[实战分享]手把手教你用RNN写周杰伦风格的歌词！核心是理解“自回归”与“滑动窗口”

文章目录

• 必备知识：自回归语言模型流程
• 1、导入工具包
• 2、数据集（全部数据集在文章末尾）
• 3、构建词表 – 代码
• 4、构建数据集对象 – 代码（滑动窗口）
• • 1、自定义数据集（Dataset）
  • 2、代码：
• 5、构建网络模型 – 代码
• 6、构建训练函数 – 代码
• • 1、`torchinfo.summary`
  • 2、代码：
• 7、构建预测函数
• • 1、自回归语言模型 – 预测时输入序列如何构建
  • 2、代码：
• 8、整体代码：
• 9、训练数据

必备知识：自回归语言模型流程

自回归语言模型的核心流程：从理论到歌词生成实践

在自然语言处理（NLP）中，自回归语言模型（Autoregressive Language Model）是文本生成任务的基石。无论是早期的 RNN、LSTM，还是如今的 GPT 系列大模型，其底层思想都高度一致：给定一段历史文本，预测下一个最可能出现的词。通过不断重复这一过程，模型就能“写”出连贯的新句子。

本文将以“用 RNN 生成周杰伦风格歌词”为例，系统梳理自回归语言模型的标准工作流程，帮助你真正搞懂：为什么数据要这样组织？训练和生成到底有何不同？

一、什么是自回归语言模型？

自回归（Autoregressive）意味着“自己依赖自己”。在语言建模中，它体现为：

模型根据已生成的所有词（上下文），来预测下一个词。

数学上，这源于对整句话联合概率的链式分解：

P

(

w

1

,

w

2

,

.

.

.

,

w

T

)

=

P

(

w

1

)

⋅

P

(

w

2

∣

w

1

)

⋅

P

(

w

3

∣

w

1

,

w

2

)

⋅

.

.

.

⋅

P

(

w

T

∣

w

1

,

.

.

.

,

w

T

−

1

)

P(w_1, w_2, …, w_T) = P(w_1) \\cdot P(w_2|w_1) \\cdot P(w_3|w_1,w_2) \\cdot … \\cdot P(w_T|w_1,…,w_{T-1})

P(w1​,w2​,…,wT​)=P(w1​)⋅P(w2​∣w1​)⋅P(w3​∣w1​,w2​)⋅…⋅P(wT​∣w1​,…,wT−1​)

模型的目标，就是学会估计这些条件概率

P

(

w

t

∣

w

1

,

.

.

.

,

w

t

−

1

)

P(w_t | w_1, …, w_{t-1})

P(wt​∣w1​,…,wt−1​)。

举个歌词例子：

• 输入上下文：['狼牙月', '伊人', '憔悴']
• 模型预测：下一个词很可能是 '我'

一旦训练完成，我们就可以从一个起始词（如 '爱'）开始，让模型一步步生成新歌词：

🔑 关键限制：模型只能从训练时构建的词库（vocabulary）中选择下一个词。如果“量子”从未出现在原歌词中，模型就无法生成它。因此，词库的质量直接决定了生成能力的上限。

二、标准训练流程：如何教会模型“猜下一个词”？

为了让模型学会“根据前文猜后文”，我们需要大量形如 (上下文, 下一个词) 的训练样本。这被称为 next-token prediction（下一个词预测），是所有自回归模型的基础。

步骤 1：构建统一的词 ID 序列（corpus）

首先，将全部歌词文本转化为一个超长的一维数字序列：

corpus_idx = [0, 1, 2, 3, 4, 5, 6, ...] # 所有歌词连成一条“数字长河”

💡 为什么要拼成一维？ 语言模型依赖连续上下文。如果按行分割，模型就看不到“上一句结尾”和“下一句开头”的潜在联系（比如押韵、语义衔接）。

步骤 2：插入句子分隔符（可选但推荐）

为了控制上下文范围，通常在每行末尾添加一个特殊标记，如 <eos>（end of sentence）：

corpus_idx.extend(line_ids)
corpus_idx.append(word_to_index['<eos>'])

这相当于告诉模型：“到这里一句话结束，下一句可以视为新起点。”

⚠️ 注意：避免使用空格 ' ' 作为分隔符，因为它可能本身就是歌词中的有效字符。使用专用符号（如 <eos>）更安全。

步骤 3：用滑动窗口切出训练样本

设定一个固定长度 seq_len（如 30），然后在整个 corpus_idx 上滑动窗口，生成输入-目标对：

可以看到，目标序列 y 是输入序列 x 向右平移一位的结果。每个样本都在教模型：“看到 A B C D E，就该输出 B C D E F”。

✅ 这种方式能从 N 个词中生成约 N – seq_len 个训练样本，极大提升数据利用率。

步骤 4：批量训练（天然支持等长序列）

由于所有样本长度相同（均为 seq_len），PyTorch 可直接将它们堆叠成张量：

batch.shape = (batch_size=64, seq_len=30)

送入模型结构：Embedding → RNN → Linear，计算交叉熵损失，反向传播更新参数。

📌 这是 NLP 教材、官方示例和工业实践中的标准范式。 🔁 关键特性：训练是并行的——模型一次性看到整个输入序列，并同时为每个位置预测“下一个词”。

三、推理（生成）阶段：如何让模型“写歌”？

训练完成后，模型已学会“给定前文，预测下一个词的概率分布”。生成时，我们采用自回归循环：

🔁 注意：推理是严格串行的——每一步都必须等待前一步生成结果后才能进行，无法并行加速。

四、常见误区：为什么不能直接按“句子”喂数据？

有些初学者会想：“每行歌词是一句话，那就把每行作为一个独立样本。” 这种思路在句子分类或机器翻译（Seq2Seq）中是合理的，但在自回归生成任务中会带来三大问题：

❌ 问题 1：样本数量严重不足

• 假设歌词共 1000 行 → 最多只有 1000 个训练样本；
• 而滑动窗口法可从 5 万个词中生成近 5 万个样本。
• 语言模型需要海量 (上下文, 下一个词) 对才能学到可靠的统计规律。

❌ 问题 2：变长序列难以批量训练

• 不同行词数不同 → 张量形状不一致 → PyTorch 报错；
• 需引入 padding 和 masking，增加代码复杂度且降低训练效率；
• 而滑动窗口天然等长，开箱即用，无需额外处理。

❌ 问题 3：人为切断上下文

• 模型无法学习跨句模式（如“是非”与“缘字诀”的押韵或语义关联）；
• 即使加了 <eos>，也是可控隔离（由你决定是否断开）；而按行分割则是强制割裂，完全丢失跨句信息。

五、总结：自回归语言模型的黄金法则

🎯 终极建议：

自回归语言模型的魅力，正在于它用最朴素的“猜下一个词”机制，涌现出令人惊叹的创造性。理解其流程，你就掌握了通往文本生成世界的第一把钥匙。🎶

1、导入工具包

不用一下子导入全部，可以用到哪个再导入

import time
import torch
import torch.nn as nn
from torch.utils.data import Dataset, DataLoader
import torch.optim as optim
import jieba
import os
from torchinfo import summary
import logging
import matplotlib.pyplot as plt

2、数据集（全部数据集在文章末尾）

我们收集了周杰伦从第一张专辑《Jay》到第十张专辑《跨时代》中的歌词，来训练神经网络模型，当模型训练好后，我们就可以用这个模型来创作歌词。数据集如下：

想要有直升机
想要和你飞到宇宙去
想要和你融化在一起
融化在宇宙里
我每天每天每天在想想想想著你
这样的甜蜜
让我开始相信命运
感谢地心引力
...（全部数据集在文章末尾）

该数据集共有 5819 行文本。

3、构建词表 – 代码

在进行自然语言处理任务之前，首要做的就是构建词表。

所谓的词表就是将语料进行分词，然后给每一个词分配一个唯一的编号，便于我们送入词嵌入层。

接下来, 我们对周杰伦歌词的数据进行处理构建词表，具体流程如下：

• 获取文本数据
• 分词，并进行去重
• 构建词表

import time
import torch
import torch.nn as nn
from torch.utils.data import Dataset, DataLoader
import torch.optim as optim
import jieba
import os
from torchsummary import summary
import logging
import matplotlib.pyplot as plt

os.chdir(r'F:\\Pycharm\\works-space\\循环神经网络')
os.environ["KMP_DUPLICATE_LIB_OK"] = "TRUE" # ←←← 关键！放在最前面（解决报错）
from pylab import mpl
mpl.rcParams["font.sans-serif"] = ["SimHei"] # 设置显示中文字体
mpl.rcParams["axes.unicode_minus"] = False # 设置正常显示符号

# 获取数据 -> 分词 -> 构建词表
def create_vocabulary():
jieba.setLogLevel(logging.WARN) # 关闭 jieba 提示

word_ind_dic = {} # 词: word_id
cnt = 0 # word_id 自增, 也表示词的总数量

unique_word = [] # 共有哪些词

new_lyrics = [] # 把原来每行里的歌词换成ID, 变成 [[0, 4, 2], [1, 9, 2, 32], …] 这种

with open(file=r'./data/jaychou_lyrics.txt', mode='r', encoding='utf-8') as f:
# 读取所有行
all_line = f.readlines() # ['想要有直升机\\n', '想要和你飞到宇宙去\\n', …]

for line in all_line: # 遍历每行
# line.strip() 不会原地修改字符串
if not line.strip(): # 去掉首尾空白（包括 \\n, 空格, \\t 等），如果去掉空白后是空字符串，说明是空行
continue # 跳过空行

# 注意, 每行的前后空白符, 【空格】、【\\n】都算词，不用去掉
cut_line = jieba.lcut(line) # 给每行分词（其中空格和\\n也算是词）
# print(cut_line) # ['想要', '有', '直升机', '\\n']

temp_line = []
for word in cut_line: # 遍历每句话里的 每个词
if word not in word_ind_dic: # 没有在字典里的才统计
word_ind_dic[word] = cnt # 往字典里添加词
unique_word.append(word) # 总共有哪些词
cnt += 1 # 索引调整. 词的ID从 1 开始
word_id = word_ind_dic[word] # 获取词对应的ID
temp_line.append(word_id)

new_lyrics.extend(temp_line) # 每行歌词里的每个词使用ID表示

# 把新歌词内容转成张量(别直接用 list, 不仅速度慢, 而且容易出现一些 "奇怪" 的操作)
new_lyrics = torch.tensor(data=new_lyrics, dtype=torch.long) # 后续交叉熵损失时, 真实值需要 long, 这里就直接转成 long 了

print(f'总共有哪些词: {unique_word}') # ['想要', '有', '直升机', '\\n', '和', '你', …]
print(f'词对应的ID: {word_ind_dic}') # {'想要': 0, '有': 1, '直升机': 2, '\\n': 3, '和': 4, '你': 5, …}
print(f'总词数 = {cnt} = {len(unique_word)}') # 5703
print(f'新歌词总长度 = {len(new_lyrics)}') # 43316
print(f'把每个词换层ID, 最终把所有行歌词合并成一行:\\n {new_lyrics}')
# tensor([0, 1, 2, …, 563, 3299, 3])
print(len(unique_word) == cnt) # True

return unique_word, word_ind_dic, len(unique_word), new_lyrics # 共有哪些词, 词对应的ID, 词的总数量, 新歌词(用ID表示)

4、构建数据集对象 – 代码（滑动窗口）

1、自定义数据集（Dataset）

一、背景与设计哲学

1.1 为什么需要 Dataset 抽象？

PyTorch 的核心理念是 “灵活性优先”。它不强制用户使用特定数据格式（如 TensorFlow 的 tf.data 虽强大但较重），而是提供一个极简抽象：只要你的数据能通过整数索引访问，就能被训练流程使用。

torch.utils.data.Dataset 正是这一理念的体现：

• 它是一个协议接口（Protocol），而非具体实现；
• 框架只关心“你能按索引返回样本”，不关心数据来自磁盘、数据库、网络或内存；
• 这使得 PyTorch 可无缝支持图像、文本、语音、图、时序、多模态等任意数据类型。

1.2 Dataset 在 PyTorch 数据管道中的位置

完整的数据加载链路为：

原始数据源
↓
自定义 Dataset（实现 __getitem__）
↓
Sampler（决定索引顺序：SequentialSampler / RandomSampler / WeightedRandomSampler 等）
↓
DataLoader（批量、并行、堆叠）
↓
模型训练循环

Dataset 是整个链条的起点和唯一必须由用户实现的部分。

二、Dataset 接口规范详解

2.1 继承关系与类型约束

要创建自定义数据集，需继承 torch.utils.data.Dataset：

from torch.utils.data import Dataset

class MyDataset(Dataset):
...

• Dataset 是一个抽象基类，继承自 object；
• 虽未使用 abc.ABC 强制约束，但 __len__ 和 __getitem__ 是事实上的强制接口；
• 若未实现，DataLoader 在运行时会抛出 TypeError。

2.2 必须实现的方法

(1) __init__(self, *args, **kwargs)

• 目的：初始化数据集元信息。
• 应包含的内容：
  • 样本标识列表（如文件路径 List[str]、ID 列表 List[int]、DataFrame 行索引）；
  • 预处理组件（如 transform, tokenizer, audio_processor）；
  • 配置参数（如 max_length, crop_size, train_mode）。
• 禁止行为：
  • 加载全部原始数据到内存（除非数据极小）；
  • 打开不可序列化的资源（如数据库连接、文件句柄）——若需，应在 __getitem__ 中按需打开并关闭。

✅ 最佳实践：__init__ 应尽可能轻量、快速、可重复调用。

这个方法就是你创建数据集对象时最先跑的那部分代码。比如你写 lyrics = LyricsDataset(data_dir="…", tokenizer=…)，里面传的参数就会进到 __init__ 里。

它的任务不是加载数据，而是“准备好怎么去拿数据”。

✅ 你应该在这里放什么？

• 一份“索引清单”：比如所有歌词文件的路径（["song1.txt", "song2.txt", …]），或者每条数据的 ID 列表，或者 pandas 表格的行号。这些东西很小，存起来不占内存。
• 处理工具：比如你用的分词器（tokenizer）、图像变换（transform）、音频处理器（audio_processor）——这些是后面读数据时要用的“工具”，提前传进来放好。
• 一些设置选项：比如“最大句子长度是多少”（max_length=128）、“是不是训练模式”（train_mode=True）等等。这些控制行为的开关也放这儿。

❌ 绝对不要在这儿干的事：

• 别把整个数据集全读进内存！ 比如几万首歌的歌词文本一股脑全 load 进来——除非你确定数据特别小（比如就 10 条）。否则程序会卡死或爆内存。
• 别在这儿开数据库连接、打开大文件、创建不能复制的对象。因为 PyTorch 的 DataLoader 在多进程（num_workers>0）时会把你的数据集对象“复制”到多个子进程里，而这些资源没法被复制（pickle 不了），会导致报错。 → 如果真要读文件或连数据库，等到 __getitem__ 里再临时打开、用完就关。

🎯 一句话总结最佳实践： __init__ 要做得又快又轻，只记“去哪儿找数据”和“怎么处理数据”，不碰真实数据本身。这样你的数据集才能又快又稳，还能在多进程下正常跑。

(2) __len__(self) -> int

• 语义：告诉 PyTorch “你的数据集一共有多少个样本”。 比如你有 10,000 条歌词，就返回 10000。

• 为什么这个数很重要？ PyTorch 会根据这个数字，自动生成合法的索引范围： 所有传给 __getitem__(index) 的 index 都会满足： 0 <= index <= __len__() – 1。 也就是说，最大 index 就是“总数减一”，你不需要在 __getitem__ 里检查越界。

• 要求：

  • 必须返回一个 非负整数（0 或正整数）；
  • 对同一个数据集对象，多次调用应返回相同的值（除非你刻意实现动态增删数据的功能，一般不建议）；
  • 应该 快速返回结果（时间复杂度 O(1)），比如直接 return len(self.file_paths)，而不是每次去数文件或查数据库。

• 被谁使用？

  • DataLoader：用它来创建 Sampler（决定取哪些 index，顺序如何）；
  • len(dataloader)：实际返回的是 ceil(len(dataset) / batch_size)，即“一共要跑多少个 batch”；
  • 训练循环中的进度条、epoch 控制、日志打印等：都需要知道总样本数才能算进度。

⚠️ 注意：如果你的 __len__() 返回的数字 大于 你实际能访问的数据量（比如返回 1000，但 self.paths 只有 900 个路径），那么当 index >= 900 时，__getitem__ 会报错（如 IndexError）。所以务必保证 __len__() 的返回值和你真实数据数量一致！

(3) __getitem__(self, index: int) -> Any

• 语义：根据整数索引返回单个样本。

• 关键机制：

  由 DataLoader 自动传递参数 index

  当你对 Dataset 实例（例如 lyrics）使用索引操作 lyrics[i] 时，Python 会自动调用 lyrics.__getitem__(i)。这是 Python 的通用对象协议，也是 PyTorch DataLoader 获取样本的核心方式。 换句话说，dataset[idx] 就是 dataset.__getitem__(idx) 的语法糖。

  注意：在人为主动调用时，是 dataset[idx] ，不是 dataset(idx)

• 输入约束：

  • index 为 int 类型；
  • 0 <= index < len(self)；
  • DataLoader 保证不会传入非法索引（除非自定义 Sampler 有 bug）。

• 输出要求：

  • 结构一致：所有样本返回相同类型的结构（如总是 (Tensor, int)）；
  • 类型兼容：最终需能被 default_collate 或用户 collate_fn 合并；
  • 推荐返回 torch.Tensor（模型前向传播必需）。

• 内部操作建议：

def __getitem__(self, idx):
# Step 1: 获取元信息
path = self.image_paths[idx]
label = self.labels[idx]

# Step 2: 读取原始数据（懒加载）
image = Image.open(path).convert('RGB')

# Step 3: 应用预处理（可能含随机增强）
if self.transform:
image = self.transform(image)

# Step 4: 转为 Tensor 并返回
return image, torch.tensor(label, dtype=torch.long)

⚠️ 注意：若 transform 包含随机操作（如 RandomHorizontalFlip），则对同一 idx 多次调用会返回不同结果——这是预期行为，用于数据增强。

三、与 DataLoader 的完整协作机制

3.1 DataLoader 如何使用 Dataset

DataLoader 的核心逻辑如下（伪代码）：

for idx in batch_indices:
sample = dataset[idx] # ← 触发 __getitem__(idx)

💡 提示：dataset[idx] 是标准 Python 语法，底层自动调用 __getitem__。你无需、也不应手动写成 dataset.__getitem__(idx)。

3.2 idx 的来源与传递

• idx 由 Sampler 生成（默认为 0..N-1 的排列）；
• DataLoader 将 idx 作为参数传给 dataset.__getitem__(idx)；
• 你无需、也不应手动干预 idx 的生成或传递；
• 即使使用 num_workers > 0，每个子进程也会收到独立的 idx 并调用 __getitem__。

3.3 多进程（num_workers > 0）下的行为

• 主进程将 Dataset 实例 pickle 序列化后发送给子进程；
• 每个子进程反序列化得到独立副本；
• 子进程调用 dataset[idx] 获取样本；
• 样本通过 IPC（共享内存或队列）传回主进程。

🔒 关键限制：Dataset 必须可被 pickle。避免：

• lambda 函数（如 transform=lambda x: x/255）→ 改用普通函数；
• 本地定义的类或函数；
• 不可序列化的对象（如 cv2.VideoCapture）。

四、最佳实践清单（Checklist）

✅ 初始化阶段

• 仅存储元数据（路径、ID、配置），不加载原始数据

• 预处理组件（transform/tokenizer）作为参数传入

• 支持 train/val 模式切换（如不同 transform）

✅ __getitem__ 实现

• 按需读取单个样本（懒加载）

• 应用预处理（含随机增强）

• 返回 torch.Tensor（正确 dtype：float for data, long for classification labels）

• 保证结构一致性（所有样本返回相同格式）

• 理解 dataset[i] 即 dataset.__getitem__(i)，这是标准 Python 行为

✅ 与 DataLoader 协作

• 测试 default_collate 是否成功

• 复杂结构时提供 collate_fn

• 多进程下确保可序列化

• Windows 用户保护主入口（使用 if __name__ == '__main__':）

✅ 性能与维护

• 使用 num_workers 和 pin_memory

• 避免在 __getitem__ 中做 heavy computation

• 文档化数据格式和返回结构

五、总结

PyTorch 的自定义 Dataset 是一个极简但强大的抽象：

• 它通过两个方法（__len__, __getitem__）定义了“什么是数据集”；
• 它与 Sampler、DataLoader、collate_fn 构成完整的数据加载生态；
• 它支持任意数据源、任意预处理、任意输出结构；
• 特别地，对数据集实例使用索引操作（如 lyrics[0]）会自动触发 __getitem__ 方法，这是 Python 的通用机制，也是 PyTorch 数据加载的基础。
• 它是构建高效、可靠、可复现深度学习项目的基础组件。

掌握自定义 Dataset，意味着你真正拥有了在 PyTorch 中自由驾驭任何数据的能力。

📚 官方文档参考：

• torch.utils.data.Dataset
• Writing Custom Datasets

2、代码：

# 自定义数据集
class LyricsDataset(Dataset):
def __init__(self, new_lyrics, sentence_word_number):
# new_lyrics: 用词ID表示新歌词文本
# sentence_word_number: 每个句子包含词的数量
self.new_lyrics = new_lyrics
self.sentence_word_number = sentence_word_number

self.total_word = len(new_lyrics) # 文本总共有多长

# 像 "滑动窗口" 取值 x、y。 为了保证 y 能取到完整的 sentence, y的起点最原始从 total_word – sentence_word_number 开始
# 所以 x 最远的起点是 total_word – sentence_word_number – 1
# 总句子个数 = total_word – sentence_word_number – 1 + 1 = total_word – sentence_word_number
self.sentence_count = self.total_word – sentence_word_number

def __len__(self):
return self.sentence_count # 告诉 PyTorch “你的数据集一共有多少个样本”。

def __getitem__(self, i): # 由 DataLoader 自动传递参数 i
x = self.new_lyrics[i: i + self.sentence_word_number]
y = self.new_lyrics[i + 1: i + self.sentence_word_number + 1]
return x, y

5、构建网络模型 – 代码

# 自定义模型
class MyLyricsModel(nn.Module):
def __init__(self, unique_word_cnt):
super().__init__()
# unique_word_cnt: 词表总大小（即不同词的总数），决定了 Embedding 层的行数和输出层的类别数

self.hidden_dim = 256 # RNN 隐藏状态的维度

# 词嵌入层：将每个词 ID 映射为一个稠密向量
# – num_embeddings: 词表大小
# – embedding_dim: 每个词向量的维度（这里设为 128）
self.ebd = nn.Embedding(num_embeddings=unique_word_cnt, embedding_dim=128)

# RNN 层：处理词序列，捕捉上下文信息
# – input_size=128: 输入是词嵌入向量的维度
# – hidden_size=256: 隐藏状态的维度
# – num_layers=1: 使用单层 RNN
# – batch_first=True: 输入/输出张量形状为 (batch_size, seq_len, *)
# – bias=True: 使用偏置项（默认）
self.rnn = nn.RNN(
input_size=128,
hidden_size=self.hidden_dim,
num_layers=1,
batch_first=True,
bias=True
)

# 输出层：将 RNN 的隐藏状态映射到词表上的 logits（未归一化的预测分数）
# – in_features=256: 隐藏状态维度
# – out_features=unique_word_cnt: 词表大小，对应每个词的预测得分
self.out = nn.Linear(in_features=self.hidden_dim, out_features=unique_word_cnt)

def forward(self, batch_x, init_hidden=None):
"""
前向传播函数：输入一批句子的词 ID，输出每个位置下一个词的预测 logits。

参数:
batch_x (Tensor): 形状为 (batch_size, seq_len) 的整数张量，
每个元素是词在词表中的 ID（例如 [[1, 0, 34, 23], [3, 95, 30, 4]]）
init_hidden: RNN 的初始隐藏状态

返回:
output (Tensor): 形状为 (batch_size * seq_len, unique_word_cnt) 的 logits，
表示每个输入位置对应的“下一个词”的预测得分（未经过 softmax）
"""

# Step 1: 词嵌入 —— 将词 ID 转换为稠密向量
# 输入: (batch_size, seq_len)
# 输出: (batch_size, seq_len, embedding_dim=128)
embedded = self.ebd(batch_x)

# Step 2: RNN 编码 —— 提取序列的上下文表示
# 输入: (batch_size, seq_len, 128)
# 输出:
# output: (batch_size, seq_len, hidden_dim=256) —— 每个时间步的隐藏状态
# hidden: (num_layers=1, batch_size, hidden_dim=256) —— 最后一个时间步的隐藏状态（本模型未使用）
if init_hidden is not None:
output, hidden = self.rnn(embedded, init_hidden) # 预测时使用, 把历史隐藏状态传递过来
else:
output, hidden = self.rnn(embedded) # 训练时使用默认初始化隐藏状态（因为语言模型通常不跨 batch 传递状态）

# Step 3: 展平以便送入全连接层
# 将 (batch_size, seq_len, 256) → (batch_size * seq_len, 256)
# 目的：把所有位置的隐藏状态拼成一列，统一做分类
output = output.reshape(–1, self.hidden_dim)

# Step 4: 分类头 —— 预测每个位置的下一个词
# 输入: (batch_size * seq_len, 256)
# 输出: (batch_size * seq_len, unique_word_cnt) —— 每个位置对词表中所有词的 logits
logits = self.out(output)

# logits: 返回原始 logits，总共是 unique_word_cnt 个输出, 表示预测每个词的得分, 供后续 CrossEntropyLoss 计算损失。
return logits, hidden

def init_hidden(self, batch_size):
# RNN 的初始隐藏状态: (num_directions * num_layers, N, hidden_size)
return torch.zeros(1, batch_size, self.hidden_dim)

6、构建训练函数 – 代码

1、torchinfo.summary

当然可以！下面是对 torchinfo.summary 的系统性、全面且实用的介绍，涵盖其作用、核心功能、参数详解、使用示例、常见问题及最佳实践。无论你是初学者还是有经验的 PyTorch 用户，都能从中获益。

🧩 一、什么是 torchinfo.summary？

torchinfo.summary 是一个用于 可视化和分析 PyTorch 模型结构与计算量 的工具函数，属于 torchinfo 库（原名 pytorch-summary 的现代替代品）。

它的主要目标是：

清晰展示神经网络每一层的输入/输出形状、参数数量、内存占用、计算量等信息。

适用于：

• 调试模型结构
• 验证张量维度是否匹配
• 估算显存/内存消耗
• 教学或论文中展示模型架构

🔧 二、安装方式

pip install torchinfo

✅ 兼容 PyTorch ≥ 1.8（推荐 2.0+）

📦 三、基本用法

from torchinfo import summary
import torch
import torch.nn as nn

class SimpleNet(nn.Module):
def __init__(self):
super().__init__()
self.fc = nn.Linear(10, 5)

def forward(self, x):
return self.fc(x)

model = SimpleNet()
summary(model, input_size=(2, 10)) # batch_size=2, input_dim=10

输出示例：

==========================================================================================
Layer (type:depth-idx) Output Shape Param #
==========================================================================================
SimpleNet — —
├─Linear: 1-1 [2, 5] 55
==========================================================================================
Total params: 55
Trainable params: 55
…

⚙️ 四、核心参数详解

💡 注意：input_size 和 x 二选一即可。通常用 input_size 更简洁。

当然可以！我们来详细、系统、从零开始地解释 torchinfo.summary 中的 input_size 参数，确保你彻底理解它的含义、写法和背后的逻辑。

🎯 一、input_size 是什么？

input_size 是你告诉 torchinfo.summary：

“请模拟一个输入张量（或多个），它的形状是……，然后把这个张量传给我的模型，看看每一层的输出是什么样子。”

换句话说： input_size 就是你在实际训练或推理时，传给模型 forward() 函数的输入张量的形状（shape）。

🧱 二、PyTorch 中“张量形状”的基本概念

在 PyTorch 中，所有数据都是 张量（Tensor），每个张量都有一个 .shape 属性，例如：

x = torch.randn(2, 3, 4)
print(x.shape) # torch.Size([2, 3, 4])

这个 [2, 3, 4] 就是 张量的形状（shape），表示：

• 第0维（batch 维）：2 个样本
• 第1维：每个样本有 3 行
• 第2维：每行有 4 列

✅ 关键点：这个 shape 已经包含了 batch 维度！

🔁 三、模型的 forward 函数到底接收什么？

假设你有一个简单模型：

class Net(nn.Module):
def __init__(self):
super().__init__()
self.fc = nn.Linear(10, 1)

def forward(self, x):
return self.fc(x)

当你调用：

model = Net()
batch_x = torch.randn(32, 10) # 32 个样本，每个 10 维
output = model(batch_x)

→ 此时 x.shape == (32, 10)

所以，模型实际接收的输入 shape 是 (batch_size, …)，而不是 (10,)！

📏 四、input_size 的正确写法

✅ 规则：

input_size 必须是你传给 model(input) 的那个张量的完整 shape，包括 batch 维度。

💡 通常为了节省内存，summary 时用 batch_size=1，所以写 (1, …)。

🧩 五、单输入 vs 多输入

情况 1：只有一个输入（最常见）

def forward(self, x):
...

→ input_size 是一个 元组：

input_size = (1, 50) # 文本
input_size = (1, 3, 224, 224) # 图像
input_size = (1, 10) # 向量

情况 2：有多个输入（如文本 + 长度 + 掩码）

def forward(self, tokens, lengths, mask):
...

→ input_size 是一个 列表，包含多个元组：

input_size = [
(1, 50), # tokens: (batch, seq_len)
(1,), # lengths: (batch,)
(1, 50) # mask: (batch, seq_len)
]

并且要配合 dtypes 指定每个输入的类型：

dtypes = [torch.long, torch.long, torch.bool]

❌ 六、常见误解（重点！）

误解 1：input_size 是“单个样本”的 shape（不含 batch）

这是 torchsummary 的写法，但 torchinfo 不这样用！

⚠️ 如果你在 torchinfo 中写 input_size=(50,)，会报错：

ValueError: Input size must be a tuple/list with batch dimension.

误解 2：input_size 是模型内部某一层的输入

不是！它是 整个模型 forward 函数的第一个（或前几个）参数的 shape。

🔍 七、如何确定你的 input_size？

方法 1：看 DataLoader 输出

for batch in dataloader:
print(batch[0].shape) # 这就是 input_size！
break

比如输出 torch.Size([32, 50]) → input_size=(32, 50)，测试可用 (1, 50)。

方法 2：看 forward 函数签名

def forward(self, x): # x 是 (B, L)

→ 所以 input_size=(1, L)

方法 3：手动构造一个输入试试

dummy_input = torch.randint(0, 1000, (1, 50)) # 词 ID
output = model(dummy_input)
print("Works!") # 如果不报错，(1,50) 就是对的

🧪 八、实战例子（你的 RNN 模型）

你的模型：

def forward(self, batch_x, init_hidden=None):
embedded = self.ebd(batch_x) # batch_x 是词 ID 序列
...

