Dunque, non sono più uscito, come al solito il sonno non mi assiste e quindi mi sono messo a scrivere questa spiegazione. Cerco di farla il più semplice possibile.
Cos'è un suono: è il risultato di un corpo messo in vibrazione che eccita lo stato di quiete dell'aria nelle sue immediate vicinanze. Le particelle di aria si scontrano l'una con l'altra e quindi il suono si propaga nello spazio. Per il momento non ci interessa sapere quali siano le direzioni perché complicheremmo troppo le cose. Questa energia meccanica che viene trasferita di particella in particella arriva fino al timpano del nostro orecchio che vibra coerentemente con le particelle d'aria eccitate e tramite un complesso sistema, che non riporto per non fare l'enciclopedia treccani, arriva al nostro cervello sotto forma di impulso elettrico ed in fine percepiamo questo suono.
Si può quindi pensare al concetto di onda. Le particelle di aria che si muovono grazie al corpo messo in vibrazione rompono il loro stato di quiete, in particolare procederanno in avanti e indietro ripetto alla posizione di quiete. Questo determina zone di alta concentrazione e zone di bassa concentrazione (il concetto di onda). Il suono però non può essere descritto semplicemente con il concetto di onda (sinusoide pura) altrimenti nella vita di tutti i giorni sentiremmo solamente suoni puri, ma è costituito da un'insieme di suoni puri che determinano il timbro sonoro. Possiamo quindi pensare matematicamente ad un'onda come una funzione nel tempo, ovvero particelle che in un certo tempo si muovono nello spazio determinando, come abbiamo detto prima, zone di alta e bassa concentrazione, ma possiamo anche pensarla in un tempo infinitamente piccolo come un'insieme di toni puri. Se pensiamo al suono come a un'insieme di toni puri lo stiamo guardando nel dominio della frequenza, ovvero sto dicendo che in quel preciso istante temporale il timbro del suono è dato dalla somma di alcune frequenze che giungono al nostro orecchio.
Di seguito due immagini per chiarire il concetto.
Con questi plugin abbiamo fotografato le frequenze in gioco in un certo istante di tempo in un suono o insieme di suoni.
Sull'asse delle x abbiamo le frequenze, su quello delle y il "peso" impropriamente chiamato volume, di ogni frequenza. (Il termine corretto sarebbe Livello di Pressione Sonora o SPL acronimo di Sound Pressure Level che è una quantità logaritmica coerentemente con il nostro sistema uditivo anch'esso di tipo logaritmico).


Autoflip credo che si basi esattamente su questo principio o per lo meno non riesco ad immaginarne nessun altro per farlo funzionare in quel modo.
Utilizzando la funzione di autoapprendimento su autoflip registriamo il file audio che stiamo ascoltando e l'app memorizza il punto in cui abbiamo voltato la pagina seguendo la partitura. Una volta terminato l'autoapprendimento, viene preso il file audio registrato e vengono scattate delle fotografie proprio come quella qui sopra ad intervalli regolari, potrebbe bastare anche 0,5 secondi.
Perché ho fatto la premessa inizialmente del concetto di onda visto nel tempo e nella frequenza ? Perché in questo momento noi stiamo vedendo il suono in frequenza pertando la variabile temporale non compare più. Il riconoscimento delle frequenze diventa indipendente dal tempo, ecco perché anche suonando molto lentamente autoflip volterà lo stesso la pagina nel punto giusto.
Analizzata tutta la partitura poniamo che autoflip riconosca che tra la 56esima e la 57esima foto delle frequenze bisognerà voltare la pagina. Come realizza questa cosa ? Con dei marker.
Mettiamo il nostro ipad con Autoflip aperto sul pianoforte e cominciamo a suonare la partitura sulla quale precedentemente abbiamo fatto l'autoapprendimento.
A questo punto autoflip comincia a realizzare delle fotografie delle frequenze (Fast Fourier Transform) in tempo reale, fotografie di quello che stiamo suonando noi, e se la frequenza suonata sul pianoforte corrisponde alla prima fotografia realizzata in fase di analisi dell'autoapprendimento mette un marker (la segna come riconosciuta) e attende che si suonino le frequenze della seconda fotografia. Quando si suonano le frequenze della seconda fotografia mette il marker di avvenuto riconoscimento sulla seconda fotografia e si mette in attesa della terza, e via dicendo. Quando arriviamo alla 56esima fotografia, questo mette il marker e volta la pagina (poiché ricordavamo che avevamo posto che la pagina si dovesse voltare tra le fotografie 56 e 57 dell'analisi di autoapprendimento). A questo punto si continua con lo stesso procedimento confrontando le frequenze che suoniamo in tempo reale con quelle ricavate dall'autoapprendimento e ponendo marker, fino alla fine della partitura.
È ovvio che per far funzionare bene questa app saranno state necessarie alcune tarature. Probabilmente si sarà effettuato un triggering delle frequenze, ovvero una selezione delle frequenze più importanti trascurando quelle involontarie (Un aspirapolvere nell'altra stanza, un aereo che passa, un treno), quindi questo è necessario per evitare di considerare il rumore che può differire da posto in posto ma anche la differenza timbrica dei diversi pianoforti. Insomma frequenze identiche anche nello stesso strumento non si avranno mai quindi per garantire il posizionamento di un marker vanno date alcune soglie di tolleranza.
Ovviamente io non posso sapere com'è stato sviluppato autoflip e dunque queste sono solo mie considerazioni personali. Ovvero, se dovessi implementarlo lo svilupperei in questo modo anche perché non ne vedo altri possibili... Ma se qualcuno trova qualche documento su internet a confutazione di questa tesi, ben venga.
L'ho fatta veramente terra terra, quindi gli esperti perdonino alcune imprecisioni nella terminologia ma se ci mettiamo a parlare da ingegneri forse il messaggio arriverebbe veramente a pochi, spero comunque di avervi chiarito le idee.