Bladee // анализ дискографии и треков
введение
Bladee — шведский рэпер, один из ключевых участников коллектива Drain Gang. Его музыка соединяет автотюн‑вокал, облачный, «размытый» звук и отсылки к интернет‑культуре. Являясь центральной фигурой в коллективе Drain Gang, он вместе с Ecco2K и Thaiboy Digital создал целостный, самобытный художественный мир.
Bladee и в целом эстетику Drain Gang я выбрала потому, что их визуальный мир строится на кибер-эстетике: ранний интернет, глитч, ощущение цифрового шума. Поскольку в проекте создаются графики с помощью программирования, выбор исполнителя Bladee показался мне уместным. Так, код и инфографика органично встраиваются в drain-эстетику, где «искусственный» визуальный язык — часть художественного высказывания.
обложка альбома Good Luck (Deluxe) (2021) // обложка альбома Icedancer (2018)
сбор данных // подготовка датасета
Первым шагом стало формирование базового датасета по песням Bladee. Для этой задачи была выбрана платформа Spotify, где можно получить данные как о популярности и длительности треков, так и о привязке к альбомам.
Я спросила у Chat GPT, как я могу получить эти данные и узнала, что нужно зарегистрироваться в кабинете разработчика Spotify, создать приложение и получить client id и client secret, чтобы работать с API. Так, с помощью авторизации в Spotify for Developers был собран набор треков с указаниями названия, альбомов, длительности и индекса популярности, который затем экспортировался в таблицу bladee_tracks.csv для дальнейшей обработки.
Чтобы проанализировать тексты треков, я решила воспользоваться платформой Genius. Собрать уже готовый датасет по Genius API не удалось, поэтому все тексты треков были перенесены вручную в таблицу Excel, а затем в таблицу bladee_lyrics.csv. Далее при помощи скрипта данные были автоматизировано очищены от лишних символов, пустых строк и служебных элементов и объединены в один общий датасет bladee_complete_data.csv, содержащий все данные из Spotify и тексты треков.
загрузка и объединение данных
После подготовки датасетов начался этап программирования графиков на Python. В работе использовались библиотеки pandas, matplotlib, seaborn и wordcloud; Chat GPT помогал генерировать базовые шаблоны кода, которые затем дорабатывались вручную под нужный стиль и структуру данных.
итоговые графики
Для каждого типа визуализации был написан отдельный блок кода: - линейчатая диаграмма с топ‑10 популярных треков; - точечная диаграмма зависимости популярности от длительности; - гистограмма средней длительности треков по альбомам; - облако частотности слов; - график эволюции среднего лексического разнообразия.
При создании отдельно настраивался шрифт для всех подписей и заголовков графиков. В коде для каждого задавался параметр fontname='Andale Mono' и белый цвет текста (color='white'), чтобы все надписи были выполнены определённым шрифтом на чёрном фоне.
Выбор шрифта Andale Mono не случайный: системныей шрифт визуально ассоциируются с терминалом и ранней интернет‑эстетикой, что хорошо рифмуется с цифровым glitch-миром Bladee и Drain Gang. Белый цвет шрифта на чёрном фоне усиливает ощущение «ночного» интерфейса и напоминает кибер-эстетику.
сгенерированная с помощью Adobe Color палитра оттенков на основе обложки Icedancer
Для визуализации данных были использованы специально подобранные оттенки, чтобы графики визуально пересекались с эстетикой Bladee и Drain Gang. Палитра была собрана в Adobe Color из изображений обложек альбомов Good Luck (Deluxe) и Ice Dancer были выбраны характерные неоновые и пастельные оттенки (голубые, розовые, фиолетовые).
сгенерированная с помощью Adobe Color палитра оттенков на основе обложки Good Luck (Deluxe)
[1] топ-10 самых популярных треков
[2] зависимость популярности треков от их длительности
Для каждого трека в отдельные столбцы были вынесены длительность в минутах и индекс популярности, после чего эти два параметра были визуализированы в виде точек. Поверх точечной диаграммы была построена линейная регрессия, чтобы оценить общую тенденцию: популярны ли более коротких или более длинные треки. Такой график демонстрирует, влияет ли длина композиций Bladee на их успех.
[3] средняя длительность треков по альбомам
[4] облако частотности слов в текстах песен
Облако визуализирует самые часто встречающиеся слова, делая заметной лексику, вокруг которой строится поэтика Bladee: местоимения, эмоциональные глаголы, образы drain‑эстетики.
[5] эволюция среднего лексического разнообразия по альбомам
На графике отображена динамика усложнения языка Bladee: видно, на каких этапах его тексты становятся более разнообразными по словарю, а где он, наоборот, опирается на ограниченный набор слов, что можно связывать с изменениями стиля, настроения и творческих установок.
заключение
В результате я проанализировала характеристики треков Bladee на основе данных Spotify и текстов Genius. Работа позволила посмотреть на развитие творчества Bladee и его популярность в зависимости от экспериментов. Большинство слушателей знакомятся с Bladee через одни и те же ключевые треки. Его аудитории ближе треки стандартной для стриминга длины (2–3 минуты), а не самые длинные эксперименты. Это говорит о том, что Bladee находит баланс между авторским высказыванием и ожиданиями слушателей.
Интересное наблюдение проявилось в сравнении альбомов. Bladee, сохраняя свой уникальный стиль, постоянно меняет подход: один релиз может состоять из коротких треков, а следующий — из длинных экспериментальных. Его тексты ведут себя похожим образом: ключевые слова и образы (drain, light, cold) остаются неизменной основой drain-эстетики.
Используя методы анализа данных, я смогла разобрать творчество Bladee на конкретные компоненты — популярность, длительность треков, структуру альбомов и эволюцию текстов. Все они связаны между собой и вместе создают тот цельный образ, который привлекает его аудиторию. Этот проект показывает, что субъективную глитч-музыку можно изучать системно, находя в ней чёткие и измеримые закономерности.
В ходе работы я использовала две генеративные модели: - Chat GPT (для анализа данных, формулирования аналитических выводов, оптимизирования редактирования) - Adobe Color (генерация цветовой палитры на основе обложек альбомов) - krea (генерации обложки)
