Interspecificsmx
Aire_ V.3 es un álbum audiovisual generado con el uso de herramientas de machine learning que analizan los patrones de los niveles de contaminación en diferentes ciudades alrededor del mundo: Ciudad de México, Bogotá y Sao Paulo. Los datos provienen del sistema predictivo de Resource Watch, diseñado por el World Resource Institute y la NASA. Interspecifics ha creado una serie de composiciones sonoras y visuales donde se muestran la dinámica de los contaminantes en el aire de cada una de estas tres ciudades.
La primera etapa de este proyecto se compone por una experiencia A/V en segmentos de 10 minutos donde se muestran paisajes urbanos hechos de elevaciones de mapas 3D e imágenes de satélite, acompañados de composiciones sonoras generativas. Los contaminantes son analizados en una escala de saturación a cada uno se les asigna una identidad sonora propia que responde al flujo de datos a manera de señal de modulación o control. Los patrones más relevantes y particulares que detecta nuestra herramienta personalizada de machine learning sirven para detonar y silenciar los eventos sonoros a medida que ocurren, estableciendo la estructura de toda la composición.
Con el apoyo del departamento de calidad del aire del World Resource Institute México y la dirección de la Dra. Beatriz Cárdenas. Presentado por el sello mexicano Otonio
Aire_ V.3 es un álbum audiovisual generado con el uso de herramientas de machine learning que analizan los patrones de los niveles de contaminación en diferentes ciudades alrededor del mundo: Ciudad de México, Bogotá y Sao Paulo. Los datos provienen del sistema predictivo de Resource Watch, diseñado por el World Resource Institute y la NASA. Interspecifics ha creado una serie de composiciones sonoras y visuales donde se muestran la dinámica de los contaminantes en el aire de cada una de estas tres ciudades.
La primera etapa de este proyecto se compone por una experiencia A/V en segmentos de 10 minutos donde se muestran paisajes urbanos hechos de elevaciones de mapas 3D e imágenes de satélite, acompañados de composiciones sonoras generativas. Los contaminantes son analizados en una escala de saturación a cada uno se les asigna una identidad sonora propia que responde al flujo de datos a manera de señal de modulación o control. Los patrones más relevantes y particulares que detecta nuestra herramienta personalizada de machine learning sirven para detonar y silenciar los eventos sonoros a medida que ocurren, estableciendo la estructura de toda la composición.
リンク
Web Oficial
