Percepción

del habla

PÁGINA OPUESTA Este patrón es un espectrograma del habla, qu\'

representa la energía sonora generada al decir las palabras en
inglés speech perception, que significan percepción del habla. L()S e

espectrogramas por lo general se muestran en negro sobre un ondo )

blanco, la frecuencia se indica en un eje y los sonidos del h(l91� ell .
el otro. Véase la página 312 para obtener más detalles sobre' lós''· ·
,
espectrogramas del habla.
Espectrograma original (antes de colorear por computadora) por cortesía de Oavíd Pisoni, Luis·Herf:á-��Z
y Tessa Bent :t:o.: _,.
r

compUtad oras_pued en percib i r el habla como los
ser�� punia,os? (p. 312)
¿Ca<fu paÍabra que escuchamos tiene u n patrón único de
cambios elll a presión del aire asociado con e lla? (p. 315)
,1 ¿PcíFqllé un idioma extranjero desconocido a menudo
.. suena como u n flujo continuo de sonidos, s i n pausas entre
· Los sonidos de la voz son producidos por la posicióri o �1
las palabra s? (p. 320)
c. 1 '¿Existen áreas específicas del cerebro responsables de la
percepción del habla? (p. 323)
A unque percibimos el habla fácilmente en la mayoría de
..
n las condiciones, detrás de esta facilidad se esconden proce­
.
labras y encadenarlas juntas en oraciones. Este �·o· ·�·,•u..•�uc
fluye en la percepción de los estímulos entrantes, de �Ódo
.
que percibimos no sólo depende de los estímulos sonoro�
sino también de los procesos cognitivos que nos
pretar lo que se escucha. Comenzaremos con la-rl•·�nr-in;,_;-.
estímulo sonoro físico, llamado señal acústica.
La señal acústica
.
miento de las estructuras internas del aparato vocal, eÍ
duce patrones de cambios en la presión del aire lLamadQs
acústico, o señal acústica. La señal acústica para la m;av<>n;a.ae'l
sonidos de voz se crea por medio del aire que empuja�
nes y que pasa por las cuerdas vocales hacia el ttac�o
nido que se produce depende de la forma que tiene �� Jicfo
·
cuando el aire empujado por los pulmones pisa;_ �r�tés·d�

Sos complejos como los que intervienen en la percepción visual

de l as escenas más complejas. Una manera de apreciar esta esta forma se ve alterada por el movim iento de los w·,._·�''dl"�
-

que incluyen estructuras como la lengua, los labios, lo �

complejidad es considerar los intentos de utilizar las compu­
tadoras para reconocer el habla. En la actualidad muchas em­
presas utilizan sistemas informáticos de reconocimiento de
voz para proporcionar servicios como la reservación de boletos
la banca automatizada y el soporte técnico de computadoras :
Pero si alguna vez ha usado uno de estos sistemas, es probable
que una voz i n formática amigable le haya dicho "No entiendo
lo que ha dicho" en más de una ocasión.
.
la mandíbula y el paladar blando (figura 13.1).
Consideremos primero la producción de las vocales.
se generan por la vibración de las cuerdas vocales y los
específicos de cada vocal se crean al cambiar la for'ma:
del tracto vocal. Este cambio en la forma modifica la.
cia de resonancia del tracto vocal y produce picos de
varias frecuencias d i ferentes (figura 13.2). Las frecuénda�
- .

El reconocimiento de voz por computadora mejora constan­ que se producen estos picos reciben el nombre de
temente, pero todavía no puede igualar la capacidad de las per­ Cada vocal tiene una serie característica -de
sonas para hacerlo. Las computadoras funcionan bien cuando El primer formante tiene la frecuencia más baja, el,
una persona habla despacio y con claridad, y no hay ruido de formante es el más alto, y así sucesivamente.
fondo. Pero los seres humanos podemos percibir el habla en una de la vocal /ae/ (el sonido de la vocal en la palabra
amplia variedad de condiciones, incluyendo la presencia de rui­ del verbo tener en inglés]) se muestra en el es¡)ec:tr<>lrr·aola
dos de fondo diferentes, una pronunciación descuidada, los dis­ sonido o sonograma de la figura 13.3. El
tintos dialectos y acentos de la gente y las concesiones mutuas a
menudo caóticas que habitual menee se dan las personas cuando
hablan entre ellas (Sinha, 2002; Zue y Glass, 2000).
Este capítulo le ayudará a apreciar los complejos problemas
perceptuales planteados por el habla y describirá la investiga­
ción que nos ha permitido comenzar a entender cómo el sis­
tema de percepción del habla humana ha resuelto algunos de
estos problemas.