• batch_x 的 shape：(batch_size, sequence_length)
• 你训练时用 sentence_word_number = 50 → seq_len = 50
• 测试/summary 时通常用 batch_size = 1

✅ 所以：

input_size = (1, 50) # 完整输入张量 shape
dtypes = [torch.long] # 因为是词 ID

✅ 九、总结：一句话记住 input_size

input_size 就是你平时调用 model(x) 时，x.shape 的值（通常把 batch_size 换成 1）。

如果你现在再回头看这行代码：

summary(model, input_size=(1, 50), dtypes=[torch.long])

你应该能清晰地说出：

“这是在模拟一个 batch_size=1、序列长度=50 的词 ID 张量（long 类型）输入到模型中，查看各层结构。”

🌟 五、支持的复杂场景（优势所在）

summary(
model,
input_size=[(1, 10), (1, 5)], # 两个输入张量的形状
dtypes=[torch.float, torch.long] # 对应的数据类型
)

summary(
model,
input_size=(1, 50), # (batch, seq_len)
dtypes=[torch.long], # 必须指定 long！
device="cpu"
)

自动处理隐藏状态、mask、位置编码等（只要 forward 能运行即可）。

只要能构造合法输入，torchinfo 就能追踪前向过程。

summary(model, input_size=(1, 3, 224, 224), device="cuda")

📊 六、输出内容解读

默认输出包含以下信息：

✅ 所有数值均为实际运行时的动态结果，不是静态解析！

⚠️ 七、常见错误与解决方法

🎯 八、最佳实践建议

📚 九、官方资源

• GitHub: https://github.com/TylerYep/torchinfo
• 文档: https://github.com/TylerYep/torchinfo#usage
• 示例库: 包含 CNN、RNN、Transformer、多输入、多输出等完整案例

✅ 总结

torchinfo.summary 是目前 PyTorch 生态中最强大、最可靠的模型结构可视化工具，它：

• ✅ 支持任意 nn.Module
• ✅ 正确处理 Embedding、RNN、自定义层
• ✅ 提供参数量、计算量、内存估算
• ✅ 输出清晰、可定制、跨平台
• ✅ 活跃维护，兼容最新 PyTorch

一句话记住： “想看模型长什么样？from torchinfo import summary！”

2、代码：

def model_train(unique_word, word_ind_dic, cnt, new_lyrics, sentence_word_number):
# device = torch.device('cpu') # 用于对比 CPU 和 GPU 计算时间
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')

# 创建数据集
lyrics_dataset = LyricsDataset(new_lyrics=new_lyrics, sentence_word_number=sentence_word_number)
print(f'总样本数 = {len(lyrics_dataset)}') # 43266

# 创建数据加载器
data_loader = DataLoader(dataset=lyrics_dataset, batch_size=256, shuffle=True)

# 创建模型
my_model = MyLyricsModel(unique_word_cnt=cnt).to(device=device)
my_model.train() # 训练模式

# 创建优化器
optimizer = optim.Adam(params=my_model.parameters(), lr=0.001, betas=(0.9, 0.999))

criterion = nn.CrossEntropyLoss()

epochs = 10
loss_list = []
for epoch in range(epochs):
loss_sum = 0
start_time = time.perf_counter()
for x_train, y_train in data_loader:
# ★★★ 关键：把数据也移到 device 上 ★★★
# 模型越大、batch size 越大、计算越密集 → GPU 优势越明显。
x_train = x_train.to(device=device)
y_train = y_train.to(device=device)

optimizer.zero_grad() # 1. 梯度清零

# print(f'x_train: \\n{x_train}')
# tensor([[ 3, 4306, 4307, …, 4311, 81, 212],
# …,
# [ 13, 40, 13, …, 3759, 289, 40]], device='cuda:0')

# print(f'y_train: \\n{y_train}')
# tensor([[4306, 4307, 103, …, 81, 212, 3],
# …,
# [ 40, 13, 13, …, 289, 40, 3759]], device='cuda:0')

# logits: (2500个词, 预测下个词-每个词的得分)
logits, hidden = my_model(x_train) # 2. 前向传播
# print(f'logits.shape = {logits.shape}') # torch.Size([12800, 5703])

# print(f'y_train.shape = {y_train.shape}') # torch.Size([256, 50])
# y_train 是 x_train 往后移动一位, 即下一个词, 现在已经拿到了 x_train 下个词的得分, 还需要 真实值
# 需要改变 y_train 的形状
y_train = y_train.reshape(–1)

loss = criterion(logits, y_train) # 3. 前向传播 + 计算损失
loss_sum += loss.item()

loss.backward() # 4. 反向传播

optimizer.step() # 5. 梯度更新

end_time = time.perf_counter()
print(f'第 {epoch + 1} 个 epoch 训练时间: {end_time – start_time}秒') # CPU: 118.92秒 GPU: 8.14秒
loss_list.append(loss_sum)

plt.style.use('fivethirtyeight')
plt.figure(figsize=(13, 10))
plt.plot(range(1, epochs +1), loss_list)
plt.xlabel('epoch')
plt.ylabel('loss值')
plt.title('epoch – loss 值')
plt.show()

# 保存模型参数, 用的时候直接加载放到模型上就行了
# model_params = my_model.state_dict() # GPU模式下, 这样保存的模型只能在有 GPU 的环境加载，否则会报错！
model_params = my_model.cpu().state_dict() # 当前模式是 GPU, 先转到 CPU 上再保存参数（更安全）
torch.save(obj=model_params, f=r'model/lyrics_model.pth')

def show_my_model(unique_word_cnt):
# batch_x (Tensor): 形状为 (batch_size, seq_len) 的整数张量，
my_model = MyLyricsModel(unique_word_cnt)

# input_size: 输入张量的完整形状（含 batch 维），如 (1, 3, 224, 224)
# 测试/summary 时通常用 `batch_size = 1`
# `input_size` 就是你平时调用 `model(x)` 时，`x.shape` 的值（通常把 batch_size 换成 1）
summary(my_model, input_size=(1, 50), dtypes=[torch.long])
# ==========================================================================================
# Layer (type:depth-idx) Output Shape Param #
# ==========================================================================================
# MyLyricsModel [50, 5703] —
# ├─Embedding: 1-1 [1, 50, 128] 729,984
# ├─RNN: 1-2 [1, 50, 256] 98,816
# ├─Linear: 1-3 [50, 5703] 1,465,671
# ==========================================================================================
# Total params: 2,294,471
# Trainable params: 2,294,471
# Non-trainable params: 0
# Total mult-adds (Units.MEGABYTES): 78.95
# ==========================================================================================
# Input size (MB): 0.00
# Forward/backward pass size (MB): 2.43
# Params size (MB): 9.18
# Estimated Total Size (MB): 11.61
# ==========================================================================================

7、构建预测函数

1、自回归语言模型 – 预测时输入序列如何构建

当然可以！下面是对 “语言模型预测时输入序列如何构建” 这一核心知识点的系统性总结，涵盖原理、机制、实现方式与常见误区，适用于 RNN、LSTM、GRU 等自回归模型（也部分适用于 Transformer）。

🧠 语言模型预测中的输入序列构建：系统性总结

一、核心原则：自回归生成（Autoregressive Generation）

定义：每次预测一个词，将新预测的词追加到已有序列末尾，作为下一次预测的输入。 目标：利用完整历史上下文来预测下一个最可能的词。

✅ 正确做法：

输入: [w₁] → 预测 w₂
输入: [w₁, w₂] → 预测 w₃
输入: [w₁, w₂, w₃] → 预测 w₄
…

❌ 错误做法（丢失上下文）：

输入: [w₁] → 预测 w₂
输入: [w₂] → 预测 w₃ ← 模型不知道前面是 w₁！

🔑 关键：语言模型的本质是建模条件概率

P

(

w

t

+

1

∣

w

1

,

w

2

,

.

.

.

,

w

t

)

P(w_{t+1} \\mid w_1, w_2, …, w_t)

P(wt+1​∣w1​,w2​,…,wt​) 因此必须提供完整的

w

1

w_1

w1​ 到

w

t

w_t

wt​ 才能正确计算。

二、不同模型如何利用历史信息？

💡 虽然 RNN 的 hidden 理论上编码了全部历史，但在实现中，若只输入最后一个词，hidden 会从零初始化，导致上下文丢失！

三、两种实现策略（以 RNN 为例）

策略 1️⃣：每次重新输入完整序列（简单但低效）

• 每次预测都把 ["我", "喜欢"] 整个送入模型
• RNN 从头计算隐藏状态
• 优点：实现简单，不易出错
• 缺点：重复计算前面 token，速度慢（尤其长文本）

✅ 适合：短文本生成（如歌词、诗句）、教学演示

策略 2️⃣：复用隐藏状态（高效推荐）

• 第一次输入 ["我"] → 得到 hidden₁
• 第二次只输入 ["喜欢"]，但初始 hidden = hidden₁
• 模型只需计算一步，避免重复

# 伪代码示意
hidden = None
for token in input_sequence:
logits, hidden = model(token.unsqueeze(0), hidden)

✅ 适合：长文本生成、生产环境、实时应用

📌 你的当前模型支持策略 1；若想优化，可修改 forward 接收 hidden 并返回它用于下一轮。

四、工程实现要点（PyTorch）

五、常见误区澄清

六、最佳实践建议

七、一句话总结

语言模型预测时，必须将“到目前为止生成的所有词”作为输入序列，才能让模型基于完整上下文预测下一个词——这是自回归生成的基本法则。

2、代码：

def model_test(unique_word, word_ind_dic, cnt, new_lyrics, input_sentence, predict_cnt):
# input_sentence: 输入的一句话
# 把句子用ID表示
cut_str = jieba.lcut(input_sentence)
print(cut_str) # ['爱', '在', '月光', '下', '完美']

# 如果 input_sentence 包含训练时没见过的词（比如错别字、新符号、特殊 emoji），会直接抛出 KeyError
# 暂时不管这个判断，目的是学习RNN
id_str = [word_ind_dic[word] for word in cut_str]
print(id_str) # [612, 10, 2511, 528, 65]

device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')

x = torch.tensor(data=id_str, device=device, dtype=torch.long) # 转成张量。(这里不需要真实值, 所以不用 long)

# 模型接受的形状是 (batch_size, 每个句子包含的词数量)
# 模型自己会把 "用ID表示的句子" 转成 (batch_size, 每个句子包含的词数量, 词向量维度)
x = x.unsqueeze(dim=0) # 在维度0升维
print(f'x.shape = {x.shape}') # torch.Size([1, 5])

# 获取模型
my_model = MyLyricsModel(unique_word_cnt=cnt)

all_params = torch.load(f=r'model/lyrics_model.pth', map_location=device)
my_model.load_state_dict(all_params)
my_model.to(device=device) # 转到 GPU 上运行
my_model.eval() # 开启测试模式

# 历史隐藏状态, 即每次运行传给 RNN 的初始隐藏状态: (num_directions * num_layers, N, hidden_size)
last_hidden = my_model.init_hidden(batch_size=1).to(device=device) # 只有一句话, 所以隐藏状态的 N=1

print('开始创作(预测): \\n', end='')
with torch.no_grad(): # 关闭梯度
for i in range(predict_cnt):
# logits: 每个词的下一个词的预测得分 (不是 RNN 输出的 output)
logits, hidden = my_model(x, last_hidden)
# print(f'logits.shape = {logits.shape}') # torch.Size([5, 5703])

# print(f'hidden.shape = {hidden.shape}')
# torch.Size([1, 1, 256]) = (num_directions * num_layers, N, hidden_size)

# 只需要最后一个词的下一个词得分就行了
logits = logits[–1]

# 下一个词对应的 '预测概率'
y_predict_probability = torch.softmax(logits, dim=0) # 到了这里就没有 batch 了, 所以 dim=0, 可不是 dim=1
# print(f'y_predict_probability.shape: {y_predict_probability.shape}') # torch.Size([5703])

'''
word_ind_dic[word] = cnt # 往字典里添加词
unique_word.append(word) # 总共有哪些词
所以 word_ind_dic 和 unique_word 是对应的
而训练时的 new_lyrics 是根据 word_ind_dic 替换的
所以: 最大下标 在 unique_word 就是对应的预测值
'''
# 获取概率最大的下标（ argmax 返回的是张量标量 ）
y_predict = y_predict_probability.argmax(dim=0) # 到了这里就没有 batch 了, 所以 dim=0, 可不是 dim=1
# print(f'y_predict.shape = {y_predict.shape}') # torch.Size([]) 是个标量张量

y_predict = y_predict.item()
# print(f'概率最大的下标: {y_predict}') # 3

# 用下标查对应的词, 而不是在 word_ind_dic 里面查
# print(f'下一个词是: {unique_word[y_predict]}') # 这个词如果是'空格’, 也可能是 '\\n', 那么打印时就看不到

time.sleep(0.3) # 输出前休眠 0.3秒
print(unique_word[y_predict], end='', flush=True) # 确保立即输出

# 更新历史隐藏状态
last_hidden = hidden

# 更新 x: 把当前预测值当作下一个输入, 形状得是 (batch_size, 每个句子包含的词数量) = (1, 1)
x = torch.tensor(data=[[y_predict]], device=device, dtype=torch.long)
# print(f'x.shape = {x.shape}') # torch.Size([1, 1])

# 预测结果:（第0个预测是\\n, 所以是个换行）
#
# 你发如雪 纷飞了眼泪
# 我等待苍老了谁
# 红尘醉 微醺的岁月
# 我用无悔 刻永世爱你的碑

8、整体代码：

import time
import torch
import torch.nn as nn
from torch.utils.data import Dataset, DataLoader
import torch.optim as optim
import jieba
import os
from torchinfo import summary
import logging
import matplotlib.pyplot as plt

os.chdir(r'F:\\Pycharm\\works-space\\循环神经网络')
os.environ["KMP_DUPLICATE_LIB_OK"] = "TRUE" # ←←← 关键！放在最前面（解决报错）
from pylab import mpl
mpl.rcParams["font.sans-serif"] = ["SimHei"] # 设置显示中文字体
mpl.rcParams["axes.unicode_minus"] = False # 设置正常显示符号

# 获取数据 -> 分词 -> 构建词表
def create_vocabulary():
jieba.setLogLevel(logging.WARN) # 关闭 jieba 提示

word_ind_dic = {} # 词: word_id
cnt = 0 # word_id 自增, 也表示词的总数量

unique_word = [] # 共有哪些词

new_lyrics = [] # 把原来每行里的歌词换成ID, 变成 [[0, 4, 2], [1, 9, 2, 32], …] 这种

with open(file=r'data/jaychou_lyrics.txt', mode='r', encoding='utf-8') as f:
# 读取所有行
all_line = f.readlines() # ['想要有直升机\\n', '想要和你飞到宇宙去\\n', …]

for line in all_line: # 遍历每行
# line.strip() 不会原地修改字符串
if not line.strip(): # 去掉首尾空白（包括 \\n, 空格, \\t 等），如果去掉空白后是空字符串，说明是空行
continue # 跳过空行

# 注意, 每行的前后空白符, 【空格】、【\\n】都算词，不用去掉
cut_line = jieba.lcut(line) # 给每行分词（其中空格和\\n也算是词）
# print(cut_line) # ['想要', '有', '直升机', '\\n']

temp_line = []
for word in cut_line: # 遍历每句话里的 每个词
if word not in word_ind_dic: # 没有在字典里的才统计
word_ind_dic[word] = cnt # 往字典里添加词
unique_word.append(word) # 总共有哪些词
cnt += 1 # 索引调整. 词的ID从 1 开始
word_id = word_ind_dic[word] # 获取词对应的ID
temp_line.append(word_id)

new_lyrics.extend(temp_line) # 每行歌词里的每个词使用ID表示

# 把新歌词内容转成张量(别直接用 list, 不仅速度慢, 而且容易出现一些 "奇怪" 的操作)
new_lyrics = torch.tensor(data=new_lyrics, dtype=torch.long) # 后续交叉熵损失时, 真实值需要 long, 这里就直接转成 long 了

print(f'总共有哪些词: {unique_word}') # ['想要', '有', '直升机', '\\n', '和', '你', …]
print(f'词对应的ID: {word_ind_dic}') # {'想要': 0, '有': 1, '直升机': 2, '\\n': 3, '和': 4, '你': 5, …}
print(f'总词数 = {cnt} = {len(unique_word)}') # 5703
print(f'新歌词总长度 = {len(new_lyrics)}') # 43316
print(f'把每个词换成ID, 最终把所有行歌词合并成一行:\\n {new_lyrics}')
# tensor([0, 1, 2, …, 563, 3299, 3])
print(len(unique_word) == cnt) # True

return unique_word, word_ind_dic, len(unique_word), new_lyrics # 共有哪些词, 词对应的ID, 词的总数量, 新歌词(用ID表示)

# 自定义数据集
class LyricsDataset(Dataset):
def __init__(self, new_lyrics, sentence_word_number):
# new_lyrics: 用词ID表示新歌词文本
# sentence_word_number: 每个句子包含词的数量
self.new_lyrics = new_lyrics
self.sentence_word_number = sentence_word_number

self.total_word = len(new_lyrics) # 文本总共有多长

# 像 "滑动窗口" 取值 x、y。 为了保证 y 能取到完整的 sentence, y的起点最原始从 total_word – sentence_word_number 开始
# 所以 x 最远的起点是 total_word – sentence_word_number – 1
# 总句子个数 = total_word – sentence_word_number – 1 + 1 = total_word – sentence_word_number
self.sentence_count = self.total_word – sentence_word_number

def __len__(self):
return self.sentence_count # 告诉 PyTorch “你的数据集一共有多少个样本”。

def __getitem__(self, i): # 由 DataLoader 自动传递参数 i
x = self.new_lyrics[i: i + self.sentence_word_number]
y = self.new_lyrics[i + 1: i + self.sentence_word_number + 1]
return x, y

# 自定义模型
class MyLyricsModel(nn.Module):
def __init__(self, unique_word_cnt):
super().__init__()
# unique_word_cnt: 词表总大小（即不同词的总数），决定了 Embedding 层的行数和输出层的类别数

self.hidden_dim = 256 # RNN 隐藏状态的维度

# 词嵌入层：将每个词 ID 映射为一个稠密向量
# – num_embeddings: 词表大小
# – embedding_dim: 每个词向量的维度（这里设为 128）
self.ebd = nn.Embedding(num_embeddings=unique_word_cnt, embedding_dim=128)

# RNN 层：处理词序列，捕捉上下文信息
# – input_size=128: 输入是词嵌入向量的维度
# – hidden_size=256: 隐藏状态的维度
# – num_layers=1: 使用单层 RNN
# – batch_first=True: 输入/输出张量形状为 (batch_size, seq_len, *)
# – bias=True: 使用偏置项（默认）
self.rnn = nn.RNN(
input_size=128,
hidden_size=self.hidden_dim,
num_layers=1,
batch_first=True,
bias=True
)

# 输出层：将 RNN 的隐藏状态映射到词表上的 logits（未归一化的预测分数）
# – in_features=256: 隐藏状态维度
# – out_features=unique_word_cnt: 词表大小，对应每个词的预测得分
self.out = nn.Linear(in_features=self.hidden_dim, out_features=unique_word_cnt)

def forward(self, batch_x, init_hidden=None):
"""
前向传播函数：输入一批句子的词 ID，输出每个位置下一个词的预测 logits。

参数:
batch_x (Tensor): 形状为 (batch_size, seq_len) 的整数张量，
每个元素是词在词表中的 ID（例如 [[1, 0, 34, 23], [3, 95, 30, 4]]）
init_hidden: RNN 的初始隐藏状态

返回:
output (Tensor): 形状为 (batch_size * seq_len, unique_word_cnt) 的 logits，
表示每个输入位置对应的“下一个词”的预测得分（未经过 softmax）
"""

# Step 1: 词嵌入 —— 将词 ID 转换为稠密向量
# 输入: (batch_size, seq_len)
# 输出: (batch_size, seq_len, embedding_dim=128)
embedded = self.ebd(batch_x)

# Step 2: RNN 编码 —— 提取序列的上下文表示
# 输入: (batch_size, seq_len, 128)
# 输出:
# output: (batch_size, seq_len, hidden_dim=256) —— 每个时间步的隐藏状态
# hidden: (num_layers=1, batch_size, hidden_dim=256) —— 最后一个时间步的隐藏状态（本模型未使用）
if init_hidden is not None:
output, hidden = self.rnn(embedded, init_hidden) # 预测时使用, 把历史隐藏状态传递过来
else:
output, hidden = self.rnn(embedded) # 训练时使用默认初始化隐藏状态（因为语言模型通常不跨 batch 传递状态）

# Step 3: 展平以便送入全连接层
# 将 (batch_size, seq_len, 256) → (batch_size * seq_len, 256)
# 目的：把所有位置的隐藏状态拼成一列，统一做分类
output = output.reshape(–1, self.hidden_dim)

# Step 4: 分类头 —— 预测每个位置的下一个词
# 输入: (batch_size * seq_len, 256)
# 输出: (batch_size * seq_len, unique_word_cnt) —— 每个位置对词表中所有词的 logits
logits = self.out(output)

# logits: 返回原始 logits，总共是 unique_word_cnt 个输出, 表示预测每个词的得分, 供后续 CrossEntropyLoss 计算损失。
return logits, hidden

def init_hidden(self, batch_size):
# RNN 的初始隐藏状态: (num_directions * num_layers, N, hidden_size)
return torch.zeros(1, batch_size, self.hidden_dim)

def model_train(unique_word, word_ind_dic, cnt, new_lyrics, sentence_word_number):
# device = torch.device('cpu') # 用于对比 CPU 和 GPU 计算时间
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')

# 创建数据集
lyrics_dataset = LyricsDataset(new_lyrics=new_lyrics, sentence_word_number=sentence_word_number)
print(f'总样本数 = {len(lyrics_dataset)}') # 43266

# 创建数据加载器
data_loader = DataLoader(dataset=lyrics_dataset, batch_size=256, shuffle=True)

# 创建模型
my_model = MyLyricsModel(unique_word_cnt=cnt).to(device=device)
my_model.train() # 训练模式

# 创建优化器
optimizer = optim.Adam(params=my_model.parameters(), lr=0.001, betas=(0.9, 0.999))

criterion = nn.CrossEntropyLoss()

epochs = 10
loss_list = []
for epoch in range(epochs):
loss_sum = 0
start_time = time.perf_counter()
for x_train, y_train in data_loader:
# ★★★ 关键：把数据也移到 device 上 ★★★
# 模型越大、batch size 越大、计算越密集 → GPU 优势越明显。
x_train = x_train.to(device=device)
y_train = y_train.to(device=device)

optimizer.zero_grad() # 1. 梯度清零

# print(f'x_train: \\n{x_train}')
# tensor([[ 3, 4306, 4307, …, 4311, 81, 212],
# …,
# [ 13, 40, 13, …, 3759, 289, 40]], device='cuda:0')

# print(f'y_train: \\n{y_train}')
# tensor([[4306, 4307, 103, …, 81, 212, 3],
# …,
# [ 40, 13, 13, …, 289, 40, 3759]], device='cuda:0')

# logits: (2500个词, 预测下个词-每个词的得分)
logits, hidden = my_model(x_train) # 2. 前向传播
# print(f'logits.shape = {logits.shape}') # torch.Size([12800, 5703])

# print(f'y_train.shape = {y_train.shape}') # torch.Size([256, 50])
# y_train 是 x_train 往后移动一位, 即下一个词, 现在已经拿到了 x_train 下个词的得分, 还需要 真实值
# 需要改变 y_train 的形状
y_train = y_train.reshape(–1)

loss = criterion(logits, y_train) # 3. 前向传播 + 计算损失
loss_sum += loss.item()

loss.backward() # 4. 反向传播

optimizer.step() # 5. 梯度更新

end_time = time.perf_counter()
print(f'第 {epoch + 1} 个 epoch 训练时间: {end_time – start_time}秒') # CPU: 118.92秒 GPU: 8.14秒
loss_list.append(loss_sum)

plt.style.use('fivethirtyeight')
plt.figure(figsize=(13, 10))
plt.plot(range(1, epochs +1), loss_list)
plt.xlabel('epoch')
plt.ylabel('loss值')
plt.title('epoch – loss 值')
plt.show()

# 保存模型参数, 用的时候直接加载放到模型上就行了
# model_params = my_model.state_dict() # GPU模式下, 这样保存的模型只能在有 GPU 的环境加载，否则会报错！
model_params = my_model.cpu().state_dict() # 当前模式是 GPU, 先转到 CPU 上再保存参数（更安全）
torch.save(obj=model_params, f=r'model/lyrics_model.pth')

def show_my_model(unique_word_cnt):
# batch_x (Tensor): 形状为 (batch_size, seq_len) 的整数张量，
my_model = MyLyricsModel(unique_word_cnt)

# input_size: 输入张量的完整形状（含 batch 维），如 (1, 3, 224, 224)
# 测试/summary 时通常用 `batch_size = 1`
# `input_size` 就是你平时调用 `model(x)` 时，`x.shape` 的值（通常把 batch_size 换成 1）
summary(my_model, input_size=(1, 50), dtypes=[torch.long])
# ==========================================================================================
# Layer (type:depth-idx) Output Shape Param #
# ==========================================================================================
# MyLyricsModel [50, 5703] —
# ├─Embedding: 1-1 [1, 50, 128] 729,984
# ├─RNN: 1-2 [1, 50, 256] 98,816
# ├─Linear: 1-3 [50, 5703] 1,465,671
# ==========================================================================================
# Total params: 2,294,471
# Trainable params: 2,294,471
# Non-trainable params: 0
# Total mult-adds (Units.MEGABYTES): 78.95
# ==========================================================================================
# Input size (MB): 0.00
# Forward/backward pass size (MB): 2.43
# Params size (MB): 9.18
# Estimated Total Size (MB): 11.61
# ==========================================================================================

def model_test(unique_word, word_ind_dic, cnt, new_lyrics, input_sentence, predict_cnt):
# input_sentence: 输入的一句话
# 把句子用ID表示
cut_str = jieba.lcut(input_sentence)
print(cut_str) # ['爱', '在', '月光', '下', '完美']

# 如果 input_sentence 包含训练时没见过的词（比如错别字、新符号、特殊 emoji），会直接抛出 KeyError
# 暂时不管这个判断，目的是学习RNN
id_str = [word_ind_dic[word] for word in cut_str]
print(id_str) # [612, 10, 2511, 528, 65]

device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')

x = torch.tensor(data=id_str, device=device, dtype=torch.long) # 转成张量。(这里不需要真实值, 所以不用 long)

# 模型接受的形状是 (batch_size, 每个句子包含的词数量)
# 模型自己会把 "用ID表示的句子" 转成 (batch_size, 每个句子包含的词数量, 词向量维度)
x = x.unsqueeze(dim=0) # 在维度0升维
print(f'x.shape = {x.shape}') # torch.Size([1, 5])

# 获取模型
my_model = MyLyricsModel(unique_word_cnt=cnt)

all_params = torch.load(f=r'model/lyrics_model.pth', map_location=device)
my_model.load_state_dict(all_params)
my_model.to(device=device) # 转到 GPU 上运行
my_model.eval() # 开启测试模式

# 历史隐藏状态, 即每次运行传给 RNN 的初始隐藏状态: (num_directions * num_layers, N, hidden_size)
last_hidden = my_model.init_hidden(batch_size=1).to(device=device) # 只有一句话, 所以隐藏状态的 N=1

print('开始创作(预测): \\n', end='')
with torch.no_grad(): # 关闭梯度
for i in range(predict_cnt):
# logits: 每个词的下一个词的预测得分 (不是 RNN 输出的 output)
logits, hidden = my_model(x, last_hidden)
# print(f'logits.shape = {logits.shape}') # torch.Size([5, 5703])

# print(f'hidden.shape = {hidden.shape}')
# torch.Size([1, 1, 256]) = (num_directions * num_layers, N, hidden_size)

# 只需要最后一个词的下一个词得分就行了
logits = logits[–1]

# 下一个词对应的 '预测概率'
y_predict_probability = torch.softmax(logits, dim=0) # 到了这里就没有 batch 了, 所以 dim=0, 可不是 dim=1
# print(f'y_predict_probability.shape: {y_predict_probability.shape}') # torch.Size([5703])

'''
word_ind_dic[word] = cnt # 往字典里添加词
unique_word.append(word) # 总共有哪些词
所以 word_ind_dic 和 unique_word 是对应的
而训练时的 new_lyrics 是根据 word_ind_dic 替换的
所以: 最大下标 在 unique_word 就是对应的预测值
'''
# 获取概率最大的下标（ argmax 返回的是张量标量 ）
y_predict = y_predict_probability.argmax(dim=0) # 到了这里就没有 batch 了, 所以 dim=0, 可不是 dim=1
# print(f'y_predict.shape = {y_predict.shape}') # torch.Size([]) 是个标量张量

y_predict = y_predict.item()
# print(f'概率最大的下标: {y_predict}') # 3

# 用下标查对应的词, 而不是在 word_ind_dic 里面查
# print(f'下一个词是: {unique_word[y_predict]}') # 这个词如果是'空格’, 也可能是 '\\n', 那么打印时就看不到

time.sleep(0.3) # 输出前休眠 0.3秒
print(unique_word[y_predict], end='', flush=True) # 确保立即输出

# 更新历史隐藏状态
last_hidden = hidden

# 更新 x: 把当前预测值当作下一个输入, 形状得是 (batch_size, 每个句子包含的词数量) = (1, 1)
x = torch.tensor(data=[[y_predict]], device=device, dtype=torch.long)
# print(f'x.shape = {x.shape}') # torch.Size([1, 1])

# 预测结果:（第0个预测是\\n, 所以是个换行）
#
# 你发如雪 纷飞了眼泪
# 我等待苍老了谁
# 红尘醉 微醺的岁月
# 我用无悔 刻永世爱你的碑

if __name__ == '__main__':
unique_word, word_ind_dic, cnt, new_lyrics = create_vocabulary()

# 模型训练
model_train(unique_word, word_ind_dic, cnt, new_lyrics, 50) # 每句话 50 个词进行训练

show_my_model(cnt)

# 模型预测
text = '爱在月光下完美'
predict_cnt = 30
print(f'开头: {text}')
model_test(unique_word, word_ind_dic, cnt, new_lyrics, text, predict_cnt)

