波の音だけで浜辺が出て来たり
小鳥の声と木の葉が風で擦れる音だけで森の中の絵が出て来たり
人々の足音とざわめきと車の走行音だけで街の風景が出て来たり

だが「この位の音の響きだからこの街はビルの高さと距離がこんなもんだろう」
というのに関してはさすがにそんなに精度は高くないだろうな
それを再現できる生成AIなんてデータ量がとんでもない事になる