譯
---The Prince---
Nessun dorma, nessun dorma ...
Tu pure, o Principessa,
Nella tua fredda stanza,
Guardi le stelle
Che tremano d'amore
E di speranza.

Ma il mio mistero e` chiuso in me,
Il nome mio nessun sapra`, no, no,
Sulla tua bocca lo diro`
Quando la luce splendera`,
Ed il mio bacio sciogliera` il silenzio
Che ti fa mia.

---Chorus---
Il nome suo nessun sapra`
E noi dovrem, ahime`, morir.

---The Prince---
Dilegua, o notte!
Tramontate, stelle!
All'alba vincero`!
No one sleeps, no one sleeps...
Even you, o Princess,
In your cold room,
Watch the stars,
That tremble with love
And with hope.

But my secret is hidden within me;
My name no one shall know, no, no,
On your mouth I will speak it*
When the light shines,
And my kiss will dissolve the silence
That makes you mine.

No one will know his name
And we must, alas, die.

Vanish, o night!
Set**, stars!
At daybreak, I shall conquer!
誰也不許睡！誰也不許睡！
公主啊！妳也一樣，
在你冰潔的閨房，妳將注視著，
因為愛情和希望而顫抖的星星。

但是我的祕密深藏在我心中，
沒有人知道我的名字！
喔！不，我只能在妳的芳唇上說出它。
當明天破曉的時候，
我的熱吻將打破沈默，
使妳成為我的人！”

無人得知他的名字，
我們將難逃一死。

消失吧！黑夜！
日落，星辰！
天明時，我終將征服一切。
　

 

最後不得不提一下的是 Paul Potts 的對手，一個非常可愛的六歲小女孩Connie Talbot，
她唱的 Somewhere Over The Rainbow 或許沒有那麼多炫技，但純真的令人感動呢。

 

 

超可愛的對不對！  ^^

　　　　　　　　　　　　　　　　　　　　　　　　　BP

 

標籤

標籤：

留言

張貼留言

這個網誌中的熱門文章

Google 資料庫方案–Spreadsheet–(1)資料呈現

HEMiDEMi 的標籤: Google , Google SpreadSheet , 雲端 早在規劃『 教育，意義！ 』project時， 便有打算將整個網站建立過程撰寫一篇教學，讓有興趣以google 服務為基礎進行開發的朋友參考。 沒想到這個想法擺著就拖了好幾個月， 好在學生提出了問題，就趁這機會寫一寫吧。 基本上『 教育，意義！ 』網站的架構完全建立在Google提供的服務， 廣義來說也是個雲端的系統， 所有的資料是分散在不同的服務架構下，再用GAE, Javascrript將服務資訊串接起來， 由Blogspot 統一呈現。 省了租主機的費用，或架站的硬體、電費， 最好的地方在於不用管理主機維運的問題， 只要專心做我的創意、嘗鮮就好了！！   多棒！ 若將『 教育，意義！ 』網站依功能層次來分類，可以分為三層結構， 當中的層次與使用技術大致如下： UI 介面層 服務 : Blogspot (網站介面) , Picasa (相簿空間), Google Apps 技術 : Javascript , AJAX ( JQuery ) App應用層  服務 : Google App Engine (GAE) 技術 : Java, Java Server Page (JSP) 資料層 服務 : Google Docs (文件), Google Spreadsheet (試算表) 技術/函式庫 : Java, Google Data APIs 本篇文章將著重在介紹以Google Spreadsheet 做為雲端資料庫， 其他主題將會陸續推出。 若對Google API 與 Google App Engine 初步建置有興趣， 可以參考之前文章： 佛心來著的 Google Data API – for JAVA 雲端的開始：Netbeans 無痛 Google App Engine Java 服務開發 Google Spreadsheet 做為資料庫系統 對於小型的資料系統來說， 採用Google Spreadsheet做為應用程式資料庫(如問卷調查或線上系統) 也算堪用， 目前的儲存限制為 : 40 萬個儲存格 每張工作表最多...
15 則留言
閱讀完整內容

醫學健康跨領域合作的開始：資料工程

一直都很喜歡在會議上與跨領域的專家、醫師、學者分享我們在數據工程與分析應用上的發展經驗。 許多的專家學者，對於大數據應用的認知都仍侷限在一個超大型結構化資料集的子集合應用，在規劃好的條件設定下，針對特定的目標(疾病、行為)進行篩選，將數據narrow down到可以被個人電腦或是單一伺服器架構處理的小型資料集。 這樣的半手工處理方式，對於專一(Specific)領域主題的資料追蹤計算或許已經十分足夠，但當中倘若資料清理方式有改變、篩選條件增減，所有的數據都要從raw重新處理，不僅造成大量的時間與人力浪費，對於專案計畫進度的延宕更是麻煩。這些還不包含
2 則留言
閱讀完整內容

當咒術成真 - 文字生成的虛擬世界

  2024/02  這幾天灌爆各大ai社群的，不外乎就是文字生成高清畫質影像的OpenAI Sora ， 讓人驚艷的細膩表現，自動化的場景生成與運鏡效果，縱使這個概念並不是多創新的模式，但Open AI始終很懂得抓住大家眼球  (Sora的各種生成影片： https://openai.com/sora  ) 關於Sora 的技術與介紹，不妨看看chatGPT 對它的描述： OpenAI Sora文字-視訊生成模型 在視頻數據上進行大規模訓練生成模型，具體而言，OpenAI聯合訓練了文本條件擴散模型，處理不同持續時間、解析度和長寬比的視頻和圖像。利用了一種在視頻和圖像潛碼的時空塊上操作的轉換器架構。受到Srivastava等人（2015年）在使用LSTMs進行視頻表示學習的無監督學習的啟發，OpenAI的最大模型Sora擴展了這些概念，能夠生成一分鐘的高保真度視頻。此外，Chiappa等人（2017年）描述的循環環境模擬器方法與我們的方法論框架相一致，表明擴大視頻生成模型的規模是建立通用物理世界模擬器的一條有希望的道路。 一、技術創新 OpenAI 的 Sora 模型在技術創新上主要融合了 diffusion models 與 transformer models 的特點，這一結合代表著從文字描述到視覺內容生成的一大進步。根據 Goodfellow et al. (2014) 的研究，Generative Adversarial Nets (GANs) 開創了使用機器學習生成圖像的新方法，而 diffusion models 則透過逆向的擴散過程從隨機噪聲中逐步建構出有意義的圖像，提供了一種不同於傳統 GANs 的新途徑。另一方面，Vaswani et al. (2017) 提出的 transformer 模型，通過其自注意力機制有效處理長距離依賴關係，已廣泛應用於語言模型中。Sora 模型的創新之處在於將這兩種技術融合應用，實現了從簡單文本提示生成高質量視覺內容的能力，這不僅展示了機器學習技術的新高度，也為未來的影像生成、自然語言處理和人機交互開啟了新的可能性。 二、物理現象與現實世界的模擬 Sora 的另一大進步是在模擬現實世界物理現象方面的表現。雖然現有模型如 Raissi et al. (2019) 所提出的 Physi...
張貼留言
閱讀完整內容