Geese: Το «100 Horses» διχάζει τους παίκτες του MLB The Show 26

Ένα τραγούδι των Geese βρέθηκε στο επίκεντρο συζητήσεων στην κοινότητα του MLB The Show 26. Το «100 Horses», από το άλμπουμ Getting Killed, περιλαμβάνεται στο soundtrack του παιχνιδιού, που κυκλοφόρησε τον Μάρτιο. Η υποδοχή του από μερίδα παικτών ήταν αρνητική, με σχόλια σε Reddit και στο επίσημο φόρουμ της κοινότητας.
Οι αντιδράσεις αφορούν τόσο την ερμηνεία του Cameron Winter όσο και τις εικόνες πολέμου και θανάτου στους στίχους. Ένας γονέας διαμαρτυρήθηκε ότι το παιδί του άκουσε αναφορές σε ανθρώπους που πεθαίνουν φοβισμένοι, θεωρώντας πως τέτοιο περιεχόμενο δεν ταιριάζει σε παιχνίδι με αξιολόγηση E. Άλλοι χρήστες εξέφρασαν τη δυσαρέσκειά τους με πιο γενικούς χαρακτηρισμούς για το τραγούδι.
Ένα ασυνήθιστο ταίριασμα με το μπέιζμπολ
Το «100 Horses» συνδυάζει εικόνες πολέμου και θνητότητας με μια soulful, πιασάρικη μουσική προσέγγιση. Αυτή η αντίθεση αποτελεί μέρος της ιδιαίτερης ταυτότητας των Geese, αλλά δεν είναι αυτονόητο ότι λειτουργεί ως μουσική υπόκρουση για ένα παιχνίδι μπέιζμπολ. Όσοι ενοχλούνται από συγκεκριμένα κομμάτια μπορούν, όπως επισημάνθηκε και στις σχετικές συζητήσεις, να τα απενεργοποιήσουν από το jukebox του παιχνιδιού.
Το τραγούδι κυκλοφόρησε αρχικά ως single τον Αύγουστο του 2025 και στη συνέχεια συμπεριλήφθηκε στο Getting Killed. Η παρουσία του στο MLB The Show 26 είναι η πρώτη αναφορά της πηγής σε σύνδεση του συγκροτήματος με τον κόσμο του μπέιζμπολ. Σε παλαιότερη επίσκεψή του σε αγώνα των Mets, ο Winter είχε αστειευτεί ότι οι Geese ήθελαν να διευρύνουν τις δραστηριότητές τους πέρα από το indie rock, αναφέροντας ως πιθανές ιδέες μια ομάδα μπέιζμπολ ή ένα κατάστημα Starbucks.
Για τους παίκτες, η επιλογή του τραγουδιού αποδείχθηκε απρόσμενη· για το συγκρότημα, πάντως, το «100 Horses» βρήκε ένα νέο κοινό, έστω κι αν η πρώτη επαφή δεν ήταν για όλους ευχάριστη. Το κομμάτι προστίθεται έτσι στις πρόσφατες μουσικές κυκλοφορίες που αποκτούν ζωή και έξω από το αρχικό τους πλαίσιο.
Πηγή: Consequence
Το κείμενο συντάχθηκε από τη συντακτική ομάδα του ubroadcast.gr με τη βοήθεια εργαλείων τεχνητής νοημοσύνης, με βάση τα δημοσιεύματα που αναφέρονται στις πηγές. Πώς γράφουμε.