9、训练数据

想要有直升机
想要和你飞到宇宙去
想要和你融化在一起
融化在宇宙里
我每天每天每天在想想想想著你
这样的甜蜜
让我开始相信命运
感谢地心引力
让我碰到你
漂亮的让我面红的可爱女人
温柔的让我心疼的可爱女人
透明的让我感动的可爱女人
坏坏的让我疯狂的可爱女人
坏坏的让我疯狂的可爱女人
漂亮的让我面红的可爱女人
温柔的让我心疼的可爱女人
透明的让我感动的可爱女人
坏坏的让我疯狂的可爱女人
坏坏的让我疯狂的可爱女人
想要有直升机
想要和你飞到宇宙去
想要和你融化在一起
融化在宇宙里
我每天每天每天在想想想想著你
这样的甜蜜
让我开始乡相信命运
感谢地心引力
让我碰到你
漂亮的让我面红的可爱女人
温柔的让我心疼的可爱女人
透明的让我感动的可爱女人
坏坏的让我疯狂的可爱女人
坏坏的让我疯狂的可爱女人
漂亮的让我面红的可爱女人
温柔的让我心疼的可爱女人
透明的让我感动的可爱女人
坏坏的让我疯狂的可爱女人
坏坏的让我疯狂的可爱女人
漂亮的让我面红的可爱女人
温柔的让我心疼的可爱女人
透明的让我感动的可爱女人
坏坏的让我疯狂的可爱女人
坏坏的让我疯狂的可爱女人
漂亮的让我面红的可爱女人
温柔的让我心疼的可爱女人
透明的让我感动的可爱女人
坏坏的让我疯狂的可爱女人
坏坏的让我疯狂的可爱女人
如果说怀疑 可以造句如果说分离 能够翻译
如果这一切 真的可以
我想要将我的寂寞封闭
然后在这里 不限日期
然后将过去 慢慢温习
让我爱上你 那场悲剧
是你完美演出的一场戏
宁愿心碎哭泣 再狠狠忘记 你爱过我的证据
让晶莹的泪滴 闪烁成回忆 伤人的美丽
你的完美主义 太彻底
让我连恨都难以下笔
将真心抽离写成日记 像是一场默剧
你的完美主义 太彻底
分手的话像语言暴力
我已无能为力再提起 决定中断熟悉
然后在这里 不限日期
然后将过去 慢慢温习
让我爱上你 那场悲剧
是你完美演出的一场戏
宁愿心碎哭泣 再狠狠忘记 你爱过我的证据
让晶莹的泪滴 闪烁成回忆 伤人的美丽
你的完美主义 太彻底
让我连恨都难以下笔
将真心抽离写成日记 像是一场默剧
你的完美主义 太彻底
分手的话像语言暴力
我已无能为力再提起 决定中断熟悉
周杰伦 周杰伦
一步两步三步四步望著天 看星星
一颗两颗三颗四颗 连成线一步两步三步四步望著天 看星星
一颗两颗三颗四颗 连成线乘著风 游荡在蓝天边
一片云掉落在我面前
捏成你的形状
随风跟著我
一口一口吃掉忧愁
载著你 彷彿载著阳光
不管到哪里都是晴天
蝴蝶自在飞
花也布满天
一朵一朵因你而香
试图让夕阳飞翔
带领你我环绕大自然
迎著风 开始共渡每一天
手牵手
一步两步三步四步望著天 看星星
一颗两颗三颗四颗 连成线背著背默默许下心愿
看远方的星是否听的见
手牵手
一步两步三步四步望著天 看星星
一颗两颗三颗四颗 连成线背著背默默许下心愿
看远方的星如果听的见
它一定实现它一定实现
载著你 彷彿载著阳光
不管到哪里都是晴天
蝴蝶自在飞
花也布满天
一朵一朵因你而香
试图让夕阳飞翔
带领你我环绕大自然
迎著风 开始共渡每一天
手牵手
一步两步三步四步望著天 看星星
一颗两颗三颗四颗 连成线背著背默默许下心愿
看远方的星是否听的见
手牵手
一步两步三步四步望著天 看星星
一颗两颗三颗四颗 连成线背著背默默许下心愿
看远方的星如果听的见
它一定实现
它一定实现
娘子 娘子却依旧每日 折一枝杨柳
你在那里 在小村外的溪边河口默默等著我
娘子依旧每日折一枝杨柳
你在那里 在小村外的溪边 默默等待 娘子
一壶好酒 再来一碗热粥 配上几斤的牛肉
我说店小二 三两银够不够
景色入秋 漫天黄沙凉过
塞北的客栈人多 牧草有没有 我马儿有些瘦
世事看透 江湖上潮起潮落 什么恩怨过错
在多年以后 还是让人难过 心伤透
娘子她人在江南等我 泪不休 语沉默
娘子却依旧每日折一枝杨柳
在小村外的溪边河口
默默的在等著我
家乡的爹娘早已苍老了轮廓
娘子我欠你太多
一壶好酒 再来一碗热粥 配上几斤的牛肉
我说店小二 三两银够不够
景色入秋 漫天黄沙凉过
塞北的客栈人多 牧草有没有 我马儿有些瘦
天涯尽头 满脸风霜落寞 近乡情怯的我
相思寄红豆 相思寄红豆无能为力的在人海中漂泊心伤透
娘子她人在江南等我 泪不休 语沉默娘子她人在江南等我 泪不休 语沉默
一壶好酒 再来一碗热粥 配上几斤的牛肉
我说店小二 三两银够不够
景色入秋 漫天黄沙凉过
塞北的客栈人多 牧草有没有 我马儿有些瘦
世事看透 江湖上潮起潮落 什么恩怨过错
在多年以后 还是让人难过 心伤透
娘子她人在江南等我 泪不休 语沉默
娘子却依旧每日折一枝杨柳
在小村外的溪边河口
默默的在等著我
家乡的爹娘早已苍老了轮廓
娘子我欠你太多
一壶好酒 再来一碗热粥 配上几斤的牛肉
我说店小二 三两银够不够
景色入秋 漫天黄沙凉过
塞北的客栈人多 牧草有没有 我马儿有些瘦
天涯尽头 满脸风霜落寞 近乡情怯的我
相思寄红豆 相思寄红豆无能为力的在人海中漂泊心伤透
娘子她人在江南等我 泪不休 语沉默
娘子她人在江南等我 泪不休 语沉默娘子 娘子却依旧每日 折一枝杨柳
你在那里 在小村外的溪边河口默默等著我
娘子依旧每日折一枝杨柳
你在那里 在小村外的溪边 默默等待 娘子
娘子 娘子却依旧每日 折一枝杨柳
你在那里 在小村外的溪边河口默默等著我
娘子依旧每日折一枝杨柳
你在那里 在小村外的溪边 默默等待 娘子
有什么不妥 有话就直说
别窝在角落 不爽就反驳
到底拽什么 懂不懂篮球
有种不要走 三对三斗牛
有什么不妥 有话就直说
别窝在角落 不爽就反驳
到底拽什么 懂不懂篮球
有种不要走 三对三斗牛
三分球 它在空中停留
所有人看着我 抛物线进球
单手过人运球 篮下妙传出手
漂亮的假动作 帅呆了我
全场盯人防守 篮下禁区游走
快攻抢篮板球 得分都靠我
你拿着球不投 又不会掩护我
选你这种队友 瞎透了我
说你说 分数怎么停留
一直在停留 谁让它停留的
为什么我女朋友场外加油
你却还让我出糗
你说啊 你怎么抄我球
你说啊 你怎么打我手
你说啊 是不是你不想活
说你怎么面对我 甩开球我满腔的怒火
我想揍你已经很久 别想躲
说你眼睛看着我 别发抖
快给我抬起头 有话去对医药箱说
别怪我
别怪我
说你怎么面对我 甩开球我满腔的怒火
我想揍你已经很久 别想躲
说你眼睛看着我 别发抖
快给我抬起头 有话去对医药箱说
别怪我
别怪我
三分球 它在空中停留
所有人看着我 抛物线进球
单手过人运球 篮下妙传出手
漂亮的假动作 帅呆了我
全场盯人防守 篮下禁区游走
快攻抢篮板球 得分都靠我
你拿着球不投 又不会掩护我
选你这种队友 瞎透了我
说你说 分数怎么停留
一直在停留 谁让它停留的
为什么我女朋友场外加油
你却还让我出糗
你说啊 你怎么抄我球
你说啊 你怎么打我手
你说啊 是不是你不想活
说你怎么面对我 甩开球我满腔的怒火
我想揍你已经很久 别想躲
说你眼睛看着我 别发抖
快给我抬起头 有话去对医药箱说
别怪我
别怪我
说你怎么面对我 甩开球我满腔的怒火
我想揍你已经很久 别想躲
说你眼睛看着我 别发抖
快给我抬起头 有话去对医药箱说
别怪我
别怪我
难过 是因为闷了很久
是因为想了太多
是心理起了作用
你说 苦笑常常陪着你
在一起有点勉强
该不该现在休了我
不想太多
我想一定是我听错弄错搞错
拜托 我想是你的脑袋有问题
随便说说
其实我早已经猜透看透不想多说
只是我怕眼泪撑不住
不懂 你的黑色幽默
想通 却又再考倒我
说散 你想很久了吧?
我不想拆穿你
当作 是你开的玩笑
想通 却又再考倒我
说散 你想很久了吧?
败给你的黑色幽默
不想太多
我想一定是我听错弄错搞错
拜托 我想是你的脑袋有问题
随便说说
其实我早已经猜透看透不想多说
只是我怕眼泪撑不住
不懂 你的黑色幽默
想通 却又再考倒我
说散 你想很久了吧?
我不想拆穿你
当作 是你开的玩笑
想通 却又再考倒我
说散 你想很久了吧?
败给你的黑色幽默
说散 你想很久了吧?
我的认真败给黑色幽默
走过了很多地方
我来到伊斯坦堡
就像是童话故事
有教堂有城堡
每天忙碌地的寻找
到底什么我想要
却发现迷了路怎么找也找不着
心血来潮起个大早
怎么我也睡不着
昨晚梦里你来找 我才
原来我只想要你
陪我去吃汉堡
说穿了其实我的愿望就怎么小
就怎么每天祈祷我的心跳你知道
杵在伊斯坦堡 却只想你和汉堡
我想要你的微笑每天都能看到
我知道这里很美但家乡的你更美走过了很多地方
我来到伊斯坦堡
就像是童话故事
有教堂有城堡
每天忙碌地的寻找
到底什么我想要
却发现迷了路怎么找也找不着
心血来潮起个大早
怎么我也睡不着
昨晚梦里你来找 我才
原来我只想要你
陪我去吃汉堡
说穿了其实我的愿望就怎么小
就怎么每天祈祷我的心跳你知道
杵在伊斯坦堡 却只想你和汉堡
我想要你的微笑每天都能看到
我知道这里很美但家乡的你更美原来我只想要你
陪我去吃汉堡
说穿了其实我的愿望就怎么小
就怎么每天祈祷我的心跳你知道
杵在伊斯坦堡 却只想你和汉堡
我想要你的微笑每天都能看到
我知道这里很美但家乡的你更美
沙漠之中怎么会有泥鳅
话说完飞过一只海鸥
大峡谷的风呼啸而过
是谁说没有
有一条热昏头的响尾蛇
无力的躺在干枯的河
在等待雨季来临变沼泽
灰狼啃食著水鹿的骨头
秃鹰盘旋死盯着腐肉
草原上两只敌对野牛在远方决斗
在一处被废弃的白蛦丘
站着一只饿昏的老斑鸠
印地安老斑鸠 腿短毛不多
几天都没有喝水也能活
脑袋瓜有一点秀逗
猎物死了它比谁都难过
印地安斑鸠 会学人开口
仙人掌怕羞 蜥蝪横著走
这里什么奇怪的事都有
包括像猫的狗
印地安老斑鸠 平常话不多
除非是乌鸦抢了它的窝
它在灌木丛旁邂逅
一只令它心仪的母斑鸠
牛仔红蕃 在小镇 背对背决斗
一只灰狼 问候我 谁是神枪手
巫师 他念念 有词的 对酋长下诅咒 还我骷髅头
这故事 告诉我 印地安的传说 还真是 瞎透了 什么都有
这故事 告诉我 印地安的传说 还真是 瞎透了 什么都有
沙漠之中怎么会有泥鳅
话说完飞过一只海鸥
大峡谷的风呼啸而过
是谁说没有
有一条热昏头的响尾蛇
无力的躺在干枯的河
在等待雨季来临变沼泽
灰狼啃食著水鹿的骨头
秃鹰盘旋死盯着腐肉
草原上两只敌对野牛在远方决斗
在一处被废弃的白蛦丘
站着一只饿昏的老斑鸠
印地安老斑鸠 腿短毛不多
几天都没有喝水也能活
脑袋瓜有一点秀逗
猎物死了它比谁都难过
印地安斑鸠 会学人开口
仙人掌怕羞 蜥蝪横著走
这里什么奇怪的事都有
包括像猫的狗
印地安老斑鸠 平常话不多
除非是乌鸦抢了它的窝
它在灌木丛旁邂逅
一只令它心仪的母斑鸠
印地安老斑鸠 腿短毛不多
几天都没有喝水也能活
脑袋瓜有一点秀逗
猎物死了它比谁都难过
印地安斑鸠 会学人开口
仙人掌怕羞 蜥蝪横著走
这里什么奇怪的事都有
包括像猫的狗
印地安老斑鸠 平常话不多
除非是乌鸦抢了它的窝
它在灌木丛旁邂逅
一只令它心仪的母斑鸠
爱像一阵风
吹完它就走
这样的节奏
谁都无可奈何
没有你以后
我灵魂失控
黑云在降落
我被它拖着走
静静悄悄默默离开
陷入了危险边缘Baby
我的世界已狂风暴雨
Wu 爱情来的太快就像龙卷风
离不开暴风圈来不及逃
我不能再想
我不能再想
我不 我不 我不能
爱情走的太快就像龙卷风
不能承受我已无处可躲
我不要再想
我不要再想
我不 我不 我不要再想你
不知不觉
你已经离开我
不知不觉
我跟了这节奏
后知后觉
又过了一个秋
后知后觉
我该好好生活
我该好好生活
静静悄悄默默离开
陷入了危险边缘Baby
我的世界已狂风暴雨
Wu 爱情来的太快就像龙卷风
离不开暴风圈来不及逃
我不能再想
我不能再想
我不 我不 我不能
爱情走的太快就像龙卷风
不能承受我已无处可躲
我不要再想
我不要再想
我不 我不 我不要再想你
爱情来的太快就像龙卷风
离不开暴风圈来不及逃
我不能再想
我不能再想
我不 我不 我不能
爱情走的太快就像龙卷风
不能承受我已无处可躲
我不要再想
我不要再想
我不 我不 我不要再想你
不知不觉
你已经离开我
不知不觉
我跟了这节奏
后知后觉
又过了一个秋
后知后觉
我该好好生活
我该好好生活
不知不觉
你已经离开我
不知不觉
我跟了这节奏
后知后觉
又过了一个秋
后知后觉
我该好好生活
我该好好生活
不知不觉
你已经离开我
不知不觉
我跟了这节奏
后知后觉
后知后觉
迷迷蒙蒙 你给的梦 出现裂缝 隐隐作痛
怎么沟通 你都没空 说我不懂 说了没用
他的笑容 有何不同 在你心中 我不再受宠
我的天空 是雨是风 还是彩虹 你在操纵
恨自己真的没用 情绪激动
一颗心到现在还在抽痛
还为分手前那句抱歉 在感动
穿梭时间的画面的钟
从反方向开始移动
回到当初爱你的时空
停格内容不忠
所有回忆对着我进攻
我的伤口被你拆封
誓言太沉重泪被纵容
脸上汹涌失控
城市霓虹 不安跳动 染红夜空
过去种种 象一场梦 不敢去碰 一想就痛
心碎内容 每一秒钟 都有不同 你不懂
连一句珍重 也有苦衷 也不想送
寒风中 废墟烟囱 停止转动 一切落空
在人海中 盲目跟从 别人的梦 全面放纵
恨没有用 疗伤止痛 不再感动 没有梦
痛不知轻重 泪水鲜红 全面放纵
恨自己真的没用 情绪激动
一颗心到现在还在抽痛
还为分手前那句抱歉 在感动
穿梭时间的画面的钟
从反方向开始移动
回到当初爱你的时空
停格内容不忠
所有回忆对着我进攻
我的伤口被你拆封
誓言太沉重泪被纵容
脸上汹涌失控
穿梭时间的画面的钟
从反方向开始移动
回到当初爱你的时空
停格内容不忠
所有回忆对着我进攻
所有回忆对着我进攻
古巴比伦王颁布了汉摩拉比法典
刻在黑色的玄武岩 距今已经三千七百多年
你在橱窗前 凝视碑文的字眼
我却在旁静静欣赏你那张我深爱的脸
祭司 神殿 征战 弓箭 是谁的从前
喜欢在人潮中你只属于我的那画面
经过苏美女神身边 我以女神之名许愿
思念像底格里斯河般的漫延
当古文明只剩下难解的语言
传说就成了永垂不朽的诗篇
我给你的爱写在西元前
深埋在美索不达米亚平原
几十个世纪后出土发现
泥板上的字迹依然清晰可见
我给你的爱写在西元前
深埋在美索不达米亚平原
用楔形文字刻下了永远
那已风化千年的誓言
一切又重演
祭司 神殿 征战 弓箭 是谁的从前
喜欢在人潮中你只属于我的那画面
经过苏美女神身边 我以女神之名许愿
思念像底格里斯河般的漫延
当古文明只剩下难解的语言
传说就成了永垂不朽的诗篇
我给你的爱写在西元前
深埋在美索不达米亚平原
几十个世纪后出土发现
泥板上的字迹依然清晰可见
我给你的爱写在西元前
深埋在美索不达米亚平原
用楔形文字刻下了永远
那已风化千年的誓言
一切又重演
我感到很疲倦离家乡还是很远
害怕再也不能回到你身边
我给你的爱写在西元前
深埋在美索不达米亚平原
几十个世纪后出土发现
泥板上的字迹依然清晰可见
我给你的爱写在西元前
深埋在美索不达米亚平原
用楔形文字刻下了永远
那已风化千年的誓言
一切又重演
爱在西元前 爱在西元前
周杰伦 爸我回来了
我听说通常在战争后就会换来和平
为什么看到我的爸爸一直打我妈妈
就因为喝醉酒 他就能拿我妈出气
我真的看不下去 以为我较细汉
从小到大只有妈妈的温暖
为什么我爸爸 那么凶
如果真的我有一双翅膀 二双翅膀 随时出发
偷偷出发 我一定带我妈走
从前的教育别人的家庭
别人的爸爸种种的暴力因素一定都会有原因
但是呢 妈跟我都没有错亏我叫你一声爸
爸我回来了
不要再这样打我妈妈
我说的话你甘会听
不要再这样打我妈妈
难道你手不会痛吗
其实我回家就想要阻止一切
让家庭回到过去甜甜 温馨的欢乐香味
虽然这是我编造出来的事实
有点讽刺 有点酸性
但它确在这快乐社会发生产生共鸣
产生共鸣来阻止一切暴力
眼泪随着音符吸入血液情绪
从小到大你叫我学习你把你当榜样
好多的假像 妈妈常说乖听你爸的话
你叫我怎么跟你像
不要再这样打我妈妈
我说的话 你甘会听
不要再这样打我妈妈
难道你手不会痛吗
不要再这样打我妈妈
难道你手不会痛吗
我叫你爸 你打我妈
这样对吗干嘛这样
何必让酒牵鼻子走
瞎 说都说不听听
痛是我们在痛痛
周杰伦 简单爱
说不上为什么 我变得很主动
若爱上一个人 什么都会值得去做
我想大声宣布 对你依依不舍
连隔壁邻居都猜到我现在的感受
河边的风 在吹着头发飘动
牵着你的手 一阵莫名感动
我想带你 回我的外婆家
一起看着日落 一直到我们都睡着
我想就这样牵着你的手不放开
爱能不能够永远单纯没有悲哀
我 想带你骑单车
我 想和你看棒球
想这样没担忧 唱着歌 一直走
我想就这样牵着你的手不放开
爱可不可以简简单单没有伤害
你 靠着我的肩膀
你 在我胸口睡著
像这样的生活 我爱你 你爱我
我想大声宣布 对你依依不舍
连隔壁邻居都猜到我现在的感受
河边的风 在吹着头发飘动
牵着你的手 一阵莫名感动
我想带你 回我的外婆家
一起看着日落 一直到我们都睡着
我想就这样牵着你的手不放开
爱能不能够永远单纯没有悲哀
我 想带你骑单车
我 想和你看棒球
想这样没担忧 唱着歌 一直走
我想就这样牵着你的手不放开
爱可不可以简简单单没有伤害
你 靠着我的肩膀
你 在我胸口睡著
像这样的生活 我爱你 你爱我
我想就这样牵着你的手不放开
爱能不能够永远单纯没有悲哀
我 想带你骑单车
我 想和你看棒球
想这样没担忧 唱着歌 一直走
我想就这样牵着你的手不放开
爱可不可以简简单单没有伤害
你 靠着我的肩膀
你 在我胸口睡著
像这样的生活 我爱你 你爱我
开不了口 周杰伦
才离开没多久就开始
担心今天的你过得好不好
整个画面是你
想你想的睡不著
嘴嘟嘟那可爱的模样
还有在你身上香香的味道
我的快乐是你 想你想的都会笑
没有你在 我有多难熬
没有你在我有多难熬多烦恼
没有你烦 我有多烦恼
没有你烦我有多烦恼多难熬
穿过云层 我试著努力向你奔跑
爱才送到 你却已在别人怀抱
就是开不了口让她知道
我一定会呵护著你 也逗你笑
你对我有多重要
我后悔没让你知道
安静的听你撒娇
看你睡著一直到老
就是开不了口让她知道
就是那么简单几句 我办不到
整颗心悬在半空
我只能够远远看著
这些我都做得到
但那个人已经不是我
没有你在 我有多难熬
没有你在我有多难熬多烦恼
没有你烦 我有多烦恼
没有你烦我有多烦恼多难熬
穿过云层 我试著努力向你奔跑
爱才送到 你却已在别人怀抱
就是开不了口让她知道
我一定会呵护著你 也逗你笑
你对我有多重要
我后悔没让你知道
安静的听你撒娇
看你睡著一直到老
就是开不了口让她知道
就是那么简单几句 我办不到
整颗心悬在半空
我只能够远远看著
这些我都做得到
但那个人已经不是我
上海一九四三
泛黄的春联还残留在墙上
依稀可见几个字岁岁平安
在我没回去过的老家米缸
爷爷用楷书写一个满
黄金葛爬满了雕花的门窗
夕阳斜斜映在斑驳的砖墙
铺著榉木板的屋内还弥漫
姥姥当年酿的豆瓣酱
我对著黑白照片开始想像
爸和妈当年的模样
说著一口吴侬软语的姑娘缓缓走过外滩
消失的 旧时光 一九四三
在回忆 的路上 时间变好慢
老街坊 小弄堂
是属于那年代白墙黑瓦的淡淡的忧伤
消失的 旧时光 一九四三
回头看 的片段 有一些风霜
老唱盘 旧皮箱
装满了明信片的铁盒里藏著一片玫瑰花瓣
黄金葛爬满了雕花的门窗
夕阳斜斜映在斑驳的砖墙
铺著榉木板的屋内还弥漫
姥姥当年酿的豆瓣酱
我对著黑白照片开始想像
爸和妈当年的模样
说著一口吴侬软语的姑娘缓缓走过外滩
消失的 旧时光 一九四三
在回忆 的路上 时间变好慢
老街坊 小弄堂
是属于那年代白墙黑瓦的淡淡的忧伤
消失的 旧时光 一九四三
回头看 的片段 有一些风霜
老唱盘 旧皮箱
装满了明信片的铁盒里藏著一片玫瑰花瓣
对不起
广场一枚铜币 悲伤得很隐密
它在许愿池里轻轻叹息
太多的我爱你 让它喘不过气
已经 失去意义
戒指在哭泣 静静躺在抽屉
它所拥有的只剩下回忆
相爱还有别离 像无法被安排的雨
随时准备来袭
我怀念起国小的课桌椅
怀念著用铅笔写日记
纪录那最原始的美丽
纪录第一次遇见的你
如果我遇见你是一场悲剧
我想我这辈子注定一个人演戏
最后再一个人慢慢的回忆
没有了过去 我将往事抽离
如果我遇见你是一场悲剧
我可以让生命就这样毫无意义
或许在最后能听到你一句
轻轻的叹息 后悔着对不起
一枚铜币 悲伤得很隐密
它在许愿池里轻轻叹息
太多的我爱你 让它喘不过气
已经 失去意义
戒指在哭泣 静静躺在抽屉
它所拥有的只剩下回忆
相爱还有别离 像无法被安排的雨
随时准备来袭
我怀念起国小的课桌椅
用铅笔写日记
纪录那最原始的美丽
纪录第一次遇见的你 Jay Chou
如果我遇见你是一场悲剧
我想我这辈子注定一个人演戏
最后再一个人慢慢的回忆
没有了过去 我将往事抽离
如果我遇见你是一场悲剧
我可以让生命就这样毫无意义
或许在最后能听到你一句
轻轻的叹息 后悔着对不起
如果我遇见你是一场悲剧
我想我这辈子注定一个人演戏
最后再一个人慢慢的回忆
没有了过去 我将往事抽离
如果我遇见你是一场悲剧
我轻轻的叹息 后悔着对不起
藤蔓植物 爬满了伯爵的坟墓
古堡里一片荒芜 长满杂草的泥土
不会骑扫把的胖女巫 用拉丁文念咒语啦啦呜
她养的黑猫笑起来像哭 啦啦啦呜 用水晶球替人占卜
她说下午三点阳光射进教堂的角度
能知道你前世是狼人还是蝙蝠
古堡主人威廉二世满脸的落腮胡
习惯 在吸完血后开始打呼
管家是一只会说法语举止优雅的猪
吸血前会念约翰福音做为弥补
拥有一双蓝色眼睛的凯萨琳公主
专吃 有AB血型的公老鼠
恍恍惚惚 是谁的脚步
银制茶壶 装蟑螂蜘蛛
辛辛苦苦 全家怕日出
白色蜡烛 温暖了空屋
白色蜡烛 温暖了空屋藤蔓植物 爬满了伯爵的坟墓
古堡里一片荒芜 长满杂草的泥土
不会骑扫把的胖女巫 用拉丁文念咒语啦啦呜
她养的黑猫笑起来像哭 啦啦啦呜 用水晶球替人占卜
她说下午三点阳光射进教堂的角度
能知道你前世是狼人还是蝙蝠
古堡主人威廉二世满脸的落腮胡
习惯 在吸完血后开始打呼
管家是一只会说法语举止优雅的猪
吸血前会念约翰福音做为弥补
拥有一双蓝色眼睛的凯萨琳公主
专吃 有AB血型的公老鼠
恍恍惚惚 是谁的脚步
银制茶壶 装蟑螂蜘蛛
辛辛苦苦 全家怕日出
白色蜡烛 温暖了空屋
白色蜡烛 温暖了空屋
双截棍
岩烧店的烟味弥漫 隔壁是国术馆
店里面的妈妈桑 茶道 有三段
教拳脚武术的老板 练铁沙掌 耍杨家枪
硬底子功夫最擅长 还会金钟罩铁步衫
他们儿子我习惯 从小就耳濡目染
什么刀枪跟棍棒 我都耍的有模有样
什么兵器最喜欢 双截棍柔中带刚
想要去河南嵩山 学少林跟武当
干什么 干什么 呼吸吐纳心自在
干什么 干什么 气沉丹田手心开
干什么 干什么 日行千里系沙袋
飞檐走壁莫奇怪 去去就来
一个马步向前 一记左钩拳 右钩拳
一句惹毛我的人有危险 一再重演
一根我不抽的菸 一放好多年 它一直在身边
干什么 干什么 我打开任督二脉
干什么 干什么 东亚病夫的招牌
干什么 干什么 已被我一脚踢开
快使用双截棍 哼哼哈兮
快使用双截棍 哼哼哈兮
习武之人切记 仁者无敌
是谁在练太极 风生水起
快使用双截棍 哼哼哈兮
快使用双截棍 哼哼哈兮
如果我有轻功 飞檐走壁
为人耿直不屈 一身正气
他们儿子我习惯 从小就耳濡目染
什么刀枪跟棍棒 我都耍的有模有样
什么兵器最喜欢 双截棍柔中带刚
想要去河南嵩山 学少林跟武当
快使用双截棍 哼哼哈兮
快使用双截棍 哼哼哈兮
习武之人切记 仁者无敌
是谁在练太极 风生水起
快使用双截棍 哼哼哈兮
快使用双截棍 哼哼哈兮
如果我有轻功 飞檐走壁
为人耿直不屈 一身正气
他们儿子我习惯 从小就耳濡目染
什么刀枪跟棍棒 我都耍的有模有样
什么兵器最喜欢 双截棍柔中带刚
想要去河南嵩山 学少林跟武当
快使用双截棍 哼哼哈兮
快使用双截棍 哼哼哈兮
习武之人切记 仁者无敌
是谁在练太极 风生水起
快使用双截棍 哼哼哈兮
快使用双截棍 哼哼哈兮
如果我有轻功 飞檐走壁
为人耿直不屈 一身正气
快使用双截棍 哼
我用手刀防御 哼
漂亮的回旋踢
周杰伦 安静
只剩下钢琴陪我谈了一天
睡着的大提琴
安静的旧旧的
我想你已表现的非常明白
我懂我也知道
你没有舍不得
你说你也会难过我不相信
牵着你陪着我
也只是曾经
希望他是真的比我还要爱你
我才会逼自己离开
你要我说多难堪
我根本不想分开
为什么还要我用微笑来带过
我没有这种天份
包容你也接受他
不用担心的太多
我会一直好好过
你已经远远离开
我也会慢慢走开
为什么我连分开都迁就着你
我真的没有天份
安静的没这么快
我会学着放弃你
是因为我太爱你是因为我太爱你
只剩下钢琴陪我谈了一天
睡着的大提琴
安静的旧旧的
我想你已表现的非常明白
我懂我也知道
你没有舍不得
你说你也会难过我不相信
牵着你陪着我
也只是曾经
希望他是真的比我还要爱你
我才会逼自己离开
你要我说多难堪
我根本不想分开
为什么还要我用微笑来带过
我没有这种天份
包容你也接受他
不用担心的太多
我会一直好好过
你已经远远离开
我也会慢慢走开
为什么我连分开都迁就着你
我真的没有天份
安静的没这么快
我会学着放弃你
是因为我太爱你
是因为我太爱你你要我说多难堪
我根本不想分开
为什么还要我用微笑来带过
我没有这种天份
包容你也接受他
不用担心的太多
