2k18•11

The return of personal musical playlists

Sonic City PreParty 2017

Quelques images de la soirée PreParty du Sonic City (à Courtrai, en Belgique), avec les vrombissements bruitistes de Brian Case, les guitares furieuses de Metz, le spatial et psychédélique Moon Duo et enfin, Soft Moon (que j’avais vu déjà vu sur la grande scène de la Route du Rock en 2015, avec mon ami Bruno) toujours aussi incroyablement sous bonne influence de The Cure.

2k17•09

fragment.10

Requiem de Verdi

Le mois de juillet est déjà quasiment plié. Et j’ai déjà laissé filé du temps depuis le précédent article. Dans mon billet du 29 juin, j’évoquais une soirée passée en compagnie de Pascal Pronnier. Durant notre déambulation dans Lille, il remarqua les très nombreuses affiches pour un concert qui allait se dérouler le 12 juillet. Dans toute la ville, on annonçait le Requiem de Verdi, joué au grand stade avec 300 artistes : les musiciens de l’Orchestre National de Lille, les chanteurs du chœur régional Nord-Pas-de-Calais et du chœur Nicolas de Grigny – Reims, un orchestre, quatre chanteurs lyriques, dirigés par Jean-Claude Casadesus. J’avais mes billets depuis février.

Mes seules incursions dans la musique orchestrale sont très contemporaines : Steve Reich, Max Richter, Philip Glass, Jóhann Jóhannsson, Dustin O’Halloran, le Kronos Quartet, le Balanescu Quartet. Un petit peu Prokoviev. Donc Verdi était terra incognita. Mais j’étais prêt : j’avais mes billets depuis février.

Le spectacle fut de très haute qualité. Si l’idée d’assister à une œuvre classique dans un stade de foot peut rebuter certains, laissez tomber cet a priori. Le son était magistral.

Le requiem de Verdi se trouve être une œuvre hyper ecclésiastique, pleine de contrastes, alternant des séquences d’énergie, de tumulte, de murmures, de chuchotements. Emprunt d’un certain romantisme de la mort, cet opéra religieux évoque le châtiment divin, la fin du monde et la libération.

2k17•07

2k17•06

repetitive music and learning machine

Explications par Damien Henry

I used videos recorded from trains windows, with landscapes that moves from right to left and trained a Machine Learning (ML) algorithm with it.

First, it learns how to predict the next frame of the videos, by analyzing examples. Then it produces a frame from a first picture, then another frame from the one just generated, etc. The output becomes the input of the next calculation step. So, excepting the first one that I chose, all the other frames were generated by the algorithm.

The results are low resolution, blurry, and not realistic most of the time. But it resonates with the feeling I have when I travel in a train. It means that the algorithm learned the patterns needed to create this feeling. Unlike classical computer generated content, these patterns are not chosen or written by a software engineer.
In this video, nobody made explicit that the foreground should move faster than the background: thanks to Machine Learning, the algorithm figured that itself. The algorithm can find patterns that a software engineer may haven’t noticed, and is able to reproduce them in a way that would be difficult or impossible to code.

What you see at the beginning is what the algorithm produce after very little learnings. It learns more and more during the video, that’s why there are more and more realistic details. Learnings is updated every 20s.

[table “4” not found /]

2k17•05

Jonathan Fitoussi • Imaginary Lines

J’aime beaucoup Imaginary Lines de Jonathan Fitoussi. Cet album ne me quitte pas depuis une dizaine de jours. Les compositions de ce musicien français me rappelle les nappes synthétiques de Tangerine Dream et de Klaus Schulze, mais avec un côté plus répétitif et avec beaucoup plus de boucles.