Download presentation here

Studio III
MD Quinto trimestre 2016 - DesignLab UAI
Framework modular para sonificación y espacialización
Proyecto Estudio III
OPEN FRAMEWORK FOR SPATIALIZED AUDITORY DISPLAYS
SocialMedia
Stocks
Weather
DATA
SONIFICATION
SPATIALIZATION
Fetching/
Rules/
Control/
Mining/
Shape/
Interaction/
Parsing/
Beats/
Space/
ID00
ID01
ID02
ID03
ID04
ID00
ID05
T
X
ID00
P
A
Scale
Y
Spatialization
D
Readable stream
A
S
ID00
R
Synth
1.
Tools: Orange / Python / Json
2.
Tools: Max- Msp/ Python / Live
Trigger
3. Tools: Max- Msp/ SPAT / Python / Live / OSC
Z
Proyecto Estudio III
OPEN FRAMEWORK FOR SPATIALIZED AUDITORY DISPLAYS
SocialMedia
Stocks
Weather
DATA
SONIFICATION
SPATIALIZATION
Fetching/
Rules/
Control/
Mining/
Shape/
Interaction/
Parsing/
Beats/
Space/
ID00
ID01
ID02
ID03
ID04
ID00
ID05
T
X
ID00
P
A
Scale
Y
Spatialization
D
Readable stream
A
S
ID00
R
Synth
1.
Tools: Orange / Python / Json
2.
Tools: Max- Msp/ Python / Live
Trigger
3. Tools: Max- Msp/ SPAT / Python / Live / OSC
Z
1. DATA
Mining Twitter
Usando Python y TextBlob, Pudimos ejecutar un análisis de sentimiento
respecto de una base de tweets de mas de 240.000 entradas, donde se
analizaron los comentarios acerca de los 3 candidatos presidenciales en
EEUU. Con esto pudimos establecer la polaridad y subjetividad con que
los usuarios se referían a uno u otro candidato. En base a este análisis
pudimos generar un archivo csv para el “Sentiment” de cada candidato y
visualizarlos. Después de este ejercicio se hacen evidentes las
complejidades y posibilidades de este tipo de análisis, por lo que
preferimos dejar el tema del “mining” para una siguiente etapa de
desarrollo del modulo 1 del framework.
Mining Twitter
Mining Twitter
Weather Data
Usando Weather UnderGround tuvimos acceso a diferentes set de datos
con data historia climática de diferentes lugares, en este caso utilizamos
la data histórica de Santiago, analizando la temperaturas maxima en
lapsos de 10 años de diferencia. También pudimos “escuchar” las
temperatura de otras ciudades. y en alguno casos comparar mas de un
factor simultáneamente.
Weather Data
Weather Data
Conseguidos los datos, se inicia el proceso de normalización y escala
para poder transformarlos en relaciones tonales que puedan ser
posteriormente sonificada. Para esto utilizamos Python, Pandas y
Mingus. Pandas es un librería para el manejo de bases de datos y Mingus
es una herramienta de notación y composición musical para Python.
Weather Data
GET DATA
COLUMN
RE-MAP DATA
TO NUMBER
OF NOTES IN
OCTAVES
Weather Data
DATA TO NOTES
TO DIATONIC NOTES
NOTES TO HERTZ
TO CSV
2. SONIFICATION
SuperCollider
SuperCollider es un lenguaje de programación especifico para la síntesis
de sonido y la composición algorítmica. Elegimos esta plataforma por
estar orientada a la generación de audio a través de código. En una
primera instancia trabajamos con sintetizadores simples, en base a
formas de onda estándar, sine waves, square waves, saw waves, etc. El
primer ejercicio nos permitió entender dos lecturas de datos en
simultáneo y poder jugar con la imagen stereo, ubicando cada sonido en
un canal independiente.
SuperCollider
Synth Definition
SuperCollider
CSV to SOUND
SuperCollider
Temperatura máximaC
SCL 1997
60
45
30
15
0
1997-1-1 1997-2-21 1997-4-13 1997-6-3 1997-7-24 1997-9-13 1997-11-3 1997-12-24
SuperCollider
Temperatura máximaC
SCL 2006
40
30
20
10
0
2006-1-1 2006-2-18 2006-4-7 2006-5-25 2006-7-12 2006-8-29 2006-10-162006-12-3
SuperCollider
Temperatura máximaC
SCL 2015
40
30
20
10
0
2015-1-1 2015-2-20 2015-4-11 2015-5-31 2015-7-20 2015-9-8 2015-10-28
SuperCollider
Temperatura máximaC
Dubai 2015
50
37.5
25
12.5
0
2015-1-1 2015-2-18 2015-4-7 2015-5-25 2015-7-12 2015-8-29 2015-10-162015-12-3
SuperCollider
Temperatura máximaC
Helsinki 2015
30
22.5
15
7.5
0
-7.5
-15
2015-1-1 2015-2-17 2015-4-6 2015-5-24 2015-7-11 2015-8-28 2015-10-15 2015-12-2
Proyecto Estudio IV
OPEN FRAMEWORK FOR SPATIALIZED AUDITORY DISPLAYS
SocialMedia
Stocks
Weather
DATA
SONIFICATION
SPATIALIZATION
Fetching/
Rules/
Control/
Mining/
Shape/
Interaction/
Parsing/
Beats/
Space/
ID00
ID01
ID02
ID03
ID04
ID00
ID05
T
X
ID00
P
A
Scale
Y
Spatialization
D
Readable stream
A
S
ID00
R
Synth
1.
Tools: Orange / Python / Json
2.
Tools: Max- Msp/ Python / Live
Trigger
3. Tools: Max- Msp/ SPAT / Python / Live / OSC
Z
MD UAI 2016
Gonzalo Cavada Tacussis