我会一直好好过
你已经远远离开
我也会慢慢走开
为什么我连分开都迁就着你
我真的没有天份
安静的没这么快
我会学着放弃你
是因为我太爱你
是因为我太爱你
该不该搁下重重的壳
寻找到底哪里有蓝天
随着轻轻的风轻轻地飘
历经的伤都不感觉疼
我要一步一步往上爬
等待阳光静静看着它的脸
小小的天有大大的梦想
重重的壳裹着轻轻地仰望
我要一步一步往上爬
在最高点乘着叶片往前飞
小小的天流过的泪和汗
总有一天我有属于我的天
我要一步一步往上爬
在最高点乘着叶片往前飞
任风吹干流过的泪和汗
我要一步一步往上爬
等待阳光静静看着它的脸
小小的天有大大的梦想
我有属于我的天
任风吹干流过的泪和汗
总有一天我有属于我的天
走在熙来攘往的街头
你不再牵着我的手
小心翼翼的将你小指勾
泪也小心翼翼的流
有些事情你在瞒着我
你终于还是开了口
淡淡一句 还是朋友
泪也如刀割
知道分手后你不难过
你比从前快乐
那祝福的话叫我如何能够说的出口
那过往的欢乐是否褪色想问你怎么舍得
不要在耳边再说你会想我
有些事情你在瞒着我
你终于还是开了口
小心翼翼的将你的小指勾
我的手你不再牵着
你不难过
你比从前快乐
那祝福的话叫我如何能够说的出口
过往的欢乐是否褪色想问你怎么舍得
不要在耳边再说你会想我
想笑　来伪装掉下的眼泪
点点头　承认自己会怕黑
我只求　能借一点的时间来陪
你却连同情都不给
想哭　来试探自己麻痹了没
全世界　好像只有我疲惫
无所谓　反正难过就敷衍走一回
但愿绝望和无奈远走高飞
天灰灰　会不会
让我忘了你是谁
夜越黑　梦违背
难追难回味
我的世界将被摧毁
也许事与愿违
累不累　睡不睡
单影无人相依偎
夜越黑　梦违背
有谁肯安慰
我的世界将被摧毁
也许颓废也是另一种美
也许颓废也是另一种美想哭　来试探自己麻痹了没
全世界　好像只有我疲惫
无所谓　反正难过就敷衍走一回
但愿绝望和无奈远走高飞
天灰灰　会不会
让我忘了你是谁
夜越黑　梦违背
难追难回味
我的世界将被摧毁
也许事与愿违
累不累　睡不睡
单影无人相依偎
夜越黑　梦违背
有谁肯安慰
我的世界将被摧毁
也许颓废也是另一种美
也许颓废也是另一种美
再也没有纯白的灵魂
自人类堕落为半兽人
我开始使用第一人称
记录眼前所有的发生
嗜血森林醒来的早晨
任何侵略都成为可能
我用古老的咒语重温
吟唱灵魂序曲寻根
面对魔界的邪吻
不被污染的转生
维持纯白的象征
然后还原为人
让我们 半兽人 的灵魂 翻滚
收起残忍 回忆兽化的过程
让我们 半兽人 的眼神 单纯
而非贪婪着永恒 只对暴力忠诚
让我们 半兽人 的灵魂 翻滚
停止忿恨 永无止尽的战争
让我们 半兽人 的灵魂 单纯
对远古存在的神 用谦卑的身份
再也没有纯白的灵魂
自人类堕落为半兽人
我开始使用第一人称
记录眼前所有的发生
嗜血森林醒来的早晨
任何侵略都成为可能
我用古老的咒语重温
吟唱灵魂序曲寻根
面对魔界的邪吻
不被污染的转生
维持纯白的象征
然后还原为人
让我们 半兽人 的灵魂 翻滚
收起残忍 回忆兽化的过程
让我们 半兽人 的眼神 单纯
而非贪婪着永恒 只对暴力忠诚
让我们 半兽人 的灵魂 翻滚
停止忿恨 永无止尽的战争
让我们 半兽人 的灵魂 单纯
对远古存在的神 用谦卑的身份
泪沸腾 风异常的冰冷
马蹄声 让人睡不安稳
我在等 灵魂序曲完成
带领族人写下祈祷文
那城镇 无谓的在牺牲
战火焚 祭坛开始下沉
我在等 觉悟后的族人
往南方大地重新开垦
往南方大地重新开垦
泪沸腾 风异常的冰冷
马蹄声 让人睡不安稳
我在等 灵魂序曲完成
带领族人写下祈祷文
让我们 半兽人 的灵魂 翻滚
停止忿恨 永无止尽的战争
让我们 半兽人 的灵魂 单纯
对远古存在的神 用谦卑的身份
走廊灯关上 书包放
走到房间窗外望
回想刚买的书
一本名叫半岛铁盒
放在床 边堆好多
第一页第六页第七页序
我永远 都想不到陪我看这书的你会要走
不再是不再有
现在已经看不到
铁盒的钥匙孔 透了光
看见它锈了好久 好旧好旧
外面的灰尘包围了我
好暗好暗 铁盒的钥匙我找不到
放在糖果旁的是 我很想回忆 的甜
然而过滤了你和我 沦落面成美
沉在盒子里的是你 给我的快乐
我很想记得可是我记不得
为什么这样子
你拉着我 说你有些犹豫
怎么这样子
雨还没停你就撑伞要走
已经习惯不去阻止你
过好一阵子你就会回来
印象中的爱情好像顶不住那时间
为什么这样子
你看着我说你已经决定
我拉不住你
他的手应该比我更暖
铁盒的序变成了日记
变成了空气 演化成回忆
印象中的爱情好像顶不住那时间
所以你弃权
所以你弃权走廊灯关上 书包放
走到房间窗外望
回想刚买的书
一本名叫半岛铁盒
放在床 边堆好多
第一页第六页第七页序
我永远 都想不到陪我看这书的你会要走
不再是不再有
现在已经看不到
铁盒的钥匙孔 透了光
看见它锈了好久 好旧好旧
外面的灰尘包围了我
好暗好暗 铁盒的钥匙我找不到
放在糖果旁的是 我很想回忆 的甜
然而过滤了你和我 沦落面成美
沉在盒子里的是你 给我的快乐
我很想记得可是我记不得
为什么这样子
你拉着我 说你有些犹豫
怎么这样子
雨还没停你就撑伞要走
已经习惯不去阻止你
过好一阵子你就会回来
印象中的爱情好像顶不住那时间
为什么这样子
你拉着我 说你有些犹豫
怎么这样子
雨还没停你就撑伞要走
已经习惯不去阻止你
过好一阵子你就会回来
印象中的爱情好像顶不住那时间
为什么这样子
你看着我说你已经决定
我拉不住你
他的手应该比我更暖
铁盒的序变成了日记
变成了空气 演化成回忆
印象中的爱情好像顶不住那时间
所以你弃权
所以你弃权
我想要的想做的你比谁都了 你想说的想给的我全都知道
未接来电没留言 一定是你孤单的想念
任何人都猜不到 这是我们的暗号
他们猜随便猜不重要 连上彼此的讯号 才有个依靠
有太多人太多事 夹在我们之间咆哮
杂讯太多讯号 就连风吹都要干扰 可是你不想
一直走在黑暗地下道 想吹风想自由想要一起手牵手
去看海绕世界流浪
我害怕你心碎没人帮你擦眼泪
别管那是非只要我们感觉对
我害怕你心碎没人帮你擦眼泪
别离开身边拥有你我的世界才能完美
他们猜随便猜不重要 连上彼此的讯号 才有个依靠
有太多人太多事 夹在我们之间咆哮
杂讯太多讯号 就连风吹都要干扰 可是你不想
一直走在黑暗地下道 想吹风想自由想要一起手牵手
去看海绕世界流浪
我害怕你心碎没人帮你擦眼泪
别管那是非只要我们感觉对
我害怕你心碎没人帮你擦眼泪
别离开身边拥有你我的世界才能完美
你说你想逃开松手
爱太累爱得不自由
因为我给不起最简单的承诺
你停止收讯号我开始搜寻不到
到底有谁知道是几点钟方向
你才会收到暗号
我害怕你心碎没人帮你擦眼泪
别管那是非只要我们感觉对
我害怕你心碎没人帮你擦眼泪
别离开身边拥有你我的世界才能完美
以敦煌为圆心的东北东
这民族的海岸线像一支弓
那长城像五千年来待射的梦
我用手臂拉开这整个土地的重
蒙古高原南下的风写些什么内容
汉字到底懂不懂
一样肤色和面孔
跨越黄河东
登上泰山顶峰
我向西引北风
晒成一身古铜
渴望着血脉相通
无限个千万弟兄
我把天地拆封将长江水掏空
人在古老河床蜕变中
我右拳打开了天
化身为龙
把山河重新移动
填平裂缝
将东方
的日出调整了时空
回到洪荒 去支配去操纵
我右拳打开了天
化身为龙
那大地心脏汹涌
不安跳动
全世界
的表情只剩下一种
等待英雄
我就是那条龙
我右拳打开了天
化身为龙
把山河重新移动
填平裂缝
将东方
的日出调整了时空
回到洪荒 去支配去操纵
我右拳打开了天
化身为龙
那大地心脏汹涌
不安跳动
全世界
的表情只剩下一种
等待英雄
我就是那条龙
渴望着血脉相通
无限个千万弟兄
我把天地拆封将长江水掏空
人在古老河床蜕变中
我右拳打开了天
化身为龙
把山河重新移动
填平裂缝
将东方
的日出调整了时空
回到洪荒 去支配去操纵
我右拳打开了天
化身为龙
那大地心脏汹涌
不安跳动
全世界
的表情只剩下一种
等待英雄
我就是那条龙
我右拳打开了天
化身为龙
把山河重新移动
填平裂缝
将东方
的日出调整了时空
回到洪荒 去支配去操纵
我右拳打开了天
化身为龙
那大地心脏汹涌
不安跳动
全世界
的表情只剩下一种
等待英雄
我就是那条龙
化身为龙
填平裂缝
调整了时空
去支配去操纵
化身为龙
不安跳动
只剩下一种
等待英雄
我就是那条龙
坐着我的摩托车
载你缓缓的离开
考不上好的学校
可以不微笑就走
把手慢慢交给我
放下心中的困惑
雨点从两旁划过
割开两种精神的我
经过老伯的家
篮框变得好高
爬过的那棵树
又何时变得渺小
这样也好
开始没人注意到我
等雨变强之前
我们将会分化软弱
趁时间没发觉
让我带着你离开
没有了证明
没有了空虚
基于两种立场我会罩着你
趁时间没发觉
让我带着你离开
这不是顽固
这不是逃避
没人帮着你走才快乐
没人帮着你走才快乐
坐着我的摩托车
载你缓缓的离开
考不上好的学校
可以不微笑就走
把手慢慢交给我
放下心中的困惑
雨点从两旁划过
割开两种精神的我
经过老伯的家
篮框变得好高
爬过的那棵树
又何时变得渺小
这样也好
开始没人注意到你我
等雨变强之前
我们将会分化软弱
趁时间没发觉
让我带着你离开
没有了证明
没有了空虚
基于两种立场我会罩着你
趁时间没发觉
让我带着你离开
这不是顽固
这不是逃避
没人帮着你走才快乐
没人帮着你走才快乐
爷爷泡的茶 有一种味道叫做家
陆羽泡的茶 听说名和利都不拿
爷爷泡的茶 有一种味道叫做家
爷爷泡的茶 口感味觉还不差
陆羽泡的茶 像幅泼墨的山水画
山泉 在地表蜿蜒 从很久很久以前
我有一张稚气的脸 泉水渗透进矿层岩
爷爷栽种的樟木树苗上面
犹记得那年 在一个雨天
那七岁的我躲在屋檐 却一直想去荡秋千
爷爷抽着烟 说唐朝陆羽写茶经三卷
流传了千年
那天 我翻阅字典
查什么字眼 形容一件事 很遥远
天边 是否在海角对面
直到九岁才知道浪费时间
这茶桌樟木的横切面 年轮有二十三圈
镜头的另一边跳接我成熟的脸
经过这些年 爷爷的手茧
泡在水里会有茶色蔓延
爷爷泡的茶 有一种味道叫做家
没法挑剔它 口感味觉还不差
陆羽泡的茶 听说名和利都不拿
他牵着一匹瘦马在走天涯
爷爷泡的茶 有一种味道叫做家
他满头白发 喝茶时不准说话
陆羽泡的茶 像幅泼墨的山水画
唐朝千年的风沙 现在还在刮
那天 我翻阅字典
查什么字眼 形容一件事 很遥远
天边 是否在海角对面
直到九岁才知道浪费时间
这茶桌樟木的横切面 年轮有二十三圈
镜头的另一边跳接我成熟的脸
经过这些年 爷爷的手茧
泡在水里会有茶色蔓延
爷爷泡的茶 有一种味道叫做家
没法挑剔它 口感味觉还不差
陆羽泡的茶 听说名和利都不拿
他牵着一匹瘦马在走天涯
爷爷泡的茶 有一种味道叫做家
他满头白发 喝茶时不准说话
陆羽泡的茶 像幅泼墨的山水画
唐朝千年的风沙 现在还在刮
爷爷泡的茶 有一种味道叫做家
没法挑剔它 口感味觉还不差
陆羽泡的茶 听说名和利都不拿
他牵着一匹瘦马在走天涯
爷爷泡的茶 有一种味道叫做家
他满头白发 喝茶时不准说话
陆羽泡的茶 像幅泼墨的山水画
唐朝千年的风沙 现在还在刮
爷爷泡的茶 有一种味道叫做家
陆羽泡的茶 听说名和利都不拿
爷爷泡的茶 有一种味道叫做家
陆羽泡的茶 像幅泼墨的山水画
一盏黄黄旧旧的灯
时间在旁闷不吭声
寂寞下手毫无分寸
不懂得轻重之分
沉默支撑跃过陌生
静静看着凌晨黄昏
你的身影
失去平衡 慢慢下沉
黑暗已在空中盘旋
该往哪我看不见
也许爱在梦的另一端
无法存活在真实的空间
想回到过去
试着抱你在怀里
羞怯的脸带有一点稚气
想看你看的世界
想在你梦的画面
只要靠在一起就能感觉甜蜜
想回到过去
试着让故事继续
至少不再让你离我而去
分散时间的注意
这次会抱得更紧
这样挽留不知还来不来得及
想回到过去
思绪不断阻挡着回忆播放
盲目的追寻仍然空空荡荡
灰蒙蒙的夜晚睡意又不知躲到哪去
一转身孤单已躺在身旁
想回到过去
试着抱你在怀里
羞怯的脸带有一点稚气
想看你看的世界
想在你梦的画面
只要靠在一起就能感觉甜蜜
想回到过去
试着让故事继续
至少不再让你离我而去
分散时间的注意
这次会抱得更紧
这样挽留不知还来不来得及
想回到过去
沉默支撑跃过陌生
静静看着凌晨黄昏
失去平衡 慢慢下沉
你的身影
又回到过去
又回到过去
跑遍了牧场 又绕过了村庄
他就站在街角的旧报摊
眼睛盯着 隔壁里的橱窗
一把吉他 远远欣赏
木炭 一箩筐
木炭 一直放
木炭 剩一半
火炉烫 小铁匠存钱买期望 在流汗
巴洛克建筑的街道旁
一家烟雾缭绕的酒馆
波兰的吟唱诗人在弹唱
小铁匠在门外 进不去在苦恼
他的铜板还太少
他真的真的想知道
那首来自东欧的民谣
和弦到底什么调
米兰的天空刚破晓
他真的真的想知道
他将那扑满打破了
跑遍了牧场 又绕过了村庄
他就站在街角的旧报摊
眼睛盯着 隔壁里的橱窗
一把吉他 远远欣赏
木炭 一箩筐
木炭 一直放
木炭 剩一半
火炉烫 小铁匠存钱买期望 在流汗
巴洛克建筑的街道旁
一家烟雾缭绕的酒馆
波兰的吟唱诗人在弹唱
小铁匠在门外 进不去在苦恼
他的铜板还太少
他真的真的想知道
那首来自东欧的民谣
和弦到底什么调
米兰的天空刚破晓
他真的真的想知道
他将那扑满打破了
他真的真的想知道
那首来自东欧的民谣
和弦到底什么调
寻马碲铁还要 敲多少吉他才能买得到
他不知道怎么办才好 睡不着
小小愿望就快实现了 他在笑
小小愿望就快实现了 他在笑
最后的战役
机枪扫射声中我们寻找遮蔽的战壕
儿时沙雕的城堡毁坏了重新盖就好
可是你那沾染血布满弹孔的军外套
却就连祷告手都举不好
在硝烟中想起冰棒汽水的味道,
和那些无所事事一整个夏天的年少
我放下枪回忆去年一起毕业的学校
而眼泪一直都忘记要掉
嘲笑的声音在风中不断被练习
这树林间充满了敌意
部队弃守阵地
你坚持要我也离去
我怎么能放弃
我留着陪你
强忍着泪滴
有些事真的来不及回不去
你脸在抽搐
就快没力气
家乡事不准我再提
我留着陪你
最后的距离
是你的侧脸倒在我的怀里
你慢慢睡去
我摇不醒你
泪水在战壕里决了堤
在硝烟中想起冰棒汽水的味道
和那些无所事事一整个夏天的年少
我放下枪回忆去年一起毕业的学校
而眼泪一直都忘记要掉
嘲笑的声音在风中不断被练习
这树林间充满了敌意
部队弃守阵地
你坚持要我也离去
我怎么能放弃
我留着陪你
强忍着泪滴
有些事真的来不及回不去
你脸在抽搐
就快没力气
家乡事不准我再提
我留着陪你
最后的距离
是你的侧脸倒在我的怀里
你慢慢睡去
我摇不醒你
泪水在战壕里决了堤
泪水在战壕里决了堤
周杰伦 以父之名
微凉的晨露沾湿黑礼服
石板路有雾父在低诉
无奈的觉悟只能更残酷
一切都为了通往圣堂的路
吹不散的雾隐没了意图
谁轻柔踱步停住
还来不及哭穿过的子弹就带走温度
我们每个人都有罪
犯着不同的罪
我能决定谁对
谁又该要沉睡
争论不能解决
在永无止境的夜
关掉你的嘴
唯一的恩惠
挡在前面的人都有罪
后悔也无路可退
以父之名判决
那感觉没有适合词汇
就像边笑边掉泪
凝视着完全的黑
阻挡悲剧蔓延的悲剧会让我沉醉
低头亲吻我的左手
换取被宽恕的承诺
老旧管风琴在角落
一直一直一直伴奏
黑色帘幕被风吹动
阳光无言地穿透
洒向那群被我驯服后的兽
沉默的喊叫沉默的喊叫
孤单开始发酵
不停对着我嘲笑
回忆逐渐燃烧
曾经纯真的画面
残忍地温柔出现
脆弱时间到
我们一起来祷告
仁慈的父我已坠入
看不见罪的国度
请原谅我的自负
没人能说没人可说
好难承受
荣耀的背后刻着一道孤独
闭上双眼我又看见
当年那梦的画面
天空是蒙蒙的雾
父亲牵着我的双手
轻轻走过
清晨那安安静静的石板路
低头亲吻我的左手
换取被宽恕的承诺
老旧管风琴在角落
一直一直一直伴奏
黑色帘幕被风吹动
阳光无言地穿透
洒向那群被我驯服后的兽
沉默的喊叫沉默的喊叫
孤单开始发酵
不停对着我嘲笑
回忆逐渐燃烧
曾经纯真的画面
残忍地温柔出现
脆弱时间到
我们一起来祷告
仁慈的父我已坠入
看不见罪的国度
请原谅我的自负
没人能说没人可说
好难承受
荣耀的背后刻着一道孤独
仁慈的父我已坠入
看不见罪的国度
请原谅我的自负
仁慈的父我已坠入
看不见罪的国度
请原谅我的自负
没人能说没人可说
好难承受
荣耀的背后刻着一道孤独
闭上双眼我又看见
当年那梦的画面
天空是蒙蒙的雾
父亲牵着我的双手
轻轻走过
清晨那安安静静的石板路
周围的人群堵住了我的出口 想爬起来我只能说真的好难
防火巷传来的枪声把我从天堂叫醒 一名白种人褐色头发在我面前倒下
从他的手里那半包看到不少我荒唐的影子 从他的眼球看到发抖的我
是那么的丑陋 於是检起地上他那第二个钮扣 提醒自己该开始懂事
不被软性药物控制 在我的眼里懂得拒绝才能存活下来
活著不是用来演一出糜烂的黑色喜剧 说不
我很後悔当初没有这样的肯定 说不 不代表懦夫
真不该 睁不开 别让我的地球变暗 互相残杀的动物真美
被期待 被覆盖 蜕变的公式我学不来 我闻不到腐烂的香味
说不我很後悔当时没有这样的肯定 说不 不代表懦夫
你应该很骄傲 我看不起人们无知的好奇作祟 心态
去亲近死神 你了吗 很了吗 肮脏的香味我吸了太多太多
腐败的视野我看了太多太多 瞳孔放大 不代表就能看得更多
难怪大人们说我们永远长不大
那一块我梦里的乾净的天空那一块我梦里的乾净的天空
是否玩大风吹也许就能看到 是否玩大风吹也许就能看到
真不该 睁不开 别让我的地球变暗
街角的消防栓上的红色油漆 反射出儿时天真的嬉戏模样
被期待 被覆盖 蜕变的公式我学不来
难道这不是我要的天堂景象 沉沦假象 你只会感到更加沮丧
难道这不是我要的天堂景象 沉沦假象 你只会感到更加沮丧
真不该 睁不开 别让我的地球变暗
街角的消防栓上的红色油漆 反射出儿时天真的嬉戏模样
被期待 被覆盖 蜕变的公式我学不来
难道这不是我要的天堂景象 沉沦假象 你只会感到更加沮丧
难道这不是我要的天堂景象 沉沦假象 你只会感到更加沮丧
街角的消防栓上的红色油漆 反射出儿时天真的嬉戏模样
难道这不是我要的天堂景象 沉沦假象 你只会感到更加沮丧
难道这不是我要的天堂景象 沉沦假象 你只会感到更加沮丧
被期待 被覆盖 蜕变的公式我学不来
难道这不是我要的天堂景象 沉沦假象 你只会感到更加沮丧
难道这不是我要的天堂景象 沉沦假象 你只会感到更加沮丧
故事的小黄花
从出生那年就飘着
童年的荡秋千
随记忆一直晃到现在
吹着前奏望着天空
我想起花瓣试着掉落
为你翘课的那一天
花落的那一天
教室的那一间
我怎么看不见
消失的下雨天
我好想再淋一遍
没想到失去的勇气我还留着
好想再问一遍
你会等待还是离开
刮风这天我试过握着你手
但偏偏雨渐渐大到我看你不见
还要多久我才能在你身边
等到放晴的那天也许我会比较好一点
从前从前有个人爱你很久
但偏偏风渐渐把距离吹得好远
好不容易又能再多爱一天
但故事的最后你好像还是说了拜拜
为你翘课的那一天
花落的那一天
教室的那一间
我怎么看不见
消失的下雨天
我好想再淋一遍
没想到失去的勇气我还留着
好想再问一遍
你会等待还是离开
刮风这天我试过握着你手
但偏偏雨渐渐大到我看你不见
还要多久我才能在你身边
等到放晴的那天也许我会比较好一点
从前从前有个人爱你很久
偏偏风渐渐把距离吹得好远
好不容易又能再多爱一天
但故事的最后你好像还是说了拜拜
刮风这天我试过握着你手
但偏偏雨渐渐大到我看你不见
还要多久我才能够在你身边
等到放晴那天也许我会比较好一点
从前从前有个人爱你很久
但偏偏雨渐渐把距离吹得好远
好不容易又能再多爱一天
但故事的最后你好像还是说了
训导处报告 训导处报告
三年二班周杰伦
马上到训导处来
眼睛你要擦亮
记住我的模样
表情不用太紧张
我是三年二班
我专心打球的侧脸还蛮好看
黑板是吸收知识的地方
只是教室的阳光
那颜色我不太喜欢
没有操场的自然
为何比较漂亮的都是在隔壁班
还有考卷的答案
我刚好都不会算
没关系
再继续努力
没关系
为什么上课时举手很难
为什么拿线上宝物简单
为什么女生不喜欢太胖
为什么都别人手机在响
正手发长球的打法只是初级乒乓
反手短打再狠狠杀球是高级乒乓
回转技巧乒乓
前场速攻乒乓
对墙壁在练习乒乓乒乓
这第一名到底要多强
不用问 一定有人向你挑战
到底还要过多少关
不用怕 告诉他们谁是男子汉
可不可以不要这个奖
不想问 我只想要留一点汗
我当我自己的裁判
不想说 选择对手跟要打的仗
这第一名到底要多强
不用问 一定有人向你挑战
到底还要过多少关
不用怕 告诉他们谁是男子汉
可不可以不要这个奖
不想问 我只想要留一点汗
我当我自己的裁判
不想说 选择对手跟要打的仗
全体师生注意
今天我要表扬一位同学
他为校争光
我们要向他看齐
我不想就这样一直走
每天都遇上充满敌意那种眼光
等机会就是要打倒对方
这种结果我不要
这虚荣的骄傲
这目的很好笑
我其实都知道
你只是想炫耀
我永远做不到
你永远赢不了
我永远做不到
你永远赢不了
永远都赢不了
走下乡寻找哪有花香
为什么这么简单你做不到
坐车厢朝着南下方向
为什么这种速度你追不到
鸟飞翔穿过这条小巷
为什么这么简单你做不到
仔细想这种生活安详
为什么这种速度你追不到
不好笑不好笑不好笑……
这第一名到底要多强
不用问 一定有人向你挑战
到底还要过多少关
不用怕 告诉他们谁是男子汉
可不可以不要这个奖
不想问 我只想要留一点汗
我当我自己的裁判
不想说 选择对手跟要打的仗
这第一名到底要多强
到底还要过多少关
可不可以不要这个奖
我当我自己的裁判
走下乡寻找哪有花香
坐车厢朝着南下方向
鸟飞翔穿过这条小巷
仔细想这种生活安详
一盏离愁孤灯伫立在窗口
我在门后假装你人还没走
旧地如重游月圆更寂寞
夜半清醒的烛火不忍苛责我
一壶漂泊浪迹天涯难入喉
你走之后酒暖回忆思念瘦
水向东流时间怎么偷
花开就一次成熟我却错过
谁在用琵琶弹奏一曲东风破
岁月在墙上剥落看见小时候
犹记得那年我们都还很年幼
而如今琴声幽幽我的等候你没听过
谁在用琵琶弹奏一曲东风破
枫叶将故事染色结局我看透
篱笆外的古道我牵着你走过
荒烟漫草的年头就连分手都很沉默
一壶漂泊浪迹天涯难入喉
你走之后酒暖回忆思念瘦
水向东流时间怎么偷
花开就一次成熟我却错过
谁在用琵琶弹奏一曲东风破
岁月在墙上剥落看见小时候
犹记得那年我们都还很年幼
而如今琴声幽幽我的等候你没听过
谁在用琵琶弹奏一曲东风破
枫叶将故事染色结局我看透
篱笆外的古道我牵着你走过
荒烟漫草的年头就连分手都
谁在用琵琶弹奏一曲东风破
岁月在墙上剥落看见小时候
犹记得那年我们都还很年幼
而如今琴声幽幽我的等候你没听过
谁在用琵琶弹奏一曲东风破
枫叶将故事染色结局我看透
篱笆外的古道我牵着你走过
荒烟漫草的年头就连分手都很沉默
有谁能比我知道 你的温柔像羽毛
秘密躺在我怀抱 只有你能听得到
还有没有人知道 你的微笑像拥抱
多想藏着你的好 只有我看得到
站在屋顶只对风说 不想被左右
本来讨厌下雨的天空 直到听见有人说爱我
坐在电影院的二楼 看人群走过
怎么那一天的我们 都默默的微笑很久
我想我是太过依赖 在挂电话的刚才
坚持学单纯的小孩 静静看守这份爱
知道不能太依赖 怕你会把我宠坏
你的香味一直徘徊 我舍不得离开
有谁能比我知道 你的温柔像羽毛
秘密躺在我怀抱 只有你能听得到
还有没有人知道 你的微笑像拥抱
多想藏着你的好 只有我看得到
坐在电影院的二楼 看人群走过
怎么那一天的我们 都默默的微笑很久
我想我是太过依赖 在挂电话的刚才
坚持学单纯的小孩 静静看守这份爱
知道不能太依赖 怕你会把我宠坏
你的香味一直徘徊 我舍不得离开
OH 我想我是太过依赖 在挂电话的刚才
坚持学单纯的小孩 我舍不得离开
全身纯白色的那雕像石膏　
全身纯白色的那雕像石膏　
颜色干净没有压力的很讨好
颜色干净没有压力的很讨好
我坐在客厅模仿雕像思考　
我坐在客厅模仿雕像思考　
却彷佛听到同样想法的困扰
却彷佛听到同样想法的困扰
针叶林树梢　穿过绿色隧道　一股神秘在敲　
针叶林树梢　穿过绿色隧道　一股神秘在敲　
我们都拥有着 相同的大脑　一样的嗜好　
我们都拥有着 相同的大脑　一样的嗜好　
门上流苏线条在摇晃炫耀
门上流苏线条在摇晃炫耀
但是如果没有风它也办不到　
但是如果没有风它也办不到　
我知道共同的默契很重要
我知道共同的默契很重要
那骄傲才不会寂寞的很无聊　
那骄傲才不会寂寞的很无聊　
书框的城堡　像欧洲情调
书框的城堡　像欧洲情调
对着这张海报　我们在远距离欣赏与微笑　
对着这张海报　我们在远距离欣赏与微笑　
默契无法伪造 我们同一种调调　
默契无法伪造 我们同一种调调　
不关心天气预报　因为那无关紧要
不关心天气预报　因为那无关紧要
想打球下大雨照跳　只收看音乐频道　
想打球下大雨照跳　只收看音乐频道　
渴望在天空一角做记号 那里蓝色最好　
渴望在天空一角做记号 那里蓝色最好　
我很了　默契无法伪造　我们同一种调调
我很了　默契无法伪造　我们同一种调调
凡事都自己主导　决定穿什么外套　
凡事都自己主导　决定穿什么外套　
有专属的铃声讯号 从不跟别人比较　
有专属的铃声讯号 从不跟别人比较　
只喝过冰过的饮料　很少笑　吃全麦的面包
只喝过冰过的饮料　很少笑　吃全麦的面包
门上流苏线条在摇晃炫耀
