1. Ascolto sul dispositivo

AwareFlow utilizza il microfono del tuo iPhone per analizzare brevi frammenti audio continui in tempo reale. L'app monitora schemi sonori specifici — come tirare su col naso o schiarirsi la gola — utilizzando i framework audio nativi di Apple. L'audio grezzo viene elaborato istantaneamente e scartato. Non viene mai registrato, salvato o inviato da nessuna parte.

2. Classificatori addestrati su misura

Ogni abitudine ha il suo modello di machine learning dedicato — un classificatore binario addestrato per distinguere quel suono specifico dal rumore di fondo. Questo approccio un modello per abitudine offre un'accuratezza significativamente migliore rispetto al tentativo di classificare tutto con un singolo modello. I classificatori funzionano sul framework Core ML di Apple con inferenza esclusivamente CPU.

Attualmente disponibili: rilevamento del tirare su col naso, rilevamento dello schiarirsi la gola.
In arrivo: clic della penna, masticazione rumorosa, sospiri, battito del piede e altro.

3. Contesto ed emozione

Quando un'abitudine viene rilevata, AwareFlow annota discretamente il contesto: ora del giorno, livello di rumore ambientale, densità degli impegni e condizioni meteorologiche. Puoi opzionalmente registrare come ti senti — un tocco rapido che richiede meno di tre secondi. Col tempo, questo contesto trasforma momenti isolati in schemi significativi.

4. Informazioni delicate

AwareFlow ti mostra schemi calmi e di alto livello: quando le abitudini tendono a manifestarsi, attorno a quali condizioni si raggruppano e come cambiano nel tempo. Invece di numeri grezzi, vedi un inquadramento contestuale — "più attivo del solito" o "più tranquillo di ieri." L'obiettivo è una consapevolezza su cui puoi agire, non numeri che creano pressione.