В рамках продвижения проекта, разработчики использовали нейросеть, которая пишет музыку города по фотографии его линии горизонта и другим геоданным, например, плотности застройки и посещаемости регионов. Первые пять композиций отражают звучание Москвы, Санкт-Петербурга, Нижнего Новгорода, Архангельска и Казани. Затем музыку, которую написала нейросеть, адаптировали для прослушивания популярные артисты из этих городов — например, «Симфонический оркестр Санкт-Петербурга» — сделали на ее основе собственные треки. Композиция уже доступна на Яндекс.Музыке.
При создании музыки для каждого из пяти городов нейросеть опиралась на несколько видов данных — визуальные (фото горизонта и трехмерную карту городского ландшафта) и аналитику населенности. Из линии горизонта нейросеть сделала форму волны, чтобы она отвечала за тембр. Геоданные мобильного оператора Tele2, а именно плотность концентрации жителей в районах города, были преобразованы в секвенсор. Он расставил ноты по местам и во времени, чтобы получилась музыка.
Так, основой для композиции «Санкт-Петербург» стала линия крыш Кронштадта и Исаакиевского собора, а в «Москве» — Красной площади и Кремля. В треках «Казань», «Нижний Новгород» и «Архангельск» удалось задействовать все градостроительные ансамбли и особенности ландшафта.
Вторым этапом проекта стало привлечение профессиональных музыкантов. Самые популярные артисты пяти городов на базе музыки, написанной нейросетью, создали собственные треки.
При создании музыки для каждого из пяти городов нейросеть опиралась на несколько видов данных — визуальные (фото горизонта и трехмерную карту городского ландшафта) и аналитику населенности. Из линии горизонта нейросеть сделала форму волны, чтобы она отвечала за тембр. Геоданные мобильного оператора Tele2, а именно плотность концентрации жителей в районах города, были преобразованы в секвенсор. Он расставил ноты по местам и во времени, чтобы получилась музыка.
Так, основой для композиции «Санкт-Петербург» стала линия крыш Кронштадта и Исаакиевского собора, а в «Москве» — Красной площади и Кремля. В треках «Казань», «Нижний Новгород» и «Архангельск» удалось задействовать все градостроительные ансамбли и особенности ландшафта.
Вторым этапом проекта стало привлечение профессиональных музыкантов. Самые популярные артисты пяти городов на базе музыки, написанной нейросетью, создали собственные треки.
«Трек — музыкальный образ культурной столицы России, который складывается из исключительно положительных и светлых эмоций, когда мы думаем о Санкт-Петербурге. Это ассоциации, связанные с этим городом. Их рождают красивейшие сады и парки, благоухающие в утреннем солнечном свете, каналы города с курсирующими теплоходами. Выходя на берег Петропавловской крепости и смотря вдаль, мы слышим музыку. В ней присутствует внутренняя энергия и пульсация жизни города. Но эта музыка не носит прикладной характер, а прежде всего рисует определенную картину города и созвучна внутренней красоте и романтике Северной столицы. В этом душа Санкт-Петербурга», — говорит директор Симфонического оркестра Санкт-Петербурга Алексей Караганов.
Помимо «Симфонического оркестра Санкт-Петербурга», в проекте также участвовали битмейкер CVPELLV из Москвы, инди-исполнитель Радиф Кашапов (лаборатория qaynar) из Казани, рэпер Ира PSP из Нижнего Новгорода и музыкант Михаил Карлос (Devilboy x Carlos) из Архангельска.
«У многих людей города ассоциируются с определенным запахом или картинкой, но мы решили сгенерировать их уникальные звучания. С помощью больших данных мы учли множество показателей: от количества туристов до плотности застройки и линии горизонта, благодаря чему получили неповторимое и ни на что не похожее звучание. Мы решили выбрать пять городов — Архангельск, Москву, Санкт-Петербург, Нижний Новгород и Казань — поскольку они наиболее ярко демонстрируют ландшафтное разнообразие и богатое архитектурное наследие России. А музыканты, коренные жители этих городов, помогли отобразить его на понятном всем и каждому в мире языке — на языке музыки», — объясняет гендиректор компании Platforma Алексей Каштанов.
«В основе сервиса оценки туристической привлекательности лежат сложные алгоритмы аналитики. Проект музыки городов призван повысить интерес у широкой аудитории к возможностям аналитики больших данных и показать, что нейросети одинаково эффективны в отображении кода города в нотах и определении неявных мест притяжения туристов в регионе. Хочется верить, что сервис будет востребован со стороны администраций территорий, а созданная музыка будет создавать приятные впечатления для жителей городов», — Антон Мерзляков, директор по аналитике больших данных Tele2.
«В основе сервиса оценки туристической привлекательности лежат сложные алгоритмы аналитики. Проект музыки городов призван повысить интерес у широкой аудитории к возможностям аналитики больших данных и показать, что нейросети одинаково эффективны в отображении кода города в нотах и определении неявных мест притяжения туристов в регионе. Хочется верить, что сервис будет востребован со стороны администраций территорий, а созданная музыка будет создавать приятные впечатления для жителей городов», — Антон Мерзляков, директор по аналитике больших данных Tele2.