门上流苏线条在摇晃炫耀
但是如果没有风它也办不到　
但是如果没有风它也办不到　
我知道共同的默契很重要
我知道共同的默契很重要
那骄傲才不会寂寞的很无聊　
那骄傲才不会寂寞的很无聊　
书框的城堡　像欧洲情调
书框的城堡　像欧洲情调
对着这张海报　我们在远距离欣赏与微笑　
对着这张海报　我们在远距离欣赏与微笑　
快疯掉　情绪偏离轨道　
快疯掉　情绪偏离轨道　
快疯掉　我睡不着　
快疯掉　我睡不着　
快疯掉 表情开我玩笑　
快疯掉 表情开我玩笑　
快疯掉　我受不了　
快疯掉　我受不了　
这样也好　如果身份对调
这样也好　如果身份对调
我的烦恼　你也会感同身受的知道　
我的烦恼　你也会感同身受的知道　
闷闷的很干燥　快疯掉　快疯掉
闷闷的很干燥　快疯掉　快疯掉
我很了　默契无法伪造　我们同一种调调
我很了　默契无法伪造　我们同一种调调
凡事都自己主导　决定穿什么外套　
凡事都自己主导　决定穿什么外套　
有专属的铃声讯号 从不跟别人比较　
有专属的铃声讯号 从不跟别人比较　
只喝过冰过的饮料　很少笑　吃全麦的面包
只喝过冰过的饮料　很少笑　吃全麦的面包
亲爱的总些事没办法教
表错情的感觉有一点糟
赖着不走会让人很感冒
以上这道理我全都了
我将不该犯的错都默背好
仔细观察她的喜好
而我紧绷的外表像上紧后的发条
等她的答案揭晓
她的睫毛弯的嘴角
无预警地对我笑
没有预兆出乎预料
竟然先对我示好
她的睫毛弯的嘴角
用眼神对我拍照
我戒不掉她的微笑
洋溢幸福的味道
有些事没办法教
表错情的感觉有一点糟
赖着不走会让人很感冒
以上这道理我全都了
恋爱的方式无法拿笔来抄
也没有规则可以取巧
被动的缘分很不可靠
喜欢的对象要自己挑
她粉嫩清秀的外表
像是多汁的水蜜桃谁都想咬
她嘴上亮丽的唇膏
有一股自信的骄傲我看得到
她粉嫩清秀的外表
像是多汁的水蜜桃谁都想咬
她嘴上亮丽的唇膏
有一股自信的骄傲我看得到
她粉嫩清秀的外表
像是多汁的水蜜桃谁都想咬
她嘴上亮丽的唇膏
有一股自信的骄傲我看得到
她粉嫩清秀的外表
像是多汁的水蜜桃谁都想咬
她嘴上亮丽的唇膏
有一股自信的骄傲我看得到
她的睫毛弯的嘴角
无预警地对我笑
没有预兆出乎预料
竟然先对我示好
她的睫毛弯的嘴角
用眼神对我拍照
我戒不掉她的微笑
洋溢幸福的味道
她的睫毛弯的嘴角
无预警地对我笑
没有预兆出乎预料
竟然先对我示好
她的睫毛弯的嘴角
用眼神对我拍照
我戒不掉她的微笑
洋溢幸福的味道
你说我像一个小孩
总爱让你猜
我说你才像个小孩
总要我说才明白
有些事太快
失去了等待
让爱没了期待
我们的爱怎么才自然
每次沟通不来
就要离开就说不要爱
我掉进爱情悬崖
跌太深爬不出来
下降的速度太快
来不及踏上未来
你的爱反覆徘徊
打乱我呼吸节拍
该怎么逃开
我控制不来
我掉进爱情悬崖
回想起你的可爱
傻傻地还在等待
以为你还会回来
你的脸慢慢离开
时间快将我掩埋
消失得太快
我负荷不来
你说我像一个小孩
总爱让你猜
我说你才像个小孩
总要我说才明白
有些事太快
失去了等待
让爱没了期待
我们的爱怎么才自然
每次沟通不来
就要离开就说不要爱
我掉进爱情悬崖
跌太深爬不出来
下降的速度太快
来不及踏上未来
你的爱反覆徘徊
打乱我呼吸节拍
该怎么逃开
我控制不来
我掉进爱情悬崖
回想起你的可爱
傻傻地还在等待
以为你还会回来
你的脸慢慢离开
时间快将我掩埋
消失得太快
我负荷不来
文山啊 等你写完词 我都出下一张专辑啰
没关系 慢慢来 这首歌我自己来
说到中学时期 家乡的一片片梯田
是我看过最美的绿地
于是也因此让我得了最佳摄影
莫名其妙在画面中的我 不会写词都像个诗人
坐着公车上学的我 看着窗外的牛啃草
是一种说不出的自由自在
Hoi Ya E Ya 那鲁湾 Na E Na Ya Hei
哦 我亲爱的牛儿啊
Hoi Ya E Ya 那鲁湾 Na E Na Ya Hei
哦 跑到哪儿去啦
面店旁的小水沟 留着我们长大的梦
绕过天真 跳至收割期
人们的汗水夹杂着满足与欢喜
是我现在最舍不得的画面
也是我另一项参展作品
靠着回忆 画成油画 拿到奖状
有个啥用 鼓励你多去回忆是吧
哼我真想撕掉 换回自然 怎么梯田不见
多了几家饭店 住在里面看着西洋片
几只水牛 却变成画 挂在墙壁上
象征人们 蒸蒸日上
一堆游客偶尔想看看窗外的观光景点
但只看到 比你住的再高一层的饭店
Hoi Ya E Ya 那鲁湾 Na E Na Ya Hei
哦 我亲爱的牛儿啊
Hoi Ya E Ya 那鲁湾 Na E Na Ya Hei
哦 跑到哪儿去啦
因地制宜 综合利用
利用对还是不对 自私的人类
狼不狼狈 破坏自然的生态
会不会很累 你说为了艺术
要砍下一棵树 酱对还是不对
你说为了装饰 请问干我啥事
是不是只能用相机纪录自然拿给下一代下一代回味
可怜可悲 森林绿地都已成纪录片
闻不到绿意盎然 只享受到乌烟瘴气
我不能教育你们 我不是你们老师
我不是校长 也不能给你们一巴掌 掌 长 长 长篇大论
你们并不想听 我知道但我没办法
我就是要写 你们可能永远不能体会
显微镜底下的我们 会更现实更自私
这种艺术 真的很难领悟
透过镜头重新接剪历史给人的想像
八厘米纪录片的桥段隔着距离欣赏
正邪对立的两方我握紧拳头开始习惯
以牙还牙的手段
风
盘旋烟雾弥漫
我虔诚点的香
在祈祷着平安
从天台向下俯瞰暴力在原地打转
上一代解决的答案是微笑不抵抗
被雨淋湿的唐装那股叹息很东方
我看不惯尊严受伤家族如此不堪
风
缓缓绕过武馆
正上方的月亮
那颜色中国黄
透过透过镜头重新接剪历史给人的想像
八厘米纪录片的桥段在播放
隔着距离欣赏正邪对立的两方
我握紧拳头开始习惯
那以牙还牙的手段
恐惧来自退让
从天台向下俯瞰暴力在原地打转
上一代解决的答案是微笑不抵抗
被雨淋湿的唐装那股叹息很东方
我看不惯尊严受伤家族如此不堪
从天台向下俯瞰暴力在原地打转
上一代解决的答案是微笑不抵抗
被雨淋湿的唐装那股叹息很东方
我看不惯尊严受伤家族如此不堪
双刀的正前方
我杀气不转弯
背对我的力量
它自己却受伤
双刀的右下方
我挥刀去了断
将恩怨全看穿
丹凤眼的目光
双刀的正前方
我杀气不转弯
背对我的力量
它自己却受伤
双刀的右下方
我挥刀去了断
将恩怨全看穿
丹凤眼的目光
怎么隐藏 我的悲伤 失去你的地方
你的发香 散的匆忙 我已经跟不上
闭上眼睛 还能看见 你离去的痕迹
在月光下一直找寻那想念的身影
如果说分手是苦痛的起点
那在终点之前 我愿意再爱一遍
想要对你说的不敢说的爱
會会不会會有人可以明白
我会发著呆 然後忘记你 接著紧紧闭上眼
想著那一天 会有人代替 让我不再想念你
我会发著呆 然後微微笑 接著静静闭上眼
又想了一遍你温柔的脸 在我忘记之前
闭上眼睛 还能看见 你离去的痕迹
在月光下一直找寻那想念的身影
如果说分手是苦痛的起点
那在终点之前 我愿意再爱一遍
想要对你说的不敢说的爱
會会不会會有人可以明白
我会发著呆 然後忘记你 接著紧紧闭上眼
想著那一天 会有人代替 让我不再想念你
我会发著呆 然後忘记你 接著紧紧闭上眼
想著那一天 会有人代替 让我不再想念你
我会发著呆 然後微微笑 接著静静闭上眼
又想了一遍你温柔的脸 在我忘记之前
心里的眼泪 模糊了视线 你应该看得见
心里的眼泪 模糊了视线 你应该看得见
断了的弦 再怎么连
我的感觉 你已听不见
你的转变 像断掉的弦
再怎么接 音都不对
你的改变我能够分辨
我沉默 你的话也不多
我们之间少了什么 不说 哎哟
微笑后 表情终于有点难过
握着你的手
问你 确定了再走
我突然释怀地笑
笑声盘旋半山腰
随风在飘摇啊摇
来到你的面前绕
你泪水往下地掉
说会记住我的好
我也弯着了嘴角笑
你的美 已经给了谁
追了又追 我要不回
我了解 离开树的叶
属于地上的世界 凋谢
断了的弦 再弹一遍
我的世界 你不在里面
我的指尖 已经弹出茧
还是无法留你在我身边
断了的弦 再怎么连
我的感觉 你已听不见
你的转变 像断掉的弦
再怎么接 音都不对
你的改变我能够分辨
我沉默 你的话也不多
我们之间少了什么 不说 哎哟
微笑后 表情终于有点难过
握着你的手
问你 确定了再走
我突然释怀地笑
笑声盘旋半山腰
随风在飘摇啊摇
来到你的面前绕
你泪水往下地掉
说会记住我的好
我也弯着了嘴角笑
你的美 已经给了谁
追了又追 我要不回
我了解 离开树的叶
属于地上的世界 凋谢
断了的弦 再弹一遍
我的世界 你不在里面
我的指尖 已经弹出茧
还是无法留你在我身边
断了的弦 再怎么练
我的感觉 你已听不见
你的转变 像断掉的弦
再怎么接 音都不对
你的改变我能够分辨
在我地盘这 你就得听我的
把音乐收割 用听觉找快乐
开始在雕刻 我个人的特色
未来难预测 坚持当下的选择
在我地盘这 你就得听我的
节奏在招惹 我跟街舞亲热
我灌溉原则 培养一种独特
观念不及格 其他全部是垃圾
用态度扩张地盘到底什么意思 怎么一回事
广场的鸽子 占领头版的报纸
一种全新的解释 标题关于这座城市
关于一种学习考试 和年轻就该有的本事
动感地带的交通号志 到底离我有几公尺
我说老师 我是不是真的不懂事
听我念饶舌歌词 欣赏我打拳的样子
我站在教室 练拳方式 你的样子 线条一致
隔壁的小姑娘 公开表演需要勇气
别人玩线上游戏 我偏耍猴戏
我用形意猴拳在练习
引你注意 如果觉得有趣
不要吝啬 示个好意
青春是干净的纯白
像一遍绿地的窗外
我将记忆的门打开
把所有发生的事记下来
在我地盘这 你就得听我的
把音乐收割 用听觉找快乐
开始在雕刻 我个人的特色
未来难预测 坚持当下的选择
在我地盘这 你就得听我的
节奏在招惹 我跟街舞亲热
我灌溉原则 培养一种独特
观念不及格 其他全部是垃圾
那弹钢琴的孩子 正用他们的手指
弹奏未来的历史 我用手机传中文字
那传输的速度绝对会让你们竖起大姆指
生活不该有公式 我可以随性跳芭蕾舞
照节拍 手放开 静下来
像一只天鹅把脚尖掂起来
讲究快餐的这年代 也可以很天真的说爱
在我地盘这 你就得听我的
把音乐收割 用听觉找快乐
开始在雕刻 我个人的特色
未来难预测 坚持当下的选择
在我地盘这 你就得听我的
节奏在招惹 我跟街舞亲热
我灌溉原则 培养一种独特
观念不及格 其他全部是垃圾
music
在我地盘这 你就得听我的
把音乐收割 用听觉找快乐
开始在雕刻 我个人的特色
未来难预测 坚持当下的选择
music
在我地盘这 你就得听我的
把音乐收割 用听觉找快乐
开始在雕刻 我个人的特色
未来难预测 坚持当下的选择
在我地盘这 你就得听我的
节奏在招惹 我跟街舞亲热
我灌溉原则 培养一种独特
观念不及格 其他全部是垃圾
窗外的麻雀 在电线杆上多嘴
你说这一句 很有夏天的感觉
手中的铅笔 在纸上来来回回
我用几行字形容你是我的谁
秋刀鱼的滋味 猫跟你都想了解
初恋的香味就这样被我们寻回
那温暖的阳光 象刚摘的鲜艳草莓
你说你舍不得吃掉这一种感觉
雨下整夜 我的爱溢出就象雨水
院子落叶 跟我的思念厚厚一叠
几句是非 也无法将我的热情冷却
你出现在我诗的每一页
雨下整夜 我的爱溢出就象雨水
窗台蝴蝶 象诗里纷飞的美丽章节
我接着写 把永远爱你写进诗的结尾
你是我唯一想要的了解
雨下整夜 我的爱溢出就象雨水
院子落叶 跟我的思念厚厚一叠
几句是非 也无法将我的热情冷却
你出现在我诗的每一页
那饱满的稻穗 幸福了这个季节
而你的脸颊象田里熟透的蕃茄
你突然对我说
七里香的名字很美
我此刻却只想亲吻你倔强的嘴
雨下整夜 我的爱溢出就象雨水
院子落叶 跟我的思念厚厚一叠
几句是非 也无法将我的热情冷却
你出现在我诗的每一页
整夜 我的爱溢出就象雨水
窗台蝴蝶 象诗里纷飞的美丽章节
我接着写 把永远爱你写进诗的结尾
你是我唯一想要的了解
翻着我们的照片 想念若隐若现
去年的冬天 我们笑得很甜
看着你哭泣的脸 对着我说再见
来不及听见 你已走得很远
也许你已经放弃我
也许已经很难回头
我知道是自己错过
请再给我一个理由说你不爱我
就算是我不懂 能不能原谅我
请不要把分手当作你的请求
我知道坚持要走是你受伤的借口
请你回头 我会陪你一直走到最后
就算没有结果 我也能够承受
我知道你的痛 是我给的承诺
你说给过我纵容 沉默是因为包容
如果要走 请你记得我
翻着我们的照片 想念若隐若现
去年的冬天 我们笑得很甜
看着你哭泣的脸 对着我说再见
来不及听见 你已走得很远
也许你已经放弃我
也许已经很难回头
我知道是自己错过
请再给我一个理由说你不爱我
就算是我不懂 能不能原谅我
请不要把分手当作你的请求
我知道坚持要走是你受伤的借口
请你回头 我会陪你一直走到最后
就算没有结果 我也能够承受
我知道你的痛 是我给的承诺
你说给过我纵容 沉默是因为包容
如果要走 请你记得我
如果难过 请你忘了我
今天是外婆生日
我换上复古西装
载着外婆开着拉风的古董车兜兜兜风
车里放着她的最爱
找回属于是她的时代
往大稻埋码头开去
把所有和外公的往事静静回忆
外婆她脸上的涟漪
美丽但藏不住压抑
失去了爱情只盼望亲情
弥补回应
大人们以为出门之前
桌上放六百就算是孝敬
一天到晚拼了命
赚钱少了关怀有什么意义
外婆她的期待
慢慢变成无奈
大人们始终不明白
她要的是陪伴
而不是六百块
比你给的还简单
外婆她的无奈
无法变成期待
只有爱才能够明白
走在淡水河衅
听着她的最爱
把温暖放回口袋
记得去年外婆的生日
表哥带我和外婆参加
她最最重视的颁奖典礼
结果却拿不到半个奖
不知该笑不笑
我对着镜头傻笑
只觉得自己可笑
我难过
却不是因为没有得奖而难过
我失落
是因为看到外婆失落而失落
大人们根本不能体会
表哥他的用心
好像随他们高兴就可以彻底的否定
否定我的作品
决定在于心情
想坚持风格他们就觉得还欧颗
没惊喜没有改变
我已经听了三年
我告诉外婆 我没输 不需要改变
表哥说不要觉得可惜
这只是一场游戏
只要外婆觉得好听
那才是一种鼓励
外婆露出了笑容 说她以我为荣
浅浅的笑容
就让我感到比得奖它还要光荣
外婆她的期待
慢慢变成无奈
大人们始终不明白
她要的是陪伴
而不是六百块
比你给的还简单
外婆她的无奈
无法期待
只有爱才能够明白
走在淡水河衅
听着她的最爱
把温暖放回口袋
外婆她的期待
慢慢变成无奈
大人们始终不明白
她要的是陪伴
而不是六百块
比你给的还简单
外婆她的无奈
无法变成期待
只有爱才能够明白
走在淡水河衅
听着她的最爱
把温暖放回口袋
把温暖放回口袋
时间的箭头
都指向你铩羽而归的地方
你会前进
但终究还是得要习惯投降
想当然尔
第六步是你最大的致命伤
我按兵不动
出于习惯
凡事沉默的酝酿
当头炮纯粹出于我礼貌的开场
屏风马神华内敛
才能以柔克刚
第二十六着炮五进四
只是在试探性衡量
三十三招车二平七的出手
你恐怕就暗箭难防
这一场不流血的仗
只有自尊会受伤
成王败寇的规则
跟现实没啥两样
提着鸟笼的老头
站在一旁拍我肩膀
我猜他想的应该和我一样
看我 我手指放松
我目光如龙 当敌人是空
我战法无穷 我攻势如风
用单车入宫
碾过你懊丧的脸孔
看我 我手指放松
我目光如龙 当敌人是空
我左右开弓 我气势如虹
将炮马尽用
兵临城下 想逃都没用
我对着潮汐推敲什么是以静制动
山林间迷雾
能不能当障眼法的内容
月转星移的轨迹跟临军布阵相同
风林火山是不是用兵之重
到最后必然是我运筹帷幄
你最后放弃抵抗
我仰望着夕阳
你低头黯然离场
听我说胜败是兵家之常
你不用放在心上
是因为我只适合无双
看我 我手指放松
我目光如龙 当敌人是空
我战法无穷 我攻势如风
用单车入宫
碾过你懊丧的脸孔
看我 我手指放松
我目光如龙 当敌人是空
我左右开弓 我气势如虹
将炮马尽用
兵临城下 想逃都没用
看我 我手指放松
我目光如龙 当敌人是空
我战法无穷 我攻势如风
用单车入宫
碾过你懊丧的脸孔
看我 我手指放松
我目光如龙 当敌人是空
我左右开弓 我气势如虹
将炮马尽用
兵临城下 想逃都没用
看我 我手指放松
我目光如龙 当敌人是空
我战法无穷 我攻势如风
用单车入宫
碾过你懊丧的脸孔
看我 我手指放松
我目光如龙 当敌人是空
我左右开弓 我气势如虹
将炮马尽用
久未放晴的天空
依旧留着你的笑容
哭过却无法掩埋歉疚
风筝在阴天搁浅
想念还在等待救援
我拉着线复习你给的温柔
暴晒在一旁的寂寞
笑我给不起承诺
怎么会怎么会你竟原谅了我
我只能永远读着对白
读到我给你的伤害
我原谅不了我
就请你当作我已不在
我睁开双眼看着空白
忘记你对我的期待
读完了依赖
我很快就离开
久未放晴的天空
依旧留着你的笑容
哭过却无法掩埋歉疚
风筝在阴天搁浅
想念还在等待救援
我拉着线复习你给的温柔
暴晒在一旁的寂寞
笑我给不起承诺
怎么会怎么会你竟原谅了我
我只能永远读着对白
读到我给你的伤害
我原谅不了我
就请你当作我已不在
我睁开双眼看着空白
忘记你对我的期待
读完了依赖
我很快就
我只能永远读着对白
读到我给你的伤害
我原谅不了我
就请你当作我已不在
我睁开双眼看着空白
忘记你对我的期待
读完了依赖
我很快就离开
那混乱的年代
朝廷太腐败
人祸惹天灾
东汉王朝在
一夕之间崩坏
盛衰九州地图
被人们切割成三块
分开读三国历史的盛衰
想去瞧个明白
看看就马上回来
刀剑棍棒
我随口讲
原来真有时光机
这么夸张
穿梭时空过瘾又嚣张
万一有去无回怎么办
老实说有点紧张
啊啊
江山我站在云端
慢慢往中原方向
前方散落着村庄
长安在兵荒马乱
望着天眼看
北斗七星坠入地平线
瞬间英雄豪杰
犹如鬼魅般地出现
我呸谁也不服谁
我是龟你是鳖
啦啦啦啦啦啦啦
妖兽扰乱人间秩序
血腥如浪潮般来袭
我小命差点没续集
还好有时光机
我谢谢你
人魔开始重出地狱
叛军如野火般攻击
五官差点离开身体
还好有时光机
我谢谢你
MUSIC
曹魏枭雄在
蜀汉多人才
东吴将士怪
七星连环散
诸葛亮的天命不来
这些书都有记载
不是我在乱掰
等到东方鱼肚白
我再来跟你说
嗨嗨
嘴里有刀
说破歌谣
千年恩怨
一笔勾销
生命潦草
我在弯腰
历史轮回
转身忘掉
黄巾贼
你不要吵我
倭咱姥姥和水擀面条生命潦草
我在弯腰
历史轮回
转身忘掉
黄巾贼
你不要闹我
咱姥姥烧柴煮水饺
放下刀
若想吃饱
去找皇帝老爷讨
妖兽扰乱人间秩序
血腥如浪潮般来袭
我小命差点没续集
还好有时光机
我谢谢你
人魔开始重出地狱
叛军如野火般攻击
五官差点离开身体
还好有时光机
我谢谢你
MUSIC
妖兽扰乱人间秩序
血腥如浪潮般来袭
我小命差点没续集
还好有时光机
我谢谢你
人魔开始重出地狱
叛军如野火般攻击
五官差点离开身体
还好有时光机
我谢谢你
妖兽扰乱人间秩序
血腥如浪潮般来袭
我小命差点没续集
还好有时光机
我谢谢你
嘴里有刀
说破歌谣
嘴里有刀
说破歌谣
千年恩怨
一笔勾销
千年恩怨
一笔勾销
生命潦草
我在弯腰
生命潦草
我在弯腰
历史轮回
转身忘掉
历史轮回
转身忘掉
我在阴暗中降落
世界在雨中淹没
画面与现实交错
无法抽离卡在胸口
躯壳如行尸走肉
陷阱旋涡我已受够
挣脱逃离这个空洞
如果我冲出黑幕笼罩的天空
就别 想 在捆绑我的自由
在狂风之中 嘶吼
作困兽之斗
我奋力冲破
封闭的思绪震开裂缝
燃烧的花朵 升空
消失在空中
记忆在剥落
残留的影响轮廓
溃散在薄雾中
我在阴暗中降落
世界在雨中淹没
画面与现实交错
无法抽离卡在胸口
躯壳如行尸走肉
陷阱旋涡我已受够
挣脱逃离这个空洞
如果我冲出黑幕笼罩的天空
就别 想 在捆绑我的自由
在狂风之中 嘶吼
作困兽之斗
我奋力冲破
封闭的思绪震开裂缝
燃烧的花朵 升空
消失在空中
记忆在剥落
残留的影响轮廓
溃散在薄雾中
在狂风 之中 嘶吼
作困兽之斗
我奋力冲破
封闭的思绪震开裂缝
燃烧的花朵 升空
消失在空中
记忆在剥落
残留的影响轮廓
溃散在薄雾中
琥珀色黄昏像糖在很美的远方
你的脸没有化装我却疯狂爱上
思念跟影子在傍晚一起被拉长
我手中那张入场圈陪我数羊
薄荷色草地芬芳像风没有形状
我却能够牢记你的气质跟脸庞
冷空气跟琉璃在清晨很有透明感
像我的喜欢被你看穿
摊位上一朵艳阳
我悄悄出现你身旁
你慌乱的模样我微笑安静欣赏
我顶着大太阳 只想为你撑伞 你靠在我肩膀 深呼吸怕遗忘
因为捞鱼的蠢游戏我们开始交谈 多希望话题不断园游会永不打烊
气球在我手上 我牵着你瞎逛 有话想对你讲 你眼睛却装忙
连蛋糕跟你嘴角果酱我都想要尝
园游会影片在播放 这个世界约好一起逛
琥珀色黄昏像糖在很美的远方
你的脸没有化装我却疯狂爱上
思念跟影子在傍晚一起被拉长
我手中那张入场圈陪我数羊
薄荷色草地芬芳像风没有形状
我却能够牢记你的气质跟脸庞
冷空气跟琉璃在清晨很有透明感
像我的喜欢被你看穿
摊位上一朵艳阳
我悄悄出现你身旁
你慌乱的模样我微笑安静欣赏
我顶着大太阳 只想为你撑伞 你靠在我肩膀 深呼吸怕遗忘
因为捞鱼的蠢游戏我们开始交谈 多希望话题不断园游会永不打烊
气球在我手上 我牵着你瞎逛 有话想对你讲 你眼睛却装忙
连蛋糕跟你嘴角果酱我都想要尝
园游会影片在播放 这个世界约好一起逛
光 轻如纸张
光 散落地方
光 在掌声渐息中他慌忙
他在传唱
不堪的伤
脚本在台上
演出最后一场
而全村人们在座位上
静静的看时间如何遗弃这剧场
战火弄脏他的泪光
谁在风中
吵着吃糖
这故事一开始的镜头灰尘就已经遮蔽了阳光
呀 恐惧刻在孩子们脸上
麦田已倒向战车经过的方向
蒲公英的形状在飘散
它绝望的飞翔
她只唱只想这首止战之殇
恶夜燃烛光
天破息战乱
殇歌传千里
家乡平饥荒
天真在这条路上
跌跌撞撞
他被芒草割伤
孩子们眼中的希望是什么形状
是否醒来有面包跟早餐
再喝碗面汤
农夫们烧毁土地跟村庄 终于拿起枪
他却慢慢习惯放弃了抵抗
孩子们眼中的希望
是什么形状
是否院子有秋千可以荡
口袋里有糖
刺刀的光被仇恨所擦亮在远方野蛮
而他却微笑着不知道慌张
恐惧刻在孩子们脸上
麦田已倒向战车经过的方向
蒲公英的形状在飘散
它绝望的飞翔
她只唱只想这首止战之殇
恶夜燃烛光
天破息战乱
殇歌传千里
家乡平饥荒
天真在这条路上
跌跌撞撞
他被芒草割伤
孩子们眼中的希望是什么形状
是否醒来有面包跟早餐
再喝碗面汤
农夫们烧毁土地跟村庄 终于拿起枪
他却慢慢习惯放弃了抵抗
孩子们眼中的希望
是什么形状
是否院子有秋千可以荡
口袋里有糖
刺刀的光被仇恨所擦亮在远方野蛮
而他却微笑着不知道慌张
孩子们眼中的希望
是什么形状
是否院子有秋千可以荡 天真在这条路上
口袋里有糖 跌跌撞撞,他被芒草割伤
农夫们烧毁土地跟村庄
终于拿起枪
他却慢慢习惯 天真在这条路上
放弃了抵抗 跌跌撞撞
他被芒草割伤
他被芒草割伤
我可以对着墙壁让拳头叛逆
呼吸天窗玻璃打开我的身体
这里引擎声就像是一种乐器
加足了马力飘到底看仔细
零到一百公里谁敢与我为敌
我用第一人称在飘移青春
输跟赢的分寸计算的很准
我踏上风火轮在飘移青春
故事中的我们在演自己的人生
得飘得飘得咿的飘
得飘得飘得咿的飘
我绕过山腰雨声敲敲
我绕过山腰雨声敲敲
得飘得飘得咿的飘
找支笔写下日记记录勇气
我可以对着墙壁让拳头叛逆
呼吸天窗玻璃打开我的身体
这里引擎声就像是一种乐器
所以风呼啸而过刺激
所以我在转弯飘移
加足了马力飘到底看仔细
零到一百公里谁敢与我为敌
我用第一人称在飘移青春
输跟赢的分寸计算的很准
我踏上风火轮在飘移青春
故事中的我们在演自己的人生
实力没办法模拟飘移
人车一体飘移
笑看后视镜的自己啊
点火继续事关荣誉
我除了第一其他没有兴趣
得飘得飘得咿的飘
我安静的喝饮料轻松的笑
我用第一人称在飘移青春
输跟赢的分寸计算得很精准
我踏上风火轮在飘移青春
故事中的我们在演自己的人生
得飘得飘得咿的飘
得飘得飘得咿的飘
我绕过山腰雨声敲敲
我绕过山腰雨声敲敲
得飘得飘得咿的飘
得飘得飘得咿的飘
再开进隧道风声潇潇
再开进隧道风声潇潇
后视镜里的世界
越来越远的道别
你转身向背
侧脸还是很美
我用眼光去追
竟听见你的泪
在车窗外面排徊
是我错失的机会
你站的方位
跟我中间隔着泪
街景一直在后退
你的崩溃在窗外零碎
我一路向北
离开有你的季节
你说你好累
已无法再爱上谁
风在山路吹
过往的画面
全都是我不对
细数惭愧我伤你几回
后视镜里的世界
越来越远的道别
你转身向背
侧脸还是很美
我用眼光去追
竟听见你的泪
在车窗外面排徊
是我错失的机会
你站的方位
跟我中间隔着泪
街景一直在后退
你的崩溃在窗外零碎
我一路向北
离开有你的季节
你说你好累
已无法再爱上谁
风在山路吹
过往的画面
全都是我不对
细数惭愧我伤你几回
我一路向北
离开有你的季节
方向盘周围
回转着我的后悔
我加速超越
却甩不掉紧紧跟随的伤悲
细数惭愧我伤你几回
停止狼狈就让错纯粹
一路向北 一路向北
一群嗜血的螞蟻被腐肉所吸引
我面無表情看孤獨的風景
失去妳　愛開始分明
失去妳　還有什麼事好關心
那鴿子不再象徵和平
我終於被提醒　捆著手我現在是奴隸
我用漂亮的押韻形容被掠奪一空的愛情
啊
我應該藏這裡　夜色不乾淨
還給你整夜的回憶　佔滿天的星
送你的白色玫瑰　在純黑的花季凋零
午夜在樹枝上詭異的很安靜　　
傾聽　我黑色的大衣　像我的妳
衣櫛比鱗的鬼　走過的走過的生命