El estímulo del habla

El c:¡_pítulo 11 inició con la descripción del sonido para lo cual
se presenta"ron los tonos puros, es decir, patrones simples de on­
das sinusoidales con amplitudes y frecuencias diferentes. Luego,
se mencionaron los tonos musicales que consisten en una serie
de tonos puros, llamados armónicos, con frecuencias que son
mlÍltiplos de la frecuencia fundamental del tono. Los sonidos
del habla aumentan la complejidad un nivel más. Aún podemos
de�cribir el habla en función de la frecuencia, pero también en
términos de los abruptos inicios y detenciones, silencios y ruidos
que �e producen cuando las personas forman palabras al hablar.
F i g u ra 13.1 1 El tracto vocal incluye las cavidades n asal
Y sonJas palabras lo que añade una dimensión importante al
bucal y la faringe, así como los componentes que se
�ab�a, los significados que las personas crean al decir estas pa- entre ellos la lengua, los labios y las cuerdas vocales.

312:: �CAPfTÜLO 13
'
- .• • :>
Percepción del habla
• ·,
 Esquema del tracto vocal
trazado a partir de una
Cambios
imagen de rayos X de la boca
de presión
"Had"
ra 13.3 1 Espect rogram a de la palabr
a had que
los forman tes primero (F1), segun do (F2) y tercero
sonido de la vocal ingles a /ae/. (Espectrograma
de Kerry Green.)
patrón de frecuen cias e intensi dades en el tiempo que
,•.,..�........,
la señal acústic a. La frecuen cia se indica en el eje
Y el tiempo en el eje horizo ntal; la intensi
dad se indica
·_ oscura s, las más oscura s denota n mayor intensi dad.
figura 13.3 vemos que los forman tes son concentraciones
.
en frecuen cias específicas, en las que el sonido jae/
formantes en 500, 1 700 y 2 500 Hz. Las líneas verticales
son oscilac iones de la presión causad as por
-·�·-�o...•v•u:;:, de la cuerda vocaL
consonantes se producen por el estrechamie nto o cierre
vocaL Para ilustrar cómo ocurre esto nos centrar e-
'
.
Figura 13.2 1 Izquierda: forma del tracto vocal para los-
sonidos de las vocales /i/ y /u/. Derecha: amplitud de
los cambios de presión producidos para c �da vocal.
Los picos en los cambios de presión son los formant�s:.
El sonido de cada vocal tiene un patrón c aracterístico de '·
formantes que está determinado por la forma del tra�tó
vocal para esa vocal. (De Oenes, P. B. y Pinson, E. N.,
The speech chain, 2a. ed. Copyright© 1993 por W. H.
Freeman and Company. Reproducido con permiso.)
mos en los sonidos /d/ y /f/ (los sonidos del habla se i ndican
por medio de las diagonales que los encierran). Pronuncie-es­
tos sonidos y preste atención a lo que sucede con su lengua,
sus labios y dientes. Cuando produzca el sonido /d/, coloque
la lengua contra la cresta que está encima de los dientes supe­
riores (el reborde alveolar de la figura 13.1) y luego suelte una
leve ráfaga de aire, mientras retira la lengua del reborde alveo­
lar (inténtelo). Cuando produzca el sonido /f/, coloque su labio
inferior contra los dientes frontales superiores y luego empuje
el aire entre los labios y los dientes.
Estos movimientos de la lengua, los labios y otros articu­
ladores crean patrones de energía en la señal acústica que
observamos en el espectrograma de sonido. Por ejemplo, el
espectrograma de la frase "Roy read the will" (Roy lee el tes­
tamento), que aparece en la figura 13.4, muestra aspectos de la
señal asociada con las vocales y consonantes. Las tres bandas
horizontales marcadas como Fl, F2 y F3 son los tres formantes
asociados con el sonido /e/ de read. Los rápidos cambios en l�
frecuencia que preceden o anteceden a los formantes se d.eno­
minan transiciones de formantes y se asocian con las· <:onso:
nantes. Por ejemplo, T2 y T3 son las transiciones de formantes
asociadas con la /r/ de read.
Hemos descrito las características físicas de los estímulos
del habla. Para comprender la percepción del habla, debemos· con·
siderar las unidades básicas del habla.
Unidades básicas del habla
Nuestra primera tarea en el estudio de la percepción del h�- ,
bla es separar los sonidos del habla en unidades m_i n�jábles.
¿Cuáles son estas unidades? ¿El flujo de un enunciado? ¿UIJ.a.
palabra en particular? ¿Una sílaba? ¿El sonido de imale,traf.,
Un enunciado es una unidad demasiado grande- para facilitár
 .. 4000
Ñ
:X:
.-
111
3000
ü
·e:
G)
:l
o
f 2000
u.

