Όλη αυτή η διαδικασία η οποία ήταν υπερβολικά δύσκολη το '78 (αλλά και κάμποσα χρόνια αργότερα) σήμερα είναι απλή να υλοποιηθεί. Όταν εννοώ απλή στην υλοποίηση, εννοώ ότι είναι απλό να ετοιμαστεί ένα κομμάτι κώδικα που να "σαρώνει" μια εικόνα και μέσω κάποιου προδιαγεγραμμένου αλγορίθμου να "βγάζει" προδιαγεγραμμένες κυματομορφές (ανάλογα με την τιμή του κάθε pixel (ή γραμμής, ή στήλης, ή "μπάρας", ή φούσκας κλπ κλπ). Φανταστείτε.... ένα pixel μόνο "κουβαλάει" 3 νούμερα (π.χ. RGB ή HSV κλπ). Παίρνοντας τις τιμές αυτών των 3 αριθμών, μπορεί κανείς να τις αντιστοιχήσει είτε σε πληροφορία για άμεση σύνθεση κυματομορφής (π.χ. ένταση, συχνότητα, balance ή ό,τι άλλο φαντάζεστε) ή απλά να μετατρέψει κανείς αυτά τα νούμερα σε midi εντολές.
Τεχνικά είναι απλό.
Το δύσκολο της ιστορίας είναι να αναπτυχθεί ένα διαφορετικό notation, τέτοιο ώστε η μουσική να απεικονίζεται στην εικόνα με διαισθητικό τρόπο και επίσης "ομαλές" εικόνες να "απεικονίζονται" σε "φυσιολογικά" (μη χαοτικά) ακούσματα.
Δηλαδή να μη βάζουμε την εικόνα της γιαγιάς μας, αυτό να σφυρίζει απαίσια κι εμείς να λέμε ότι ακούμε πειραματική μουσική. :)
Ο κατάλληλος συμβολισμός σε επίπεδο εικόνας και ο αντίστοιχος αλγόριθμος απεικόνισης αυτού του συμβολισμού σε ήχο..... ναι θέλει φαντασία (ή τύχη) για να γίνει. :)