啊四周瀰漫霧氣
啊我在空曠的墓地
老去後還愛你
為你彈奏蕭邦的夜曲
紀念我死去的愛情
跟夜風一樣的聲音
心碎的很好聽
手在鍵盤敲鋼琴
我給的思念太小心
你埋葬的地方就有你
為你彈奏蕭邦的夜曲
紀念我死去的愛情
而我為你隱姓埋名
在月光下彈琴
對妳心跳的感應
還是如此溫熱親近
懷念你那鮮紅的唇印
懐唸苁葥
总褆看旳簡單
J` 我在想伱 那伱呢?`
那些斷翅的蜻蜓　散落在這森林
而我的眼睛　沒有絲毫同情
失去妳　淚水混濁無情
失去妳　我連笑容都有陰影
我站在滿心期待的屋頂
嘲笑我的傷心
像一口沒有水的枯井
我用盡我的自信
要我後悔莫急等待愛情
為你彈奏蕭邦的夜曲
紀念我死去的愛情
跟夜風一樣的聲音
心碎的很好聽
手在鍵盤敲鋼琴
我給的思念太小心
你埋葬的地方就有你
為你彈奏蕭邦的夜曲
紀念我死去的愛情
而我為你隱姓埋名
在月光下彈琴
對妳心跳的感應
還是如此溫熱親近
懷念你那鮮紅的唇印
一群嗜血的螞蟻被腐肉所吸引
我面無表情看孤獨的風景
失去妳　愛開始分明
失去妳　還有什麼事好關心
那鴿子不再象徵和平
我終於被提醒　捆著手我現在是奴隸
我用漂亮的押韻形容被掠奪一空的愛情
亘古长夜 善恶交接
我终于懂得流眼泪
洪荒世界 百分之七十都是水
湛蓝的 旷野
在海平面渴望满月
于是我终于学会告解
弥赛亚被世人误解
被分类 爱恨 从此敌对
远离风暴浩劫
在第三章第四节
我正在改写这世界
用观念进行侵略
我们占领整条街
粉刷海洋蓝的季节
一列 超高速的地铁
一路 训练我的听觉
消灭 那些 太琐碎 太异类
让问题尖锐 Oh
一双 狂奔中的球鞋
一路 强壮着我的肺
面对 这些 太威胁 太强烈
从来不喊累
九星联结 排成一列
在感动中我们忏悔
生命珍贵 我用那十四行诗赞美
年轻的 一切
我们在地平线感谢
爱停止向另一边倾斜
这首部曲的管弦乐
太凄美 终于 被人了解
远离风暴浩劫
耍狠不是靠对嘴
我就是传说中的谁
你跟我们很对味
有同一挂的感觉
其它人我根本不屑
一列 超高速的地铁
一路 训练我的听觉
消灭 那些 太琐碎 太异类
让问题尖锐 Oh
一双 狂奔中的球鞋
一路 强壮着我的肺
面对 这些 太威胁 太强烈
从来不喊累
一列 超高速的地铁
一路 训练我的听觉
消灭 那些 太琐碎 太异类
让问题尖锐 Oh
一双 狂奔中的球鞋
一路 强壮着我的肺
面对 这些 太威胁 太强烈
从来不喊累
一列 超高速的地铁
一路 训练我的听觉
消灭 那些 太琐碎 太异类
让问题尖锐 Oh
一双 狂奔中的球鞋
一路 强壮着我的肺
面对 这些 太威胁 太强烈
从来不喊累
狼牙月 伊人憔悴
我举杯 饮尽了风雪
是谁打翻前世柜 惹尘埃是非
缘字诀 几番轮回
你锁眉 哭红颜唤不回
纵然青史已经成灰 我爱不灭
繁华如三千东流水
我只取一瓢爱了解
只恋你化身的蝶
你发如雪 凄美了离别
我焚香感动了谁
邀明月 让回忆皎洁
爱在月光下完美
你发如雪 纷飞了眼泪
我等待苍老了谁
红尘醉 微醺的岁月
我用无悔 刻永世爱你的碑
你发如雪 凄美了离别
我焚香感动了谁
邀明月 让回忆皎洁
爱在月光下完美
你发如雪 纷飞了眼泪
我等待苍老了谁
红尘醉 微醺的岁月
狼牙月 伊人憔悴
我举杯 饮尽了风雪
是谁打翻前世柜 惹尘埃是非
缘字诀 几番轮回
你锁眉 哭红颜唤不回
纵然青史已经成灰 我爱不灭
繁华如三千东流水
我只取一瓢爱了解
只恋你化身的蝶
你发如雪 凄美了离别
我焚香感动了谁
邀明月 让回忆皎洁
爱在月光下完美
你发如雪 纷飞了眼泪
我等待苍老了谁
红尘醉 微醺的岁月
我用无悔 刻永世爱你的碑
我焚香感动了谁
邀明月 让回忆皎洁
爱在月光下完美
你发如雪 纷飞了眼泪
我等待苍老了谁
红尘醉 微醺的岁月
你发如雪 凄美了离别
我焚香感动了谁
邀明月 让回忆皎洁
爱在月光下完美
你发如雪 纷飞了眼泪
我等待苍老了谁
红尘醉 微醺的岁月
我用无悔 刻永世爱你的碑
啦儿啦 啦儿啦 啦儿啦儿啦
啦儿啦 啦儿啦 啦儿啦儿啦
铜镜映无邪 紮马尾
你若撒野 今生我把酒奉陪
啦儿啦 啦儿啦 啦儿啦儿啦
啦儿啦 啦儿啦 啦儿啦儿啦
铜镜映无邪 紮马尾
你若撒野 今生我把酒奉陪
一件黑色毛衣
两个人的回忆
雨过之后更难忘记
忘记我还爱你
你不用在意
流泪也只是刚好合意
我早已经待在谷底
我知道不能再留住你
也知道不能没有孤寂
感激你让我拥有缺点的美丽
看着那白色的蜻蜓
在空中忘了前进
还能不能 重新编织
脑海中起毛球的记忆
再说我爱你
可能雨也不会停
黑色毛衣
藏在那里
就让回忆永远停在 那里
一件黑色毛衣
两个人的回忆
雨过之后更难忘记
忘记我还爱你
你不用在意
流泪也只是刚好合意
我早已经待在谷底
我知道不能再留住你
也知道不能没有孤寂
感激你让我拥有缺点的美丽
看着那白色的蜻蜓
在空中忘了前进
还能不能 重新编织
脑海中起毛球的记忆
再说我爱你
可能雨也不会停
黑色毛衣
藏在那里
就让回忆永远停在 那里
看着那白色的蜻蜓
在空中忘了前进
还能不能 重新编织
脑海中起毛球的记忆
再说我爱你
可能雨也不会停
黑色毛衣
藏在那里
就让回忆永远停在 那里
就让回忆永远停在 那里
我的生活像 拍了一出戏
有超多导演跟编剧
只说了台词一句
而他们配了八百个语气
操控着我的情绪
那根本不是我的口气
想让观众看好戏
最后的目的
还不是在促进收视率
我不知道 我有没有勇气
拆下他们的面具
我只知道 好像
认真的男人最美丽
会不会一直演下去
到他们满意
啦～～～～～
oh oh 我不可能再回头
啦～～～～～
oh oh 我只能一直往前走
我在回家路上
看到路标指着演艺圈
如果选择往前走
我就必须强壮
走着走着 莫名其妙
冲出来好几只狗
我心想我什么时候 认养这么多只狗
他们咬着苹果 手里拿着长镜头
好像要对着我诉说什么 阴谋
会说话的狗 他说他是为了狗周刊
看能不能拍我 多换几根骨头
如果伤害我是你的天性
那怜悯是我的座右铭 狗～～～
需要我照亮你回家的路
那我会送你们手电筒 狗～～～
我告诉他们 八卦是会过去的
新闻是一时的 生活是永久的
音乐是会留下来的
我帮他们写了歌
因为我没写过保育动物之类的歌
我始终还是我 谁都改变不了我
虽然我知道很多弓箭手
想射下往上爬的我
当我到了山顶上头 谁都伤不了我
这些弓箭手 辛苦了你们提笔的手
我还是会把你们当朋友
因为我知道 这是你们大家的工作
加油 咬着苹果的狗
虽然不是我的对手
还是可以成为我的狗
啦～～～～～
oh oh 我不可能再回头
啦～～～～～
oh oh 我只能一直往前走
〖韩语Rap译文〗
〖为什么 我去哪里都会跟着跑〗
〖这些买卖人的人生的秘密〗
〖这种压力是不需要的〗
〖这首歌结束之前 我会决定怎么处理〗
〖从失去我的隐私权到烦恼我的家人被骚扰〗
〖该结束 因为反正你找不到你想找到的东西〗
啦～～～～～
oh oh 我不可能再回头
啦～～～～～
oh oh 我只能一直往前走
深怕没有了新闻
才学会开车 来跟踪别人
oh oh 为了什么
oh oh 为了骨头
偷窥别人的生活
自以为侦探 看太多柯南
oh oh 拍了什么
oh oh 什么都没有
乌云在我们心里搁下一块阴影
我聆听沉寂已久的心情
清晰透明 就像美丽的风景
总在回忆里才看的清
被伤透的心能不能够继续爱我
我用力牵起没温度的双手
过往温柔 已经被时间上锁
只剩挥散不去的难过
缓缓飘落的枫叶像思念
我点燃烛火温暖岁末的秋天
极光掠夺天边
北风掠过想你的容颜
我把爱烧成了落叶
却换不回熟悉的那张脸
缓缓飘落的枫叶像思念
为何挽回要赶在冬天来之前
爱你穿越时间
两行来自秋末的眼泪
让爱渗透了地面
我要的只是你在我身边
被伤透的心能不能够继续爱我
我用力牵起没温度的双手
过往温柔 已经被时间上锁
只剩挥散不去的难过
在山腰间飘逸的红雨
随着北风凋零
我轻轻摇曳风铃
想 唤醒被遗弃的爱情
雪花已铺满了地
深怕窗外枫叶已结成冰
缓缓飘落的枫叶像思念
我点燃烛火温暖岁末的秋天
极光掠夺天边
北风掠过想你的容颜
我把爱烧成了落叶
却换不回熟悉的那张脸
缓缓飘落的枫叶像思念
为何挽回要赶在冬天来之前
爱你穿越时间
两行来自秋末的眼泪
让爱渗透了地面
我要的只是你在我身边
轻轻放
我就是卸不下对你的喜欢
原来爱会慢慢增加重量
想关上这城市所有的灯光
黑暗中专心闻你的发香
这夜晚 让暗恋很有画面感
回想
与你约会过的地方
有舍不得删
在脑海里储存欣赏
你微笑浏览手机里的浪漫
原来真心送出爱是这么简单
温习银幕上
你可爱的模样
关于缘分的解释 我又多传了一行
你微笑浏览手机里的浪漫
原来爱情可以来得这么突然
短信的桥梁
将暧昧期拉长
我们的感情蔓延滋长用文字培养
在虚拟土壤
电视唱
吵杂的情歌还在拼命播放
我安静在闹区等来电铃响
有一些话打好了却不敢传
怕收到信息的你在为难
街道上 人潮衬托我的孤单
想象
谁幸运的陪在你身旁
却误会一场
你也在等你手机响
你微笑浏览 手机里的浪漫
原来真心送出爱是这么简单
温习银幕上 你可爱的模样
关于缘份的解释我又多传了一行
你微笑浏览 手机里的浪漫
原来爱情可以来的这么突然
短信的桥梁 将暧昧期拉长
我们的感情蔓延滋长用文字培养
在虚拟土壤 在虚拟土壤
music
这生命 对每个人
都不公平 也没道理
只能扑向 泥泞迎向
那阵骤雨 由不得你
yeah
突来的骤雨 这条街一路泥泞
就像人生 不过是一场即兴
整个世界 正在对我们挑衅
就算如此 还是得无惧前进
手中的邮报 封面的人在微笑
下个路口 生命在暗巷尖叫
活着只是 油墨上面的一角
明天之后 还有谁翻阅的的到
我跟你用不同方式
踩过前方带刺荆棘
你嚣张不畏惧退缩
我低头沉默却坚定
用力的还击 发出声音
让他们安静不敢相信 继续前进
他们畏惧 睁大眼睛
他们躲避 难道放弃
专心聆听 我的声音
这生命 对每个人
都不公平 也没道理
只能扑向 泥泞迎向
那阵骤雨 由不得你
如果生命 对每个人
都不公平 也没道理
那就让我 带着孤寂
继续前进 直到光明
wo wo
我只有一种容貌 我就是永远不会倒
我就算逆境环绕 我面对也要带着
我只有一种咆哮
我要让他们都知道
我生命再怎么粗糙
我都要活的很骄傲
我说自尊那 看起来或许可笑
但它至少支着我，试着不让我颠倒
活着如果只是不甘寂静的喧嚣
那就咆哮吧 让每个人都听得到那就咆哮吧 让每个人都听得到
用力的还击 发出声音
让他们安静不敢相信 继续前进
他们畏惧 睁大眼睛
他们躲避 难道放弃
专心聆听 我的声音
这生命 对每个人
都不公平 也没道理
只能扑向 泥泞迎向
那阵骤雨 由不得你
如果生命 对每个人
都不公平 也没道理
那就让我 带着孤寂
继续前进 直到光明
这生命 对每个人
都不公平 也没道理
只能扑向 泥泞迎向
那阵骤雨 由不得你
如果生命 对每个人
都不公平 也没道理
那就让我 带着孤寂
继续前进 直到光明
这生命 对每个人
都不公平 也没道理
只能扑向 泥泞迎向
那阵骤雨 由不得你
如果生命 对每个人
都不公平 也没道理
那就让我 带着孤寂
继续前进
这蜿蜒的微笑拥抱山丘
溪流跟风唱起歌
我像田园诗人般
解读眼前的生活 你好
麦田弯腰低头在垂钓温柔
这整座山谷都是风笛手
我在哑口聆听传说
跟着童话故事走
远方的风车
远距离诉说
那幸福在深秋
满满的被收割
老仓库的角落
我们数着
一麻袋的爱跟快乐
初恋的颜色
我牵着你的手经过
种麦芽糖的山坡
香浓的诱惑 你脸颊微热
吐气在我的耳朵
摘下麦芽糖熟透
我醒来还笑着
开心的 被黏手
我满嘴 都是糖果
牵着你的手经过
种麦芽糖的山坡
甜蜜的四周 我低头害羞
我们愉快的梦游
我在草地上喝着
麦芽糖酿的酒
鲜嫩的 小时候
我好想 再咬一口
这蜿蜒的微笑拥抱山丘
溪流跟风唱起歌
我像田园诗人般
解读眼前的生活 你好
麦田弯腰低头在垂钓温柔
这整座山谷都是风笛手
我在哑口聆听传说
跟着童话故事走
远方的风车
远距离诉说
那幸福在深秋
满满的被收割
老仓库的角落
我们数着
一麻袋的爱跟快乐
初恋的颜色
我牵着你的手经过
种麦芽糖的山坡
香浓的诱惑 你脸颊微热
吐气在我的耳朵
摘下麦芽糖熟透
我醒来还笑着
开心的 被黏手
我满嘴 都是糖果
牵着你的手经过
种麦芽糖的山坡
甜蜜的四周 我低头害羞
我们愉快的梦游
我在草地上喝着
麦芽糖酿的酒
鲜嫩的 小时候
我好想 再咬一口
牵着你的手经过
种麦芽糖的山坡
甜蜜的四周 我低头害羞
我们愉快的梦游
我在草地上喝着
麦芽糖酿的酒
鲜嫩的 小时候
我好想 再咬一口
＜泰语＞我爱你～
我满嘴 都是糖果
我好想 再咬一口
珊瑚海
周杰伦
海平面远方开始阴霾
悲伤要怎么平静纯白
我的脸上 始终挟带
一抹浅浅的无奈
梁心颐
你用唇语说你要离开 情不在
合
那难过无声慢了下来
汹涌潮水 你听明白
不是浪而是泪海
合
转身离开
你有话说不出来 分手说不出来
海鸟跟鱼相爱
只是一场意外
我们的爱 给的爱
差异一直存在 回不来
风中尘埃
等待 竟累积成伤害
合
转身离开
分手说不出来 分手说不出来
蔚蓝的珊瑚海
错过瞬间苍白
当初彼此 你我都
不够成熟坦白 不应该
热情不再
你的 笑容勉强不来
爱深埋珊瑚海
周杰伦
毁坏的沙雕如何重来
有裂痕的爱怎么重盖
只是一切 结束太快
你说你无法释怀
梁心颐
贝壳里隐藏什么期待 等花儿开
合
我们也已经无心再猜
面向海风 面向海风 咸咸的爱 咸咸的爱
合
尝不出还有未来
转身离开
你有话说不出来 分手说不出来
海鸟跟鱼相爱
只是一场意外
我们的爱 给的爱
差异一直存在 回不来
风中尘埃
等待 竟累积成伤害
转身离开
分手说不出来 分手说不出来
蔚蓝的珊瑚海
错过瞬间苍白
当初彼此 你我都
不够成熟坦白 不应该
热情不再
你的 笑容勉强不来
爱深埋珊瑚海
飘移
哈哈哈哈哈哈
哈哈哈哈哈哈
hey hey 旁边那什么车？
哈哈哈,我来问他一下好了！
找支笔　写下日记　记录勇气　
我可以　对着墙壁　让拳头叛逆
呼吸　天窗玻璃　打开我的身体　
这里　引擎声就像是一种乐器
所以　风呼啸而过刺激　
所以　我在转弯飘移
加足了马力　飙到底　看仔细
零到一百公里　谁敢与我为敌
我用第一人称　在飘移青春
输跟赢的分寸　计算的很精准
我踏上风火轮　在飘移青春
故事中的我们　在演自己的人生
胜败的对比　是残酷的可以
运气　从来就不在我这里
实力没办法模拟　飘移　
人车一体　飘移
笑看后视镜的自己　啊
点火　继续　事关　荣誉
我除了　第一　其它没有　兴趣
得飘　得飘　得咿的飘
我安静的喝饮料　轻松的笑
我用第一人称　在飘移青春
输跟赢的分寸　计算的很精准
我踏上风火轮　在飘移青春
故事中的我们　在演自己的人生
得飘　得飘　得咿的飘　
得飘　得飘　得咿的飘
我绕过山腰　雨声敲敲　
我绕过山腰　雨声敲敲
得飘　得飘　得咿的飘　
得飘　得飘　得咿的飘
再开进隧道　风声潇潇　
再开进隧道　风声潇潇
我用第一人称　在飘移青春
输跟赢的分寸　计算的很精准
我踏上风火轮　在飘移青春
故事中的我们　在演自己的人生
后视镜里的世界
越来越远的道别
你转身向背
侧脸还是很美
我用眼光去追
竟听见你的泪
在车窗外面徘徊
是我错失的机会
你站的方位
跟我中间隔着泪
街景一直在后退
你的崩溃在窗外零碎
我一路向北
离开有你的季节
你说你好累
已无法再爱上谁
风在山路吹
过往的画面
全都是我不对
细数惭愧 我伤你几回
后视镜里的世界
越来越远的道别
你转身向背
侧脸还是很美
我用眼光去追
竟听见你的泪
在车窗外面徘徊
是我错失的机会
你站的方位
跟我中间隔着泪
街景一直在后退
你的崩溃在窗外零碎
我一路向北
离开有你的季节
你说你好累
已无法再爱上谁
风在山路吹
过往的画面
全都是我不对
细数惭愧 我伤你几回
我一路向北
离开有你的季节
方向盘周围
回转着我的后悔
我加速超越
却甩不掉紧紧跟随的伤悲
细数惭愧 我伤你几回
停止狼狈 就让错纯粹
喝～命有几回合 擂台等着
生死状 赢了什么 冷笑着
天下谁的 第一又如何
止干戈 我辈尚武德
我的～拳脚了得
却奈何徒增虚名一个
江湖难测 谁是强者
谁争一统武林的资格
小城里岁月流过去
清澈地涌起
洗涤过的回忆
我记得你
骄傲地活下去
霍霍 霍霍霍 霍霍霍
霍家拳的套路招式灵活
活活 活活活 活活活
活着生命就该完整地过
过过 过过过 过过过
过错软弱从来不属于我
我我 我我我 我我我
我们精武出手无人能躲
MusicMusic
喝～命有几回合 擂台等着
生死状 赢了什么 冷笑着
天下谁的 第一又如何
止干戈 我辈尚武德
我的～拳脚了得
却奈何徒增虚名一个
江湖难测 谁是强者
谁争一统武林的资格
小城里岁月流过去
清澈地涌起
洗涤过的回忆
我记得你
骄傲地活下去
霍霍 霍霍霍 霍霍霍
霍家拳的套路招式灵活
活活 活活活 活活活
活着生命就该完整地过
过过 过过过 过过过
过错软弱从来不属于我
我我 我我我 我我我
我们精武出手无人能躲
MusicMusic
霍霍 霍霍霍 霍霍霍
霍家拳的套路招式灵活
活活 活活活 活活活
活着生命就该完整地过
过过 过过过 过过过
过错软弱从来不属于我
我我 我我我 我我我
我们精武出手无人能躲
霍霍 霍霍霍 霍霍霍
霍家拳的套路招式灵活
活活 活活活 活活活
活着生命就该完整地过
过过 过过过 过过过
过错软弱从来不属于我
我我 我我我 我我我
我们精武出手无人能躲
我没有胆挂念
你没有心见面
试问我可以去边
只要我出现
只怕你不便
亦连累你丢脸
你是我的秘密
我是你的废物
缺席也不算损失
今晚你生日
祝我有今日
地球上快消失
眼泪还是留给天抚慰
你是前度何必听我吠
再不走有今生无下世
你是否想我起这个毒誓
宁愿失恋亦不想失礼
难道要对着你力歇声嘶
即使不抵 都要眼闭
我这种身世 有甚么资格 献世
你是我的秘密
我是你的废物
缺席也不算损失
今晚你生日
祝我有今日
地球上快消失
眼泪还是留给天抚慰
你是前度何必听我吠
再不走有今生无下世
你是否想我起这个毒誓
宁愿失恋亦不想失礼
难道要对着你力歇声嘶
即使不抵 都要眼闭
我这种身世 有甚么资格 献世
即使不抵 都要眼闭
我这种身世 有甚么资格 献世
1983年小巷
12月晴朗
夜的第七章
打字机继续推向接近事实的那下一行
石楠烟斗的雾
飘向枯萎的树
沉默地对我哭诉
贝克街旁的圆形广场
盔甲骑士背上
鸢尾花的徽章 微亮
无人马车声响
深夜的拜访
邪恶在 维多利亚的月光下
血色的开场
消失的手枪
焦黑的手杖
融化的蜡像谁不在场
珠宝箱上 符号的假象
矛盾通往 他堆砌的死巷
证据被完美埋葬
那嘲弄苏格兰警场 的嘴角上扬
如果邪恶 是华丽残酷的乐章
它的终场 我会亲手写上
晨曦的光 风干最后一行忧伤
黑色的墨 染上安详
事实只能穿向
没有脚印的土壤
突兀的细微花香
刻意显眼的服装
每个人为不同的理由戴着面具说谎
动机也只有一种名字 那 叫做欲望
fafade fade fafa
dedefa fade fafa
越过人性的沼泽
谁真的可以不被弄脏
我们可以 遗忘 原谅 但必须 知道真相
被移动过的铁床 那最后一块图终于拼上
我听见脚步声 预料的软皮鞋跟
他推开门 晚风晃了 煤油灯 一阵
打字机停在凶手的名称我转身
西敏寺的夜空 开始沸腾
在胸口绽放 艳丽的 死亡
我品尝着最后一口甜美的 真相
微笑回想正义只是安静的伸张
提琴在泰晤士
如果邪恶 是华丽残酷的乐章
它的终场 我会亲手写上
黑色的墨 染上安详
如果邪恶
是华丽残酷的乐章
它的终场 我会亲手写上
晨曦的光
风干最后一行忧伤
黑色的墨染上安详
黑色的墨染上安详
小朋友 你是否有很多问号
为什么 别人在那看漫画
我却在学画画 对着钢琴说话
别人在玩游戏 我却靠在墙壁背我的ABC
我说我要一台大大的飞机
但却得到一只旧旧录音机
为什么要听妈妈的话
长大后你就会开始懂了这段话 哼
长大后我开始明白
为什么我 跑得比别人快
飞得比别人高
将来大家看的都是我画的漫画
大家唱的都是 我写的歌
妈妈的辛苦 不让你看见
温暖的食谱在她心里面
有空就多多握握她的手
把手牵着一起梦游
听妈妈的话 别让她受伤
想快快长大 才能保护她
美丽的白发 幸福中发芽
天使的魔法 温暖中慈祥
在你的未来 音乐是你的王牌
拿王牌谈个恋爱
而我不想把你教坏
还是听妈妈的话吧
晚点再恋爱吧
我知道你未来的路
但妈比我更清楚
你会开始学其他同学
在书包写东写西
但我建议最好写妈妈
我会用功读书
用功读书 怎么会从我嘴巴说出
不想你输 所以要叫你用功读书
妈妈织给你的毛衣 你要好好的收着
因为母亲节到的时候我要告诉她我还留着
对了！我会遇到了周润发
所以你可以跟同学炫耀
赌神未来是你爸爸
我找不到 童年写的情书
你写完不要送人
因为过两天你会在操场上捡到
你会开始喜欢上流行歌
因为张学友开始准备唱《吻别》
听妈妈的话 别让她受伤
想快快长大 才能保护她
美丽的白发 幸福中发芽
天使的魔法 温暖中慈祥
听妈妈的话 别让她受伤
想快快长大 才能保护她
长大后我开始明白
为什么我 跑得比别人快
飞得比别人高
将来大家看的都是我画的漫画
大家唱的都是 我写的歌
妈妈的辛苦 不让你看见
温暖的食谱在她心里面
有空就多多握握她的手
把手牵着一起梦游
听妈妈的话 别让她受伤
想快快长大 才能保护她
美丽的白发 幸福中发芽
天使的魔法 温暖中慈祥
屋檐如悬崖
风铃如沧海
我等燕归来
时间被安排
演一场意外
你悄然走开
故事在城外
浓雾散不开
看不清对白
你听不出来
风声不存在
是我在感慨
梦醒来
是谁在窗台
把结局打开
那薄如蝉翼的未来
经不起谁来拆
我送你离开
千里之外
你无声黑白
沉默年代
或许不该
太遥远的相爱
我送你离开
天涯之外
你是否还在
琴声何来
生死难猜
用一生去等待
闻泪声入林
寻梨花白
只得一行
青苔
天在山之外
雨落花台
我两鬓斑白
闻泪声入林
寻梨花白
只得一行
青苔
天在山之外
雨落花台
我等你来
一身琉璃白
透明着尘埃
你无瑕的爱
你从雨中来
诗化了悲哀
我淋湿现在
芙蓉水面采
船行影犹在
你却不回来
被岁月覆盖
你说的花开
过去成空白
梦醒来
是谁在窗台
把结局打开
那薄如蝉翼的未来
经不起谁来拆
我送你离开
千里之外
你无声黑白
沉默年代
或许不该
太遥远的相爱
我送你离开
天涯之外
你是否还在
琴声何来
生死难猜
用一生去等待
我送你离开
千里之外
你无声黑白
沉默年代
或许不该
太遥远的相爱
我送你离开
天涯之外
你是否还在
琴声何来
生死难猜
用一生去等待
如果华佗再世 崇洋都被医治
外邦来学汉字 激发我民族意识
马钱子决明子苍耳子还有莲子
黄药子苦豆子川楝子我要面子
用我的方式改写一部历史
没什么别的事 跟着我念几个字
山药当归枸杞 GO 山药当归枸杞 GO
看我抓一把中药 服下一帖骄傲
我表情悠哉跳个大概
动作轻松自在你学不来
霓虹的招牌调整好状态
在华丽的城市等待醒来
我表情悠哉跳个大概
用书法书朝代内力传开
豪气挥正楷给一拳对白
结局平躺下来看谁厉害
……
练成什么丹 练成什么丸
鹿茸切片不能太薄
老师傅的手法不能这样乱抄
龟苓膏云南白药还有冬虫夏草
自己的音乐自己的药份量刚刚好
听我说中药苦抄写应该更苦
快翻开本草纲目多看一些善本书
蟾苏地龙已翻过江湖
这些老祖宗的辛苦我们一定不能输
就是这个光 就是这个光 一起唱
就是这个光 就是这个光 嘿
让我来调个偏方
专治你媚外的内伤
已扎根千年的汉方
有别人不知道的力量
我表情悠哉跳个大概
动作轻松自在你学不来
霓虹的招牌调整好状态
在华丽的城市等待醒来
嘿 我表情悠哉跳个大概
用书法书朝代内力传开
豪气挥正楷给一拳对白
结局平躺下来看谁厉害
哼 ……
蹲小僵尸蹲小僵尸蹲
又蹲小僵尸蹲暗巷点灯
又蹲小僵尸蹲钻萝卜坑
又蹲小僵尸蹲念咒语哼
蹲小僵尸蹲小僵尸蹲
又蹲小僵尸蹲暗巷点灯
又蹲小僵尸蹲钻萝卜坑
又蹲小僵尸蹲念咒语哼
啦啦啦啦啦
天空灰得像哭过
离开你以后 并没有更自由
酸酸的空气 嗅出我们的距离
一幕锥心的结局 像呼吸般无法停息
抽屉泛黄的日记 榨干了回忆
那笑容是夏季
你我的过去 被顺时针地忘记
缺氧过后的爱情 粗心的眼泪是多余
我知道你我都没有错
只是忘了怎么退后
信誓旦旦给了承诺
却被时间扑了空
我知道我们都没有错
只是放手会比较好过
最美的爱情 回忆里待续
天空灰得像哭过
离开你以后 并没有更自由
酸酸的空气 嗅出我们的距离
一幕锥心的结局 像呼吸般无法停息
抽屉泛黄的日记 榨干了回忆
那笑容是夏季
你我的过去 被顺时针地忘记
缺氧过后的爱情 粗心的眼泪是多余
我知道你我都没有错
只是忘了怎么退后
信誓旦旦给了承诺
却被时间扑了空
我知道我们都没有错
只是放手会比较好过
最美的爱情 回忆里待续
我知道你我都没有错
只是忘了怎么退后
信誓旦旦给了承诺
却被时间扑了空
我知道我们都没有错
只是放手会比较好过
最美的爱情 回忆里待续
中国风的歌曲 有增无减
是好是坏问方文山最清楚
从娘子唱到双截棍 东风破到发如雪
一路走来 始终如一
多样的的曲风 独爱中国风
我坚持风格我活在我的世界 谁都插不上嘴
唱反调 是我的本性 出其不意是我的个性
就算我站在山顶 也只不过是个平民老百姓
但我的肩膀 会有两块空地那就是勇气与毅力