1000

o
R o y r e a d w

F i g u r a 13.4 1 Espectrograma de la frase "Roy read

the will", que m uestra los formantes F1, F2 y F3, y las
transiciones d e formantes T2 y T3. (Espectrograma cortesía
de Kerry Green)

el análisis y algunas letras no tienen sonido alguno. Aunque

ha.r argumentos a favor de la idea de que la sílaba es la unidad
básica del habla (Mehler, 1 98 1; Seguí, 1984), la mayor parte de
la investigación sobre el habla se ha basado en una unidad l la­
mada fonema. Un fonema es el segmento más breve del habla
que, al variar, cambia el significado de una palabra. Considere
la palabra bit, que contiene los fonemas /b/, /i/ y /t/ Sabemos
que /b/, /i/ y /t/ son fonemas porque el significado de la pala­
bra cambia si modificamos cada fonema individuaL Por ramo,
bit se convierte en kit si /b/ cambia a /k/, se convierte en bat si /i/
cambia a /a/ y se convierte en bar si /t/ cambia a /rf
En la tabla 13.la se listan los fonemas que hay en español
cinco para las vocales y 1 9 para las consonantes y en la tabla
13. lb los fonemas del inglés estadounidense 1 3 vocales y 24
consonantes. Es posible que su primera reacción ame esta úl­
tima tabla sea que hay más vocales que el conjunto estándar
que aprendió si estudió inglés en la escuela primaria (a, e, i, o,
u, y a veces y). Los fonem.as se representan por medio de símbo­

los fonéticos que denotan los sonidos del habla. En español, los
fonemas vocálicos son cinco, pero en otros idiomas pueden ser
más. Por ejemplo, en inglés algunas vocales tienen más de una
pronunciación, por lo que hay más sonidos que letras para las
vocales. Por ejemplo, la vocal o suena diferente en boat y hot, y
la vocal e suena diferenre en head y heed. Por consiguiente, los fo­
nemas no se refieren a las letras, sino a los sonidos de la voz que
sirven para distinguir el significado de lo que dice la geme.
Dado que los disrintos idiomas utilizan sonidos diferemes,
el número de fonemas varía según el idioma. Por ejemplo, en
hawaiano sólo hay 11 fonemas, mientras que en inglés estado­
unidense se han idemificado 47 y en algunos idiomas africanos
hasta 60; el español tiene 24 fonemas. Así, los fonemas se defi­
nen en función de los sonidos que se utilizan para pronunciar
las palabras en un idioma específico.
Parecería que, una vez idemificado el fonema corno la unidad
básica del habla, podríamos describir la percepción del habla en
términos de las cadenas de fonemas. De acuerdo con esta idea,
percibimos una serie de sonidos llamados fonemas, que crean
sílabas que se combinan para formar palabras. Estas
palabras parecen estar ensartadas una tras otra
en un collar. Por ejemplo, percibimos la frase "la
fácil" como la secuencia de unidades " la-per-cep-ción
Pero aun cuando la percepción del habla pareciera sólo
de procesar una serie de sonidos discretos que se.
rras otro, la situación real es mucho más compleja.
En vez de seguir uno después de otro, es decir,
de una señal sonora vaya seguido del principio de
las !er ras en una página, las señales de los s
se superponen enrre sí. Además, el patrón de
presión del aire para una palabra determinada puede
cho dependiendo de si la persona que habla es hom
joven o anciana, lo hace rápido o despacio, o tiene

