Nøkkelen til å lage nydelige, glitchy YouTube bilder: forventning og sletting

Når jeg var yngre, hadde jeg en fotballtrener som understreket viktigheten av forventning. “En-tiiii-ciiiiiii-BETALE-sky,” han ville kjefte på oss, mens vi var dykking rundt etter ballen. Hvis vi gjorde det riktig, han har lovet, vil vi være i stand til å gjøre i fotball hva som Neo i Matrix — ikke, som, stoppe kuler, men å være på rett sted til rett tid til å stoppe et angrep på våre mål. Jeg var ikke så stor på det, i hvert fall ikke med det første.

Men leksjon fast. Jeg kan høre coach ‘s stemme selv nå, når jeg navigerer knuse av reisende i løpet av New York’ s altfor hyppige rushtiden. Dette er å si at resultatet er nøkkelen; det er forskjellen mellom å få ballen i ryggen på nettet og whiffing helt, gapet mellom å få plass på et overfylt tog eller å måtte vente, refset, for den neste. Og, som jeg nylig lærte, prediksjon er forskjellen mellom en YouTube-video, og glitch art.

Den andre dagen kom jeg over en Twitter-bot @youtubeartifacts, som twitret ut skjermbilder og klipp fra tilfeldig YouTube-videoer — men bilder og videoer var bitcrushed og kornete og kinetisk, mer abstrakt maleri enn koding feil.

Det er et navn for denne typen glitched ut estetikk, og det viser seg å ha en godt etablert kunstneriske fortid. “Bot bruker min egen variant av en gammel glitch art teknikk kalt “datamoshing”, som i utgangspunktet genererer en bestemt type h264 komprimering glitch som skaper smurt, pixelated noen ganger malte gjenstander du se i produksjonen,” sier David Kraftsow, kunstneren bak @youtubeartifacts. (H. 264, også kjent som MPEG-4 Part 10 Advanced Video Coding, er en video komprimering standard — for opptak, komprimering og distribusjon — mye brukt på internett siden rundt 2014, noe som gir bedre videokvalitet enn tidligere epoker.)

“Det er faktisk en noe gammel glitch kunstprosjekt av meg som har gått gjennom en rekke iterasjoner, den siste som er på Twitter bot,” Kraftsow skriver til meg i en e-post. Det startet som et nettsted i 2009, hvor hvem som helst kan skrive inn en YouTube-URL og se spesifikke feil virkninger i nettleseren — men det var vanskelig å opprettholde, Kraftsow forklarer, som mente det ikke vare veldig lenge. Så, kuratorer av digital kunst kollektiv Rhizome ba ham om å skape en mer robust versjon: en desktop app.

“Jeg refashioned siden og hadde det ser spesielt for “vlogger” innhold for å generere stillbilder,” sa han. “Deretter et par år siden” — Februrary 2015 — “jeg laget appen i en Twitter-bot, som selv har gått gjennom et par versjoner. Den siste som genererer 4K-bilder fra en convoluted youtube-søk som ser for (blant annet) vloggers, skjønnhet/kosmetikk vids, sport og natur/landskap videoer.”

Som Kraftsow nevnt, datamoshing er en type feil art — som, i sammenheng med kunsthistorien, kan være bredt definert som kunst laget ved å ødelegge eller på annen måte manipulere en eksisterende fil — som har sine røtter i netto art bevegelsen i begynnelsen av aughts. En av de mest innflytelsesrike eksempler på at teknikken var en 2003 video som heter “Pastell Kompressor,” av kunstnere Owi Mahn og Laura Baginski. “Som grunnlag for “pastell kompressor’ vi har vært ved hjelp av time – lapse opptak av skyer drivende av, som vi tok på platåer i den sørlige delen av frankrike [sic],” skrev de. De kjørte det gjennom en proprietære codec, kalt “sörensen – 3”, som blandet den franske platåer med en persons skikkelse. To år senere, artist Takeshi Murata opprettet “Monster Film”, som blandet materiale fra en 1981 B-film og en tung soundtrack, og som nå er i den permanente samlingen på Smithsonian som kanskje den mest innflytelsesrike stykke i datamosh canon. I 2009, Kanye West ville bruke teknikken i sin video “Velkommen Til Hjertesorg.”

Konseptuelt, datamoshing er ganske enkelt: Å skape mest grunnleggende versjon av de dramatiske, pixelated effekter, alt du trenger å gjøre er å dra nytte av hvordan videoene er kodet. I hovedsak, det er tre typer frames, som kan lagre komprimerte bilder: i-frames, P-frames, og B-frames. Som en utmerket opplæringen har det, jeg-rammer er “inter rammer,” som betyr at de inneholder de rammer ” image data. P-frames er “logisk rammer,” som holder abstrakt informasjon — i hovedsak, de lagrer data for hvordan videoen er punkter flytte, og nesten ingenting annet. (B-frames er litt annerledes, fordi de er som logisk rammer, men de er toveis, fordi de ikke har mye å gjøre med glitching.) Så, for å datamosh, alt du gjør er å slette den i-frames. Slett bildet av data — alle identifiserbare, stillbilder til video — og du sitter igjen med det abstrakte, interiør informasjon som fyller mellomrommet mellom bilder. Du bare la i ann-tiii-ciii-BETALE-sky, spådommer, som på sine egne produkter kjennetegnet virvel av glitchy punkter som visuelt definere en datamoshed video. Enkelt, ikke sant?

Jeg bestemte meg for å prøve det selv, og starter med noe som er kjent: Randen Vitenskap er utmerket video på grafén som kom ut tidligere denne uken. Jeg kuttet video ned til 45 sekunder med iMovie, noe som føltes som en overkommelig nok lengde, så jeg kjørte det gjennom Avidemux versjon 2.5.4 (en gratis, populære video editor) for å slette min i-frames, så jeg brukt VLC (en utmerket video player) for å spille av mine resultater. (En god tommelfingerregel om jeg-bilder er at, fordi de ankerpunkt, de finnes i omtrent hver eneste kutt. Avidemux identifiserer dem for deg, bare trykk opp og ned piltastene for å bla gjennom hver eneste en i en video.)

Det tok meg seks forsøk og nesten en time å komme seg fra første 45 sekunder av dette…

…til dette:

Det var litt vanskeligere enn jeg trodde. Men jeg holdt ut. Jeg trodde i min P-frames. Til slutt, jeg fikk denne.

Det er som min fotballtrener kan si: Utholdenhet er like viktig som å finne ut hvor dine punkter kommer.