我要做音乐上的皇帝
哼哼哈兮 哼哼哈兮哼哼哈兮哼哼哈兮
下坡的路 不费工夫 别人已经帮你铺路
但我选择了上坡因为我取名叫自负
谦虚和那虚伪 就只差一个字歌词有点分不清
因为我喜欢真实的自己
我不能够后退 因为不是绿叶
如果只是点缀 愿当皎洁明月
小草等待风吹 不用靠你的背
假如天会很黑 我会请嫦娥奔月
为什么写这首歌 我现在还找不到动机
不过用心听下去你会觉得更有意义
如果你对未来产生恐惧
眼前雾蒙蒙一片
那是因为你没把眼镜给擦干净
勇敢走下去这首歌会陪你前进
我常常在想 宇宙只有一颗太阳
为什么我的影子这么多
这么想 战胜幻像 和我一样
喜欢模仿 的朋友们 崇拜是件好事 欣赏是种美德
但走在我后面 我很担心 别人会看不见你
到最后只是一个接一个的分身
这样的鼓励 是否太直接太讽刺
老师在讲 到底有没有在听啊
我告诉你 做自己胜于跟太紧
最大的敌人 就是那内心的自己
我不能够后退 因为不是绿叶
如果只是点缀 愿当皎洁明月
小草等待风吹 不用靠你的背
假如天会很黑 我会请嫦娥奔月
哎哟哎哟喔 哎哟哎哟喔喔
哎哟 不错啊
哎哟哎哟喔 哎哟哎哟喔喔
哎哟 好久不见
哎哟哎哟喔 哎哟哎哟喔喔
哎哟 的意思是
哎哟哎哟喔 哎哟哎哟喔喔
就是你没话讲了 都可以 哎哟
哎哟哎哟喔 哎哟哎哟喔喔……
嘿
上梢的月牙
白色的竹篱笆
好想告诉我的她
这里像幅画
去年的圣诞卡
记忆在你的芜杂
画面开始没有她
我还在装傻 噢
说好为我跑挖草
学习摆弄它
学生宿舍空荡荡的角
守着电话却等不到她
心里的雨倾盆的下
也沾不湿她的发
本应该明显跟上的牵挂
那伤心原来没有时差
心里的雨倾盆的下
却始终淋不到她
寒风经过院子里的枝芽
也冷却了我手中的鲜花
上梢的黑月牙
白色的竹篱笆
好想告诉我的她
这里像幅画
去年的圣诞卡
记忆在你的芜杂
画面开始没有她
我还在装傻
说好为我跑挖草
学习摆弄它
学生宿舍空荡荡的角
守着电话却等不到她
心里的雨倾盆的下
也沾不湿她的发
本应该明显跟上的牵挂
那伤心原来没有时差
心里的雨倾盆的下
却始终淋不到她
寒风经过院子里的枝芽
也冷却了我手中的鲜花
心里的雨倾盆的下
也沾不湿她的发
本应该明显跟上的牵挂
那伤心原来没有时差
心里的雨倾盆的下
却始终淋不到她
寒风经过院子里的枝芽
也冷却了我手中的鲜花
END☆☆
☆支持正版☆!
☆支持正版☆!
白色的风车
安静地转着
真实的感觉
梦境般遥远
甜甜的海水
复杂的眼泪
看你傻笑着
握住我的手
梦希望没有尽头
我们走到这就好
因为我不想太快走完这幸福
很可惜没有祝福
当爱你并不孤独
不会再让你哭
我背你走到最后
能不能不要回头
你紧紧地抱住我
说你不需要承诺
你说我若一个人会比较自由
我不懂你说什么
反正不会松手
我背你走到最后
能不能别想太多
会不会手牵着手
晚一点才到尽头
你说不该再相见只为了瞬间
谢谢你让我听见
因为我在等待永远
白色的风车
安静地转着
真实的感觉
梦境般遥远
甜甜的海水
复杂的眼泪
看你傻笑着
握住我的手
很可惜没有祝福
当爱你并不孤独
不会再让你哭
我背你走到最后
能不能不要回头
你紧紧地抱住我
说你不需要承诺
你说我若一个人会比较自由
我不懂你说什么
反正不会松手
我背你走到最后
能不能别想太多
会不会手牵着手
晚一点才到尽头
你说不该再相见只为了瞬间
谢谢你让我听见
因为我在等待永远
谢谢你让我听见
因为我在等待永远
你的嘴角
微微上翘
性感地无可救药
想象不到
如此心跳
你的一切都想要
开心的意料
神圣的祈祷
我将给你的信号
已陪你装出个吊
这里最不可缺就是人呢
你想起
给拥抱
烛火在燃烧
用梦中轻佻眼神
试瞧了几秒
关于你的舞蹈
你慵懒的扭动肢腰
受不了
你随风飘扬的笑
有迷迭香的味道
离开薄荷味的撒娇
对我发出恋爱的讯号
你优雅地像一只猫
动作轻盈地围绕
爱的甜味蔓延发酵
暧昧 爱的 刚好
开心的意料
神圣的祈祷
我将给你的信号
已陪你装出个吊
这里最不可缺就是人呢
你想起
给拥抱
烛火在燃烧
用梦中轻佻眼神
试瞧了几秒
关于你的舞蹈
你慵懒的扭动肢腰
受不了
你随风飘扬的笑
有迷迭香的味道
离开薄荷味的撒娇
对我发出恋爱的讯号
你优雅地像一只猫
动作轻盈地围绕
爱的甜味蔓延发酵
暧昧 爱的 刚好
你的嘴角 微微上翘
性感地无可救药 想象不到 如此心跳
你的一切都想要。。
预兆 气氛微妙
因为爱你我挣倒
预兆 气氛微妙
因为爱你我挣倒
END
你的泪光　
柔弱中带伤　
惨白的月弯弯
勾出过往
夜太漫长　
凝结成了霜　
是谁在阁楼上
冰冷的绝望
雨轻轻弹　
朱红色的窗　
我一生在纸上
被风吹乱
梦在远方　
化成一缕香　
随风飘散你的模样
菊花残 满地伤　
你的笑容已泛黄　
花落人断肠　
我心事静静淌
北风乱夜未央　
你的影子剪不断　
徒留我孤单　
在湖面成双
花已向晚　
飘落了灿烂　
凋谢的世道上
命运不堪
愁莫渡江　
秋心拆两半　
怕你上不了岸
一辈子摇晃
谁的江山　
马蹄声狂乱　
我一身的戎装
呼啸沧桑
天微微亮　
你轻声的叹　
一夜惆怅如此委婉
菊花残 满地伤　
你的笑容已泛黄　
花落人断肠　
我心事静静淌
北风乱 夜未央　
你的影子剪不断　
徒留我孤单　
在湖面成双
菊花残 满地伤　
你的笑容已泛黄　
花落人断肠　
我心事静静淌
北风乱 夜未央　
你的影子剪不断　
徒留我孤单　
在湖面成双
剑气如虹闪电变如风
此去东方有条龙杀气如风
形势如中空
将军我豪情如众声势很凶
黄金甲如重铁
金戈害我心如空
景色 不同
角色 不同
攻势 不同
混乱 永远无终
一静一动 如松
千年不变
如空 如空 如空
血染盔甲我挥泪杀
满城菊花谁的天下
宫廷之上狼烟风沙
生死不过一道刀疤
周围每人落魄
周围没人啰嗦
行人漂泊漂泊
漂泊一身落寞
亲人纷纷入座
兵戎相见如果
千军万马万马
万马奔腾的轱辘声 真不错
经年战事已久
成败转眼入秋
点滴烽火烽火
烽火回忆入秋
那烽火回忆入秋
吼`吼`吼`吼`
那杀戮过逝如风
吼`吼`吼`吼`
那烽火回忆入秋
吼`吼`吼`吼`
皇室血脉如河流
血染盔甲我挥泪杀
满城菊花谁的天下
宫廷之上狼烟风沙
生死不过一道刀疤
血染盔甲我挥泪杀
满城菊花谁的天下
宫廷之上狼烟风沙
生死不过一道刀疤
血染盔甲我挥泪杀
撂倒你们看谁倒下
爱恨悲欢历史留下
谁在乱箭之中潇洒
冷咖啡离开了杯垫
我忍住的情绪在很后面
拼命想挽回的从前
在我脸上依旧清晰可见
最美的不是下雨天
是曾与你躲过雨的屋檐
回忆的画面
在荡着秋千
梦开始不甜
你说把爱渐渐
放下会走更远
又何必去改变
已走过的时间
你用你的指尖
阻止我说再见
想象你在身边
在完全失去之前
你说把爱渐渐
放下会走更远
或许命运的签
只让我们遇见
只让我们相恋
这一季的秋天
飘落后才发现
这幸福的碎片
要我怎么捡
冷咖啡离开了杯垫
我忍住的情绪在很后面
拼命想挽回的从前
在我脸上依旧清晰可见
最美的不是下雨天
是曾与你躲过雨的屋檐
回忆的画面
在荡着秋千
梦开始不甜
你说把爱渐渐
放下会走更远
又何必去改变
已走过的时间
你用你的指尖
阻止我说再见
想象你在身边
在完全失去之前
你说把爱渐渐
放下会走更远
或许命运的签
只让我们遇见
只让我们相恋
这一季的秋天
飘落后才发现
这幸福的碎片
要我怎么捡
呜啦啦啦火车笛
随着奔腾的马蹄
小妹妹吹着口琴
夕阳下美了剪影
我用子弹写日记
介绍完了风景
接下来换介绍我自己
我虽然是个牛仔
在酒吧只点牛奶
为什么不喝啤酒
因为啤酒伤身体
很多人不长眼睛
嚣张都靠武器
赤手空拳就缩成蚂蚁
Hi Ha
不用麻烦了
不用麻烦了
不用麻烦不用麻烦了
不用麻烦了
你们一起上
我在赶时间
每天决斗观众都累了
英雄也累了
不用麻烦了
不用麻烦了
副歌不长你们有几个
一起上好了
正义呼唤我
美女需要我
牛仔很忙的
牛仔很忙是我和黄俊郎阿郎
所共同创造的美国乡村民谣新曲风
也是我之前所有专辑里面没有过的曲风哦
不要再说我没有改变
但是呢 我还是坚持自己的风格
咬字不清 哈哈
虽然俺 在乎透明
为了爱 隆嘛跨不里
我啦啦啦骑毛驴
因为马跨不上去
洗澡都洗泡泡浴
因为可以玩玩具
我有颗善良的心
都只穿假牛皮
喔跌倒时尽量不压草皮
Wu
枪口它没长眼睛
我曾经答应上帝
除非是万不得已
我尽量射橡皮筋
老板先来杯奶昔
要逃命前请你
顺便喂喂我那只小毛驴
Hi Ha
不用麻烦了
不用麻烦了
不用麻烦不用麻烦了
不用麻烦了
你们一起上
我在赶时间
每天决斗观众都累了
英雄也累了
不用麻烦了
不用麻烦了
副歌不长你们有几个
一起上好了
正义呼唤我
美女需要我
牛仔很忙的
Wu
Hi Ha
不用麻烦了
不用麻烦了
不用麻烦不用麻烦了
不用麻烦了
你们一起上
我在赶时间
每天决斗观众都累了
英雄也累了
不用麻烦了
不用麻烦了
副歌不长你们有几个
一起上好了
正义呼唤我
美女需要我
牛仔很忙的
彩虹
哪里有彩虹告诉我　
能不能把我的愿望还给我
为什么天这么安静　
所有的云都跑到我这里
有没有口罩一个给我　
释怀说了太多就成真不了
也许时间是一种解药　
也是我现在正服下的毒药
看不见你的笑我怎么睡得着　
你的声音这么近我却抱不到
没有地球　太阳还是会绕　
没有理由　我也能自己走
你要离开我知道很简单　
你说依赖是我们的阻碍
就算放开但能不能别没收我的爱　
当作我最后才明白
有没有口罩一个给我　
释怀说了太多就成真不了
也许时间是一种解药　
也是我现在正服下的毒药
看不见你的笑我怎么睡得着　
你的声音这么近我却抱不到
没有地球　太阳还是会绕　
没有理由　我也能自己走
你要离开我知道很简单　
你说依赖是我们的阻碍
就算放开但能不能别没收我的爱　
当作我最后才明白
看不见你的笑　
要我怎么睡的着　
你的声音这么近我却抱不到
没有地球太阳还是会绕会绕　
没有理由我也能自己走掉
释怀说了太多就成真不了
也许时间是一种解药解药　
也是我现在正服下的毒药也是我现在正服下的毒药
你要离开我知道很简单　
你说依赖是我们的阻碍
就算放开但能不能别没收我的爱　
当作我最后才明白
青 花 瓷
素胚勾勒出青花
笔锋浓转淡
瓶身描绘的牡丹
一如你初妆
冉冉檀香透过窗
心事我了然
宣纸上走笔至此搁一半
釉色渲染仕女图
韵味被私藏
而你嫣然的一笑
如含苞开放
你的美一缕飘散
去到我去不了的地方
天青色等烟雨
而我在等你
炊烟袅袅升起
隔江千万里
在瓶底书刻隶
仿前朝的飘逸
就当我为遇见你伏笔
天青色等烟雨
而我在等你
月色被打捞起
晕开了结局
如传世的青花瓷
自顾自美丽
你眼带笑意
MUSIC
色白花青的锦鲤
跃然于碗底
临摹宋体落款时
却惦记着你
你隐藏在窑烧里
千年的秘密
极细腻犹如绣花针落地
帘外芭蕉惹骤雨
门环惹铜绿
而我路过那江南小镇惹了你
在泼墨山水画里
你从墨色深处被隐去
天青色等烟雨
而我在等你
炊烟袅袅升起
隔江千万里
在瓶底书刻隶
仿前朝的飘逸
就当我为遇见你伏笔
天青色等烟雨
而我在等你
月色被打捞起
晕开了结局
如传世的青花瓷
自顾自美丽
你眼带笑意
天青色等烟雨
而我在等你
炊烟袅袅升起
隔江千万里
在瓶底书刻隶
仿前朝的飘逸
就当我为遇见你伏笔
天青色等烟雨
而我在等你
月色被打捞起
晕开了结局
如传世的青花瓷
自顾自美丽
你眼带笑意
钥匙挂腰带皮夹插后面口袋　
黑框的眼镜有几千度来海边穿西装裤
他不在乎我却想哭　
有点无助他的样子像刚出土的文物
他烤肉竟然会自带水壶　
写信时用浆糊　
走起路一不注意就撞树
我不想输　就算辛苦　
我也要等我也不能让你再走寻常路
我决定插手你的人生　
当你的时尚顾问　别说你不能
让我们乘着阳光　
海上冲浪　吸引她目光
不要怕露出胸膛　
流一点汗　你成了型男
让我们乘着阳光　
看着远方　别当路人甲
让美女缺氧　
靠在你肩膀　
我微笑在你旁边撑伞
喔对了对女生用心疼　
约会要等　讲笑话不能闷　
别太冷　像我一样就刚好
对爱的人　接吻要深　
拥抱要真　
来电显示给个甜蜜的昵称
穿着要个性　
这只是刚刚入门　
接下来你还要会弹琴会写歌会双截棍
头脑清楚　不能迷糊　
我要将你彻底改造基因重组大变身
我决定插手你的人生　
当你的时尚顾问　别说你不能
让我们乘着阳光　
海上冲浪　吸引她目光
不要怕露出胸膛　
流一点汗　你成了型男
让我们乘着阳光　
看着远方　别当路人甲
让美女缺氧　
靠在你肩膀　
我微笑在你旁边撑伞
让我们乘着阳光　
海上冲浪　吸引她目光
不要怕露出胸膛　
流一点汗　你成了型男
让我们乘着阳光　
看着远方　别当路人甲
让美女缺氧　
靠在你肩膀　
我微笑在你旁边撑伞
小学篱芭旁的蒲公英　
是记忆里有味道的风景
午睡操场传来蝉的声音　
多少年后也还是很好听
将愿望折纸飞机寄成信　
因为我们等不到那流星
认真投决定命运的硬币　
却不知道到底能去哪里
一起长大的约定　
那样清晰　打过勾的我相信
说好要一起旅行　
是你如今　唯一坚持的任性
在走廊上罚站打手心　
我们却注意窗边的蜻蜓
我去到哪里你都跟很紧　
很多的梦在等待着进行
一起长大的约定　
那样清晰　打过勾的我相信
说好要一起旅行　
是你如今　唯一坚持的任性
一起长大的约定　
那样真心　
与你聊不完的曾经
而我已经分不清　
你是友情还是错过的爱情
你是友情还是错过的爱情
苔藓绿了木屋
路深处 翠落的孟宗竹
乱石堆上有雾
这种隐居叫做江湖
箭矢漫天飞舞
竟然在城墙上 遮蔽了日出
是谁 在哭
冲 你懂 你懂 你匆匆
有多少的蛮力 就拉多少的弓
听我说武功 无法高过寺院的钟
禅定的风 静如水的松
我命格无双 一统江山
狂胜之中 我却黯然语带悲伤
我一路安营扎下篷 青铜刀锋
不轻易用 苍生为重
我命格无双 一统江山
破城之后 我却微笑绝不恋战
我等待异族望天空 歃血为盟
我等效忠 浴火为龙
无双 周杰伦
残缺的老茶壶
几里外 马蹄上的尘土
升狼烟的城池
这种世道叫做乱世
那历史已模糊
刀上的锈却出土的很清楚
是我 在哭
序 你去 你去 你继续
我敲木鱼 开始冥想 这场战役
我攻城掠地 想冷血你需要勇气
挥剑离去 我削铁如泥
你去 你再去
你继续不敌我 致命的一击
远方的横笛 吹奏你战败的消息
保持著杀气 想赢的情绪
让我君临天下 的驾驭
我命格无双 一统江山
狂胜之中 我却黯然语带悲伤
我一路安营扎下篷 青铜刀锋
不轻易用 苍生为重
我命格无双 一统江山
破城之后 我却微笑绝不恋战
我等待异族望天空 歃血为盟
我等效忠 浴火为龙
我命格无双 一统江山
狂胜之中 我却黯然语带悲伤
啊
我命格无双 一统江山
破城之后 我却微笑绝不恋战
我等待异族望天空 歃血为盟
我等效忠 浴火为龙
啊
啊
这街上太拥挤
太多人有秘密
玻璃上有雾气在被隐藏起过去
你脸上的情绪
在还原那场雨
这巷弄太过弯曲走不回故事里
这日子不再绿
又斑驳了几句
剩下搬空回忆的我在大房子里
电影院的座椅
隔遥远的距离
感情没有对手戏你跟自己下棋
还来不及仔仔细细写下你的关于
描述我如何爱你
你却微笑的离我而去
这感觉已经不对我努力在挽回
一些些应该体贴的感觉我没给
你嘟嘴许的愿望很卑微在妥协
是我忽略你不过要人陪
这感觉已经不对我最后才了解
一页页不忍翻阅的情节你好累
你默背为我掉过几次泪多憔悴
而我心碎你受罪你的美
我不配
这街上太拥挤
太多人有秘密
玻璃上有雾气在被隐藏起过去
你脸上的情绪
在还原那场雨
这巷弄太过弯曲走不回故事里
这日子不再绿
又斑驳了几句
剩下搬空回忆的我在大房子里
电影院的座椅
隔遥远的距离
感情没有对手戏你跟自己下棋
还来不及仔仔细细写下你的关于
描述我如何爱你
你却微笑的离我而去
这感觉已经不对我努力在挽回
一些些应该体贴的感觉我没给
你嘟嘴许的愿望很卑微在妥协
是我忽略你不过要人陪
这感觉已经不对我最后才了解
一页页不忍翻阅的情节你好累
你默背为我掉过几次泪多憔悴
而我心碎你受罪你的美
我不配
这感觉已经不对我努力在挽回
一些些应该体贴的感觉我没给
你嘟嘴许的愿望很卑微在妥协
是我忽略你不过要人陪
这感觉已经不对我最后才了解
一页页不忍翻阅的情节你好累
你默背为我掉过几次泪多憔悴
而我心碎你受罪你的美
我不配
天气　冷的让人生闷气
火气　我沮丧的很生气
空气　太糟需要有氧气
太多假义气一想就气
敲门　敲敲门　
基本礼貌叩要先问
离开也不随手关灯　
生活习惯真有够混
敲门　敲敲门　
简单动作叩也不等
你看来虽不像坏蛋　
但做事做人却很蠢
你像一团沼气　
影响我的士气　
损我的英气又那么神气
说话的语气　
败坏了风气　
我不想为你为你白花了力气
那么会扯去扯铃　
扯多你就会上瘾
扯你最善变的表情　
我的解释请你务必要听
那么会扯去扯铃　
却扯不出个命运
扯你最善变的表情　
嘿你这样说我有一点伤心
不停犯错　
不停推拖
养了一堆籍口　等它成熟
前一秒说是朋友　
后一秒诬赖我
别再跟我哈啦　
我不是个傻瓜
说谎就要付出代价　
是应有的惩罚
别再跟我哈啦　
你被当成笑话
自己造成的那尴尬　
我也没有办法
我也没有办法敲门　敲敲门　
简单动作叩也不等
你看来虽不像坏蛋　
但做事做人却很蠢
敲门　敲敲门　
简单动作叩也不等
你看来虽不像坏蛋　
但做事做人却很蠢
你像一团沼气　
影响我的士气　
损我的英气又那么神气
说话的语气　
败坏了风气　
我不想为你为你白花了力气
那么会扯去扯铃　
扯多你就会上瘾
扯你最善变的表情　
我的解释请你务必要听
那么会扯去扯铃　
却扯不出个命运
扯你最善变的表情　
嘿你这样说我有一点伤心
那么会扯去扯铃　
扯多你就会上瘾
扯你最善变的表情　
我的解释请你务必要听
那么会扯去扯铃　
却扯不出个命运
扯你最善变的表情　
嘿你这样说我有一点伤心
我轻轻地尝一口 你说的爱我
还在回味你给过的温柔
我轻轻地尝一口 这香浓的诱惑
我喜欢的样子你都有
你爱过头 竟然答应我
要给我蜂蜜口味的生活
加一颗奶球 我搅拌害羞
将甜度调高后再牵手
你的爱太多 想随身带走
想你的时候 就吃上一口
我温热着 被呵护的感受
却又担心降温了要求
我尝着你话里面的奶油溜啊溜
听过的每句话都很可口呦啊呦
那些多余的画面全被跳过
你的眼中只有我
我轻轻地尝一口你说的爱我
还在回味你给过的温柔
我轻轻地尝一口 这香浓的诱惑
我喜欢的样子你都有
我轻轻地尝一口你说的爱我
舍不得吃会微笑的糖果
我轻轻地尝一口 份量虽然不多
却将你的爱完全吸收
我微笑着 让香味停留
缘分走到这也赖着不走
像夹心饼干 中间有甜头
继续下去不需要理由
我尝着你话里面的奶油溜啊溜
听过的每句话都很可口呦啊呦
那些多余的画面全被跳过
你的眼中只有我
我轻轻地尝一口 你说的爱我
还在回味你给过的温柔
我轻轻地尝一口这香浓的诱惑
我喜欢的样子你都有
我轻轻地尝一口 你说的爱我
舍不得吃会微笑的糖果
我轻轻地尝一口 份量虽然不多
却将你的爱完全吸收
我轻轻地尝一口 你说的爱我
还在回味你给过的温柔
我轻轻地尝一口味道香浓的说
我喜欢的样子你都有
我轻轻地尝一口 你说的爱我
舍不得吃会微笑的糖果
我轻轻地尝一口 份量虽然不多
却将你的爱完全吸收
我们的开始　
是很长的电影
放映了三年　
我票都还留着
冰上的芭蕾　
脑海中还在旋转
望着你　慢慢忘记你
朦胧的时间　
我们溜了多远
冰刀划的　
圈起了谁改变
如果再重来　
会不会稍嫌狼狈
爱是不是不开口才珍贵
再给我两分钟　
让我把记忆结成冰
别融化了眼泪　
你妆都花了要我怎么记得
记得你叫我忘了吧　
记得你叫我忘了吧
你说你会哭　
不是因为在乎
不是因为在乎朦胧的时间　
我们溜了多远
冰刀划的　
圈起了谁改变
如果再重来　
会不会稍嫌狼狈
爱是不是不开口才珍贵
再给我两分钟　
让我把记忆结成冰
别融化了眼泪　
你妆都花了要我怎么记得
记得你叫我忘了吧　
记得你叫我忘了吧
你说你会哭　
不是因为在乎
不是因为在乎再给我两分钟　
让我把记忆结成冰
别融化了眼泪　
你妆都花了要我怎么记得
记得你叫我忘了吧　
记得你叫我忘了吧
你说你会哭　
不是因为在乎
不是因为在乎
我一拳打飞一幕幕的回忆散在月光
一截老老的老姜
一段旧旧的旧时光
我可以给你们一张签名照拿去想象
我说啊 屏风就该遮冰霜
屋檐就该挡月光
江湖就该开扇窗
平剧就该耍花枪
扎下马步我不摇晃
闷了慌了倦了我就穿上功夫装
我不卖豆腐 豆腐 豆腐 豆腐
我在武功学校里学的那叫功夫
功夫 功夫 功夫 功夫
赶紧穿上旗袍
免得你说我吃你豆腐
你就像豆腐 豆腐 豆腐 豆腐
吹弹可破的肌肤在试练我功夫
功夫 功夫 功夫 功夫
赶紧穿上旗袍
免得你说我吃你豆腐
我稍微伸展拳脚
你就滚到边疆
回旋踢太用力
画面就变的很荒凉
落花配对配夕阳
翻山越岭渡过江
我清一清嗓
清一清嗓 唱起秦腔
飞天飞敦煌 北方北大荒
谁在水一方我撑起一把纸伞回头望
啊这什么地方 这什么状况
啦啦啦啦 闷了慌了倦了我就踩在你肩膀
我不卖豆腐 豆腐 豆腐 豆腐
我在武功学校里学的那叫功夫
功夫 功夫 功夫 功夫
赶紧穿上旗袍
免得你说我吃你豆腐
你就像豆腐 豆腐 豆腐 豆腐
吹弹可破的肌肤在试练我功夫
功夫 功夫 功夫 功夫
赶紧穿上旗袍
免得你说我吃你豆腐
免得你说我吃你豆腐
千山万水 无数黑夜 等一轮明月
梦的边陲 风吹不灭 从不感疲惫
东方无愧 第一是谁 让我们追求完美
我态度坚决 面朝北 平地一声雷
做好准备 这一回 起跑后绝不撤退
痛快一起 努力 的感觉
我们拥有同样的机会
梦想挟带眼泪 咸咸的汉水
你我同个世界 爱从中穿越
梦与希望在飞 我向前去追
有目标就无悔 等着我超越
东方无愧 第一是谁 让我们追求完美
我态度坚决 面朝北 平地一声雷
东方无愧 第一是谁 让我们追求完美
我态度坚决 面朝北 平地一声雷
做好准备 这一回 起跑后绝不撤退
痛快一起 努力 的感觉
我们拥有同样的机会
梦想挟带眼泪 咸咸的汉水
你我同个世界 爱从中穿越
梦与希望在飞 我向前去追
有目标就无悔 等着我超越
梦想挟带眼泪 咸咸的汉水
你我同个世界 爱从中穿越
梦与希望在飞 我向前去追
有目标就无悔 等着我超越
有目标就无悔 等着我超越?
放手一搏令谁都惭愧
迎着风极速在超越
那守门之兽展翼将飞
他们却没看见过蝴蝶
不懂什么 叫有花香的季节
什么叫绿草如茵的旷野
所有关于我的传说 全都不对
全部是纸屑 全部要改写
对敌人谦卑 抱歉 我不会
而远方龙战于野
咆哮声不自觉 横越过了几条街
我坚决 冲破这一场浩劫
这世界谁被狩猎
谁淌血我却只为 拯救你的无邪
城墙上我在等魔坠
火焰吞噬无名碑
摧毁却无法击溃 我要爱上谁
废墟怎么被飞雪了解
只能滋长出羊齿蕨
那些仇恨已形成堡垒
我又该怎么去化解
低吼威胁 那些龙形的傀儡
他们发不出的音叫心碎
惊觉你啜泣声迂回 如此纯洁
以温柔削铁 以爱在谅解
在末日边陲 纯爱 被隔绝
我在危城的交界
目睹你的一切 锈迹斑斑的眼泪
我坚决 冲破这一场浩劫
这世界谁被狩猎
谁淌血我却只为 拯救你的无邪
城墙上我在等魔坠
火焰吞噬无名碑
摧毁却无法击溃 我要爱上谁
我坚决 冲破这一场浩劫
这世界谁被狩猎
摧毁却无法击溃 我要爱上谁
雨淋湿了天空
毁得很讲究
你说你不懂
为何在这时牵手
我晒干了沉默
悔得很冲动
就算这是做错
也只是怕错过
在一起叫梦
分开了叫痛
是不是说
没有做完的梦最痛
迷路的后果
我能承受
这最后的出口
在爱过了才有
能不能给我一首歌的时间
紧紧的把那拥抱变成永远
在我的怀里你不用害怕失眠
哦 如果你想忘记我也能失忆
能不能给我一首歌的时间
把故事听到最后才说再见
你送我的眼泪
让它留在雨天
哦 越过你划的线
我定了勇气的终点
送给最爱的人
雨淋湿了天空
毁得很讲究
你说你不懂
为何在这时牵手
我晒干了沉默
悔得很冲动
就算这是做错
也只是怕错过
在一起叫梦
分开了叫痛
是不是说
没有做完的梦最痛
迷路的后果
我能承受
这最后的出口
在爱过了才有
送给最爱的人FJR
能不能给我一首歌的时间
紧紧的把那拥抱变成永远
在我的怀里你不用害怕失眠
哦 如果你想忘记我也能失忆
能不能给我一首歌的时间
把故事听到最后才说再见
你送我的眼泪
让它留在雨天
哦 越过你划的线
我定了勇气的终点
你说我不该不该
不该在这时候说了我爱你
要怎么证明我没有说谎力气
请告诉我暂停算不算放弃
我只有一天的回忆
能不能给我一首歌的时间
紧紧的把那拥抱变成永远
在我的怀里你不用害怕失眠
哦 如果你想忘记我也能失忆
能不能给我一首歌的时间
把故事听到最后才说再见
你送我的眼泪
让它留在雨天
哦 越过你划的线
我定了勇气的终点
rap/你说我不该不该
不该在这时候说了我爱你
要怎么证明我没力气
可是我只有一天的回忆
你说我不该不该
不该在这时候才说爱你
要怎么证明我没力气
我只有一天的回忆
尼罗河悄悄 漫过纸莎草
蜿蜒像一袭不带感情的纱袍
而你穿上后转身为我舞蹈
为寂寥的大地舞一场惊叹号
黄昏燃烧 金字塔上的 云角
人面狮身下的影子 在预兆
石阶上焚着油膏
在我的国度里
堆积了 几个世纪的尘嚣
在羊皮卷角 古老的明了
谁都逃不掉 天平上的烦恼
你微微的笑 赤足又扭腰
朝着命运凿出一道
美艳的符号
来找我 找不到我
你那迷路的眼眸
跟着我 被我诱惑
众神都已经着了魔
说爱我 爱不爱我
你那王者的沉默
看着我 被我诱惑
你的灵魂属于我
尼罗河悄悄 漫过纸莎草
蜿蜒像一袭不带感情的纱袍
而你穿上后转身为我舞蹈
为寂寥的大地舞一场惊叹号
黄昏燃烧 金字塔上的 云角
人面狮身下的影子 在预兆
石阶上焚着油膏
在我的国度里
堆积了 几个世纪的尘嚣
在羊皮卷角 古老的明了
谁都逃不掉 天平上的烦恼
你微微的笑 赤足又扭腰
朝着命运凿出一道
美艳的符号
来找我 找不到我
你那迷路的眼眸
跟着我 被我诱惑
众神都已经着了魔
说爱我 爱不爱我
你那王者的沉默
看着我 被我诱惑
你的灵魂属于我
来找我 找不到我
你那迷路的眼眸
跟着我 被我诱惑
众神都已经着了魔
说爱我 爱不爱我
你那王者的沉默
看着我 被我诱惑
你的灵魂属于我
☆Music
静止了 所有的花开
遥远了 清晰的爱
天郁闷 爱却更喜欢
那时候 我不懂 这叫爱
你喜欢 站在那窗台
你好久 都没再来
彩色的 时间染上空白
是你流的泪晕开
不要你离开 距离隔不开
思念变成海 在窗外进不来
原谅说太快 爱成了阻碍
手中的风筝放太快回不来
不要你离开 回忆花不开
欠你的宠爱 我在等待重来
天空仍灿烂 她爱着大海
情歌被打败 爱已不存在
曲周杰伦歌词提供再兴
永爱杰伦支持正版
你喜欢 站在那窗台
你好久 都没再来
彩色的 时间染上空白
是你流的泪晕开
不要你离开 距离隔不开
思念变成海 在窗外进不来
原谅说太快 爱成了阻碍
手中的风筝放太快回不来
不要你离开 回忆划不开
欠你的宠爱 我在等待重来
天空仍灿烂 她爱着大海
情歌被打败 爱已不存在
☆为了这份爱 愿意重新等待 为了这份爱 愿意重新等待
你举手 你抬头
你说我选我选我
手上锁 又挣脱
你仍一脸迷惑
吹个风 手一松
那硬币 竟失踪
一鞠躬 那掌声 拍得凶
手交错 轻轻碰
戒指换手移动
给观众 一个梦
讶异中有笑容
手穿海报 却不拿汉堡
反而拿出牛仔帽
你永远都 猜不着
每当我在台上演出人体漂浮
你就在台下偷偷吃我的泡芙
等待白鸽飞出
再将爱说清楚
啊 读你读你读 心想啥事
用古典迫牌方式
我手法精致 艾尔姆支
雷一百分的姿势
谁说恋爱别 找魔术师
我不需要解释
所以他小丑我是大师
你举手 你抬头
你说我选我选我
我将牌 换颜色
变出你的选择
将自由 的女神
变不见 不稀奇
一〇一 变不见 才惊喜
手摊开 帽子里
总能空手出牌
不管切 多少牌
总能切得回来
手穿海报却不拿汉堡
反而拿出牛仔帽
你永远都 猜不着
不要问我到底什么才是真的
我变给你看的感情才是真的
因为无时无刻
我只想你快乐
啊 读你读你读 心想啥事
用古典迫牌方式
我手法精致 艾尔姆支
雷一百分的姿势
谁说恋爱别 找魔术师
我不需要解释
所以他小丑我是大师
读你读你读 心想啥事
用古典迫牌方式
我手法精致 艾尔姆支
雷一百分的姿势
谁说恋爱别 找魔术师
我不需要解释
所以不用麻烦了 不用麻烦了
不用麻烦了
读你读你读 心想啥事
用古典迫牌方式
我手法精致 艾尔姆支
雷一百分的姿势
谁说恋爱别 找魔术师
我不需要解释
所以他小丑我是大师
你的回话凌乱着 在这个时刻
我想起喷泉旁的白鸽 甜蜜散落了
情绪莫名的拉扯 我还爱你呢
而你断断续续唱着歌 假作没事了
时间过了 走了 爱情面临选择
你冷了 倦了 我哭了
离开时的不快乐 你用卡片手写着
有些爱只给到这 真的痛了
怎么了 你累了 说好的 幸福呢
我懂了 不说了 爱淡了 梦远了
开心与不开心 一一细数着 你再不舍
那些爱过的感觉都太深刻 我都还记得
你不等了 说好的 幸福呢
我错了 泪干了 放手了 后悔了
只是回忆的音乐盒还旋转着 要怎么停呢
你的回话凌乱着 在这个时刻
我想起喷泉旁的白鸽 甜蜜散落了
情绪莫名的拉扯 我还爱你呢
而你断断续续唱着歌 假作没事了
时间过了 走了 爱情面临选择
你冷了 倦了 我哭了
离开时的不快乐 你用卡片手写着
有些爱只给到这 真的痛了
怎么了 你累了 说好的 幸福呢
我懂了 不说了 爱淡了 梦远了
开心与不开心 一一细数着 你再不舍
那些爱过的感觉都太深刻 我都还记得
你不等了 说好的 幸福呢
我错了 泪干了 放手了 后悔了
只是回忆的音乐盒还旋转着 要怎么停呢
怎么了 你累了 说好的 幸福呢
我懂了 不说了 爱淡了 梦远了
我都还记得
你不等了 说好的 幸福呢
我错了 泪干了 放手了 后悔了
只是回忆的音乐盒还旋转着 要怎么停呢
蘭亭臨帖 行書如行云流水
月下門推 心細如你腳步碎
忙不迭 千年碑易拓 卻難拓你的美
真跡絕 真心能給誰
牧笛橫吹 黃酒小菜又幾碟
夕陽余暉 如你的羞怯似醉
摹本易寫 而墨香不退與你同留余味
一行朱砂 到底圈了誰
無關風月 我題序等你回
懸筆一絕 那岸邊浪千疊
情字何解 怎落筆都不對
而我獨缺 你一生的了解
無關風月 我題序等你回
懸筆一絕 那岸邊浪千疊
情字何解 怎落筆都不對
而我獨缺 你一生的了解
無關風月 我題序等你回
懸筆一絕 那岸邊浪千疊
情字何解 怎落筆都不對
獨缺 你一生了解
彈指歲月 傾城頃刻間煙滅
青石板街 回眸一笑你婉約
恨了沒 你搖頭輕嘆誰讓你蹙著眉
而深閨 徒留胭脂味
人雁南飛 轉身一瞥你噙淚
掬一把月 手攬回憶怎么睡
又怎么會 心事密縫繡花鞋針針怨懟
若花怨蝶 你會怨著誰
無關風月 我題序等你回
懸筆一絕 那岸邊浪千疊
情字何解 怎落筆都不對
而我獨缺 你一生的了解
無關風月 我題序等你回
手書無愧 無懼人間是非
雨打蕉葉 又瀟瀟了幾夜
我等春雷 來提醒你愛誰
海边篱笆
咿呀咿呀
风一直刮
我像枝桠
帮你过滤了风沙
墙上的时差
滴答滴答
还在牵挂
我们都偏爱她的长发
Gray
雷杰灰恰
七恰七恰
等来滚恰
秦情咿呀
了后V出啊gia瓜
下急丢灰爪
洗刷洗刷
遐想哎mia
立功一夜带急吼滚tia
可输哩几该　几该
戏没啊足该哩西塞
我真的不该　不该
简单一句爱说不出来
经过山丘
嗨呦嗨呦
汗一直流
行李不多
但思念一定带走
朗gia刚掉路
哒啰哒啰
没gia gi豆
虽红飘龙ki记仇
等花艺　球有球ki
等侠义　文物得急
等庖丁　得捂得里
等消息　蓝龙没休意
纯天　会游回力
等待死　惨吾惨哩
等结局　流浪诗人的回忆
可输哩几该　几该
戏没啊足该哩西塞
我真的不该　不该
简单一句爱说不出来
海边篱笆
咿呀咿呀　风一直刮
我像枝桠　帮你过滤风沙
墙上的时差　滴答滴答
还在牵挂　我爱她的长发
雷杰灰恰　七恰七恰
等来滚恰　秦情咿呀gia瓜
下急丢灰爪　洗刷洗刷
遐想哎mia　立功吼滚tia
远方回音
我们迎风边走边弹琴
蓝也音信
因为一开戏印金
她的眼睛
塔里一幅翠绿的风景
蓝内干净
路轻防路轻
牛奶很忙光棍节前夕
墙角迎风的雏菊
茉莉花开的香气
闭上眼回到过去
划分界限的座椅
下课就靠在一起
我就是离不开你
一路乘着溜滑梯
我们说好走到底
以为从此就分离
用黑板上的日期
倒数找你
慢慢清晰 原来思念你
是加了糖 的消息
我用铅笔 画得很仔细
素描那年 天气
蝉鸣的夏季 我想遇见你
那童年的希望是
一台 时光机
我可以一路开心到底
都不换气
戴竹蜻蜓 穿过那森林
打开了任意门找到你
一起旅行
那童年的希望是
一台 时光机
你我翻滚过的榻榻米
味道熟悉
所有回忆 在小叮当口袋里
一起荡秋千的默契
在风中持续着甜蜜
有些话从来不急
一直都放在心底
想要将你看仔细
但错身而过的你
已经离去
慢慢清晰 原来思念你
是加了糖 的消息
我用铅笔 画得很仔细
素描那天 天气
蝉鸣的夏季 我想遇见你
那童年的希望是
一台 时光机
我可以一路开心到底
都不换气
戴竹蜻蜓 穿过那森林
打开了任意门找到你
一起旅行
那童年的希望是
一台 时光机
你我翻滚过的榻榻米
味道熟悉
所有回忆 在小叮当口袋里
一起荡秋千的默契
在风中持续着甜蜜
那童年的希望是
一台 时光机
我可以一路开心到底
都不换气
戴竹蜻蜓 穿过那森林
打开了任意门找到你
一起旅行
那童年的希望是
一台 时光机
你我翻滚过的榻榻米
味道熟悉
所有回忆 在小叮当口袋里
一起荡秋千的默契
在风中持续着甜蜜
oh 持续着甜蜜oh 持续着甜蜜oh 持续着甜蜜
親愛的別 嚇到閉上了眼睛
小丑把戲 不是大家都可以
夸張眼影 藍色憂傷的淚滴
丟丟刀噴噴火 踩高蹺吹笛
跌倒失手燒到眉毛我故意
哈哈你笑的開心我可是在玩命
撲克牌里我的肖像才一兩張
你看你看我的重要性
彩色的大卷發紅鼻子 最滑稽的步伐
這樣的快樂你學會了麼 會了麼
用笨拙又驚險的雜耍 繼續對你裝傻
所有的悲傷統統忘了吧 忘了吧
聽我說
拿出你的鈔票 笑平常買不到
先生小姐們趕快來 趕快來
再慢就看不到 座位沒剩多少
還能跟喬克叔叔拍 一張照
我只是卑微的小丑 翻幾個跟斗 就等你拍一拍手
人群散了后 夜色多朦朧 月光也會跟著我
我不是孤獨的小丑 你笑了之后 不需要記得我。
燈熄的時候 滿天的星空 最明亮的是寂寞
下著雨 我躲在 面具里 偷偷地 在哭泣
因為看了不能說的秘密
魔術師 我恨你 搶走我 的生意 別忘記
蝙蝠俠靠我才票房冠軍
聽我說
拿出你的鈔票 笑平常買不到
先生小姐們趕快來 趕快來
再慢就看不到 座位沒剩多少
還能跟喬克叔叔拍 一張照
我只是卑微的小丑 翻幾個跟斗 就等你拍一拍手
人群散了后 夜色多朦朧 月光也會跟著我
我不是孤獨的小丑 你笑了之后 不需要記得我。
燈熄的時候 滿天的星空 最明亮的是寂寞
我只是卑微的小丑 翻幾個跟斗 就等你拍一拍手
人群散了后 夜色多朦朧 月光也會跟著我
我不是孤獨的小丑 你笑了之后 不需要記得我。
燈熄的時候 滿天的星空 最明亮的是寂寞
对这个世界如果你有太多的抱怨
跌倒了 就不敢继续往前走
为什么 人要这么的脆弱 堕落
请你打开电视看看
多少人为生命在努力勇敢的走下去
我们是不是该知足
珍惜一切 就算没有拥有
还记得你说家是唯一的城堡
随着稻香河流继续奔跑
微微笑 小时候的梦我知道
不要哭让萤火虫带著你逃跑
乡间的歌谣永远的依靠
回家吧 回到最初的美好
不要这么容易就想放弃 就像我说的
追不到的梦想 换个梦不就得了
为自己的人生鲜艳上色
先把爱涂上喜欢的颜色
笑一个吧 功成名就不是目的
让自己快乐快乐这才叫做意义
童年的纸飞机 现在终于飞回我手里
所谓的那快乐 赤脚在田里追蜻蜓追到累了
偷摘水果被蜜蜂给叮到怕了
谁在偷笑呢
我靠着稻草人吹着风唱着歌睡着了
哦 哦 午后吉它在虫鸣中更清脆
哦 哦 阳光洒在路上就不怕心碎
珍惜一切 就算没有拥有
还记得你说家是唯一的城堡
随着稻香河流继续奔跑
微微笑 小时候的梦我知道
不要哭让萤火虫带著你逃跑
乡间的歌谣永远的依靠
回家吧 回到最初的美好
还记得你说家是唯一的城堡
随着稻香河流继续奔跑
微微笑 小时候的梦我知道
不要哭让萤火虫带著你逃跑
乡间的歌谣永远的依靠
回家吧 回到最初的美好
鐘逆时鐘而绕 恶物狰狞的倾巢
我谦卑安静的於城堡下的晚祷
压抑远古流窜的蛮荒暗号
而管风琴键高傲的说 那只是在徒劳
傲傲傲傲傲 我的乐器在环绕
时代无法淘汰我霸气的皇朝
你无法预言 因為我越险翅越艷
没有句点 跨时代蔓延翼朝天
月下浮雕 魔鬼的浅\\笑
狼迎风嚎 蝠翔似黑潮
用孤独去调尊严的色调
我跨越过时代 如兽般的姿态
琴声唤醒沈睡的血脉
不需要被崇拜 如兽般的悲哀
只為永恒的乐曲存在 醒过来
鐘逆时鐘而绕 恶物狰狞的倾巢
我谦卑安静的於城堡下的晚祷\\
压抑远古流窜的蛮荒暗号
而管风琴键高傲的说 那只是在徒劳
傲傲傲傲傲 我的乐器在环绕
时代无法淘汰我霸气的
你无法预言 因為我越险翅越艷
没有句点 跨时代蔓延翼朝天
月下浮雕 魔鬼的浅\\笑
狼迎风嚎 蝠翔似黑潮
用孤独去调尊严的色调
我跨越过时代 如兽般的姿态
琴声唤醒沈睡的血脉
不需要被崇拜 如兽般的悲哀
只為永恒的乐曲存在 醒过来
我不需要被崇拜
我不需要被崇拜
我跨越过时代 如兽般的姿态
琴声唤醒沈睡的血脉
不需要被崇拜 如兽般的悲哀
只為永恒的乐曲存在 醒过来
天凉了 雨下了 你走了
清楚了 我爱的 遗失了
落叶飘在湖面上睡着了
想要放 放不掉 泪在飘
你看看 你看看 不到
我假装过去不重要 却发现自己办不到
说了再见 才发现再也见不到
我不能就这样失去你的微笑
口红待在桌脚 而你我找不到
若角色对调 你说好不好
说了再见 才发现再也见不到
能不能就这样忍着痛泪不掉
说好陪我到老 永恒往哪里找
再次拥抱 一分一秒都好
天凉了 雨下了 你走了
清楚了 我爱的 遗失了
落叶飘在湖面上睡着了
想要放 放不掉 泪在飘
你看看 你看看 不到
我假装过去不重要 却发现自己办不到
说了再见 才发现再也见不到
我不能就这样失去你的微笑
口红待在桌脚 而你我找不到
若角色对调 你说好不好
你的笑 你的好 脑海里 一直在绕
我的手 忘不了 你手的温度
心碎了一地 捡不回 从前的心跳　
身陷过去 我无力逃跑
说再见 才发现再也见不到
能不能就这样忍着痛泪不掉
说好陪我到老 永恒往哪里找
再次拥抱 一分一秒都好
繁华声 遁入空门 折煞了世人
梦偏冷 辗转一生 情债又几本
如你默认 生死枯等
枯等一圈 又一圈的年轮
浮图塔 断了几层 断了谁的魂
痛直奔 一盏残灯 倾塌的山门
容我再等 歷史转身
等酒香醇 等你弹一曲古箏
雨纷纷 旧故里草木深
我听闻 你始终一个人
斑驳的城门 盘踞着老树根
石板上回荡的是 再等
雨纷纷 旧故里草木深
我听闻 你仍守着孤城
城郊牧笛声 落在那座野村
缘份落地生根是 我们
听青春 迎来笑声 羡煞许多人
那史册 温柔不肯 下笔都太很
烟花易冷 人事易分
而你在问 我是否还认真
千年后 累世情深 还有谁在等
而青史 岂能不真 魏书洛阳城
如你在跟 前世过门
跟着红尘 跟随我 浪跡一生
雨纷纷 旧故里草木深
我听闻 你始终一个人
斑驳的城门 盘踞着老树根
石板上回荡的是 再等
雨纷纷 旧故里草木深
我听闻 你仍守着孤城
城郊牧笛声 落在那座野村
缘份落地生根是 我们
雨纷纷 旧故里草木深
我听闻 你始终一个人
斑驳的城门 盘踞着老树根
石板上回荡的是 再等
雨纷纷 雨纷纷 旧故里草木深
我听闻 我听闻 你仍守着孤城
城郊牧笛声 落在那座野村
缘份落地生根是 我们
缘份落地生根是 我们
伽蓝寺听雨声盼 永恒
喂 老板 哎 年轻人 又来看吉他啦
我要那把 那把 啊 哈哈哈 那把是琵琶 不是吉他
我说旁边那把 旁边那把狠贵的耶
你可不可以自然一点
如果你 想要变成一个Rocker
你就必须要先有一把Guitar
刷和弦的时候尽量不用Pick
啊 看起来样子会比较随性
就算你弹错了大家会以為 你是故意
你是不是 啊哈 感觉到了
我的和弦 啊哈 在重復着
哎呦不错 代表你耳朵没有聋
Blues就是在重復这几个和弦
摇滚的节奏在右手 灵魂在左手
心就是宇宙 我弹的叫自由
听我的Blues Blues 要学会尖叫 尖叫
比一个Peace Peace 是為了拍照 拍照
丢一块Ice Ice 叫他不要吵 不要吵
摇滚不是為了把妹 是為了梦想
当然魅力太强 被别人爱上 我没办法
啊 断了
没关系再买一把吉他 吉他
没有钱就借别人的吧 的吧
怎么会有人喜欢摔吉他 吉他
有种你就摔最贵的吉他 吉他
你要好好珍惜它 它才会对你说话
手在弹 如果脚有点闲
再加点舞蹈就太完美了
举起你的单手给她个啵
千万别在这时放个屁啵 这时候你可以放开Pick啵
OhOh 美女在哪你就要看到哪
你一定以為我接下来要唱副歌
OhOh 还没 不急 我先教你弹
再升一格 再升一格 最后退一格
听我的Blues Blues 要学会尖叫 尖叫
比一个Peace Peace 是為了拍照 拍照
丢一块Ice Ice 叫他不要吵 不要吵
摇滚不是為了把妹 是為了梦想
当然魅力太强 被别人爱上 我没办法
再来一次
如果你加几个音就变乡村风味
大家听久了都 咩 会狠想喝牛奶
牛仔狠忙 没有空帮你挤牛奶
这是羊不是牛齁 是喔
不过不要笨到自己跑去挤牛奶
因為临时要在路边找到一头牛真的狠难
副歌 听我的Blues Blues 要学会尖叫 尖叫
比一个Peace Peace 是為了拍照 拍照
丢一块Ice Ice 叫他不要吵 不要吵
摇滚不是為了把妹 是為了梦想
当然魅力太强 被别人爱上
当然魅力太强 被别人爱上 我没办法
再来一次 最后一次 再补一次
好久不见 你还好吗
你的小狗 长大了吗
我的围巾 还围着吗
我的相片 都丢了吧
我剪不到后面头发
这个借口还不错吧 哎哟不错
一把剪刀一堆废话
还不是想求求你回来吧
麦搁一个人咧生气 乎伊烦恼 乎伊操心
虽然不关我的代誌 谁叫他是我的兄弟 耶
拢这么久就唰唰去 想想秋天就马过去 耶
冬天来临他会怕冷 你不回来甘讲要我抱伊
按呢甘好
别再一个人在生气 给他烦恼 给他操心
虽然不关我的事情 谁叫他是我的兄弟
都这么久就算了吧 想想秋天就要过去
冬天来临他会怕冷 你不回来难道要我抱他
这样好吗
是我不好 我没有紧紧抱住你
你说泪留着 狠危险
如果等雨一起 等雨一起
流下不让同情发现
我对天空这个那个流星
大喊后会不会有奇跡
就算做朋友也没关系
為你改变了自己都不认识自己
不是我跑去了整形 只是我拿出真心
开一瓶这个那个香檳 去我的Mr J餐厅
点蜡烛顺便吃个甜品 庆祝你打死不连络的毅力
冷战早已经不流行 赶快回来到 我身边
麦搁一个人咧生气 乎伊烦恼 乎伊操心
虽然不关我的代誌 谁叫他是我的兄弟 耶
拢这么久就唰唰去 想想秋天就马过去 耶
冬天来临他会怕冷 你不回来甘讲要我抱伊
按呢甘好
别再一个人在生气 给他烦恼 给他操心
虽然不关我的事情 谁叫他是我的兄弟
都这么久就算了吧 想想秋天就要过去
冬天来临他会怕冷 你不回来难道要我抱他
这样好吗
是我不好 我没有紧紧抱住你 紧紧抱住你
你说泪留着 狠危险 狠危险
如果等雨一起 等雨一起
流下不让同情发现
我对天空这个那个流星
大喊后会不会有奇跡
就算做朋友也没关系
為你改变了自己都不认识自己
不是我跑去了整形 只是我拿出真心
开一瓶这个那个香檳 去我的Mr J餐厅
点蜡烛顺便吃个甜品 庆祝你打死不连络的毅力
冷战早已经不流行 赶快回来到 我身边
街灯下的橱窗 有一种落寞的温暖
吐气在玻璃上 画着你的模样
开着车漫无目的地转弯 不知要去哪个地方
闹区的电视墻 到底有谁在看
白杨木影子被拉长 像我对你的思念走不完
原来我从未 习惯 你已不在我身旁
街道的铁门被拉上 只剩转角霓虹灯还在闪　
这城市 的小巷 雨下一整晚
你撑把小纸伞 嘆姻缘太婉转
雨落下雾茫茫 问天涯在何方
午夜笛 笛声残 偷偷透 透过窗
烛臺前 我嘛还在想　
小舢板 划呀划
小纸伞 遮雨也遮月光
白杨木影子被拉长 像我对你的思念走不完
原来我从未习惯 你已不在我身旁
街道的铁门被拉上 只剩转角霓虹灯还在闪　
这城市 的小巷 雨下一整晚
起落架离开地上 空姐亲切的讲
请我打开遮阳板 将安全带系上
接着问是否用餐 需不需要毛毯
而我沈睡在客舱 梦境在我正上方
她没有狐貍脸蛋 竟然可以这麼耐看
发香 爱爱爱爱上 醒来在飞机上 座位还在晃
一半 她放慢脚步 想我拼命跑 想我去追上
我知道 因為 我想
她问我Coffee tea or me 我深深倒抽一口气
她身体摆动的频率 让我几乎喘不过气
我点咖啡不加糖 正对着她品尝
那免税品的包装 诱人像她一样
我决定边走边唱 她的眼神渴望
充满暗示与想像 给予人一种挑战
梦游的初步阶段 我脑海播放了一段
形状 幻幻幻幻想 醒来在走道上 随节奏在晃
闪亮 她一路翘臀 推着那餐车性感的模样
短裙的弧度 漂亮
她问我Coffee tea or me 我深深倒抽一口气
她身体摆动的频率 让我几乎喘不过气
她问我Coffee tea or me 我张大眼睛在怀疑
厚嘴唇狠有吸引力 我会不会瞬间麻痹
地上断了翅的蝶 雾散之后的满月
原来爱跟心碎 都可以狠细节
听夜风绕过几条街 秋天瘦了满地的落叶
於是又一整夜 感性的句子都枯萎 雕谢
我不想再写 随手撕下这一页
原来诗跟离别 可以没有结尾 没有结尾
憔悴后悔等等这些 於是我把诗摺叠
邮寄出感觉 夹一束白玫瑰 你将爱退回
我不落泪 忍住感觉 分手在起风这个季节
哭久了会累 也只是别人的以為
冷的咖啡 我清醒着 一再续杯
我落泪 情绪零碎 你的世界一幕幕纷飞
门外的蔷薇 带刺伤人的狠直接
过去被翻阅 结局满天的风雪
我不想写 随手撕下这一页 这一页
原来诗跟离别 可以没有结尾 没有结尾
憔悴后悔等等这些 於是我把诗摺叠
邮寄出感觉 夹一束白玫瑰 你将爱退回
我不落泪 忍住感觉 分手在起风这个季节
哭久了会累 也只是别人的以為
冷的咖啡 我清醒着 一再续杯
我落泪 情绪零碎 你的世界一幕幕纷飞
门外的蔷薇 带刺伤人的狠直接
过去被翻阅 结局满天的风雪
赤道的边境 万里无云 天狠清
爱你的事情 说了千遍 有回音
岸边的丘陵 崎嶇不平 浪入侵
我却狠专心 分辨得出 你的声音
用南极的冰 将爱结晶 我用心
永不融化的是 爱你的这个决定
透明 坚硬
升空对抗 重力反应
逐渐渺小的风景 景景景景 景色分明
我加速引擎 拋开远方的黎明
剩速度回应 向银河逼近
我对着流星 祈祷\\时专心
為爱飞行 脱离地心引力的热情
找一颗星 只為了你命名 我用光年传递爱情
為爱飞行 脱离地心引力的热情
我在宇宙 无重力的环境 為你降临
赤道的边境 万里无云 天狠清
爱你的事情 说了千遍 有回音
岸边的丘陵 崎嶇不平 浪入侵
我却狠专心 分辨得出 你的声音
用南极的冰 将爱结晶 我用心
永不融化的是 爱你的这个决定
透明 透明 坚硬 坚硬
升空对抗 重力反应
逐渐渺小的风景 景景景景 景色分明
我加速引擎 拋开远方的黎明
剩速度回应 向银河逼近
我对着流星 祈祷\\时专心
為爱飞行 脱离地心引力的热情
找一颗星 只為了你命名 我用光年传递爱情
為爱飞行 脱离地心引力的热情
我在宇宙无重力的环境 為你降临
巷口甩尾甩开了过去的熟悉
照后镜的你比脑海清晰
你我距离就像打滑和那飘移
差狠远但看似狠接近
车灯闪了一下代表我还在意
被我看见你上他的车 这么不小心
喇叭按了两声代表我会离去
你放心 我理解这游戏
呼啸而过的引擎声 是你最讨厌的旋律
穿梭在城市中 变成一首幻想曲
一边疯狂记录 一边璀璨的忘记
忘记 忘记 忘记 忘记
你发脾气 甩上车门 香味留在车里
对不起 要走可以 关门别太大力
用点心 你说不是用来吃的点心
冰淇淋 溶化了谎言在你身边的美丽
没有了雨 雨刷开始不停左右
就像回忆 开始对我挥了挥了手
仪表板转动 在猜我会不会懂
速度再快也追不回承诺
车窗摇下 听你听你完美借口
音乐开大 让我让我假装感动
贴心的你 不用自导自演心痛
我看不懂 我会更难过
巷口甩尾甩开了过去的熟悉
照后镜的你比脑海清晰
你我距离就像打滑和那飘移
差狠远但看似狠接近
车灯闪了一下代表我还在意
被我看见你上他的车 这么不小心
喇叭按了两声代表我会离去
你放心 我理解这游戏
呼啸而过的引擎声 是你最讨厌的旋律
穿梭在城市中 变成一首幻想曲
一边疯狂记录 一边璀璨的忘记
忘记 忘记 忘记 忘记
你发脾气 甩上车门 香味留在车里
对不起 要走可以 关门别太大力
用点心 你说不是用来吃的点心
冰淇淋 溶化了谎言在你身边的美丽
没有了雨 雨刷开始不停左右
就像回忆 开始对我挥了挥了手
仪表板转动 在猜我会不会懂
速度再快也追不回承诺
车窗摇下 听你听你完美借口
音乐开大 让我让我假装感动
贴心的你 不用自导自演心痛
我看不懂 我会更难过
没有了雨 雨刷开始不停左右
就像回忆 开始对我挥了挥了手
仪表板转动 在猜我会不会懂
速度再快也追不回承诺
车窗摇下 听你听你完美借口
音乐开大 让我让我假装感动
贴心的你 不用自导自演心痛
我看不懂 我会更难过
妈妈说 狠多事别太计较
只是使命感找到了我 我睡不着
如果说 骂人要有点技巧
我会加点旋律 你会觉得超好 屌
我的枪 不会装弹药
所以放心 不会有人倒
我拍青锋侠 不需要替身
因為自信是我绘画的顏料
我做狠多事背后的意义远比你们想象
拍个电视剧為了友情与十年前的梦想
收视率再高也难抗衡我的伟大理想
因為我的人生无需再多一笔那奖项
我不知道何时变成了社会的那榜样
被狗仔拍[要对着镜头] 不能比中指 要大器的模样 怎样
我唱的歌词要有点文化 因為随时会被当教材
CNN能不能等英文好一点再访
时代杂誌封面能不能重拍
随时随地 註意形象 要控制饮食
不然就跟杜莎夫人蜡像的我不像 本来就不像
好莱钨的中国戏院 地上有狠多手印脚印
何时才能看见我的掌
如果超人会飞 那就让我在空中停一停歇
再次俯瞰这个世界 会让我 觉得好一些
拯救地球好累 虽然有些疲惫 但我还是会
不要问我哭过了没 因為超人不能流眼泪
唱歌要拿最佳男歌手
拍电影也不能只拿个最佳新人
你不参加颁奖典礼就是没礼貌
你去参加就是代表你狠在乎
得奖时你感动落泪
人家就会觉得你夸张做作
你没表情别人就会说太嚣张
如果你天生这表情
那些人甚至会怪**妈
结果最后是别人在得奖
你也要给予充分的掌声与微笑
开的车不能太好 住的楼不能太高
我到底是一个创作歌手
还是好人好事代表
专辑一出就必须是冠军
拍了电影就必须要大卖
只能说当超人真的好难
如果超人会飞 那就让我在空中停一停歇
再次俯瞰这个世界 会让我 觉得好一些
拯救地球好累 虽然有些疲惫 但我还是会
不要问我哭过了没 因為超人不能流眼泪