· .;-�14. QAPfJULO 13 Percepción del habla


· relación variable
tre los fonemas
señal acústica
problema principal que los investigadores enfrentan al era­
encender la percepción del habla es que existe una rela­
var iable entre la señal acústica y los sonidos que oímos. En
palabras, una señal acústica particular puede producir
ser ie de sonidos diferentes. Consideremos algunas fuentes
�sta variabilidad.
bilidad a partir del contexto
acústica asociada con un fonema cambia de acuerdo con
��r<nr•>vrn. Por ejemplo, en la figura 13.5 se muestran los es­
mas de los sonidos /di/ y /du/, estos espectrogramas
a mano se suavizaron en una computadora y exhiben
características más importantes de los sonidos: los for­
(que se representan en rojo) y las transiciones de forman-
(tc azadas en azul). Dado que los formantes se asocian con
es, sabemos que los formantes a 200 y 2 600 Hz son
acústica para la vocal /i/ en /di/ y que los formantes a
y 600Hz son la señal acústica para la vocal /u/ en /du/.
Como los formantes son las señales acústicas de las vocales,
transiciones de formantes que preceden a éstos deben ser la
' de la consonanre /d/. Pero observe que las transiciones
para los segundos formantes (mayor frecuencia) de
/du/ son diferentes. Para /di/, la transición de fonnantes se
en casi 2 200Hz y aumenta aproximadamente a 2600Hz.
..,...,,
. ..,uu/ .la transición de formanres se inicia en unos1100Hz y
a cerca de 600Hz. Por ende, a pesar de que percibimos
sonido /d/ en /di/ y /du/, las transiciones de forman-
Este efecto de contexto ocurre debido a la manera en que se
el habla. Los articuladores se mueven constantemente
hablamos, así que la forma del tracto vocal para un fa­
recibe la influencia de las formas de los fonemas que le pre­
y le siguen. Esta superposición entre la articulación de los
vecinos se llama coarticulación. Usted puede demostrar
Tiempo (ms)
1 Espectrogramas trazados a mano para /di/
. (De Líberman et al., 1967.)
la coarticulación al observar c;ómo se pro¡f
1,1ceqJ� fu�;- �: . . /��
contextos diferentes. Por eJ·emplo -diga bate y·· iiot� -·C· uJ 1':.. ·''. "1''1o'!.• ·· <¡: · ·::·; :,, __
<LUUO..usté(l . . ,
dice bate, no redondea los labios, pero C!J.an Ó d dkÚohi;' ií �':Kti� :�:;"
. ' . ·
para pronunciar la o, incluso durante el prltner �oni.1o
·
) hí}�Jf¡�.:}O;.
aunque la /b/ es la m1sma en ambas palabras se ai"ticúla
..
d�fua:
nera diferente en cada una. En este ejemplo, la�rncula�lóg
·· ·
�de:JÓ/'
en bote se superpone a la articulación de /b/, prov,ocando'que k
redondeen los labios, incluso antes de producir el sonido fof. ·
·
El hecho de que percibimos el sonido de un· fonem.� C�rllO .
·.
el mismo aun cuando la señal acústica cambie por la c�arri�ulac .
ción es un ejemplo de la constancia prrceptual. Esre términ� puede
sede familiar a partir de nuestras observaciones de los fenóme-
nos de la constancia en el sentido: de la vista, como la constan- .
cía de color (percibimos que el color cromático de un objeto
es constante, incluso cuando la distribución de lalongitud de
onda de la iluminación cambia) y la de tamaño (percibimos que
el tamaño de un objeto es constante, incluso cuando el tamaño
de su imagen cambia en la retina). La constancia perceptual en
la percepción del habla es parecida. Percibimos que el sonido de
un fonema es constante, incluso cuando el fonema aparezca en
diferentes contextos que cambian su señal acústica.
Variabilidad a partir de los diferentes
hablantes
La gente dice las mismas palabras en una variedad de maneras
diferentes. La voz de algunas personas tiene un tono agudo y
la de otras es grave; hay quienes hablan con acento, y algunos
individuos hablan muy rápido mientras que otros lo hacen
m-u-y- d-e-s-p-a-c-i-o. Estas variaciones en el habla significan
que para distintas personas un fonema o una palabra en par­
ticular pueden tener señales acústicas muy diferentes.
Los hablantes también introducen variabilidad debido a
su pronunciación descuidada. Por ejemplo, diga el siguiente
enunciado con la rapidez que lo haría si hablara con un amigo:
"Compré una tele en la tienda Best Buy." ¿Cómo dijo "Best
Buy"? ¿Pronunció la /t/ de Best, o dijo "bes buy"? ¿Qué pasa
con "Verdad, Gabriela"? Mientras dice esto rápidamente, ob­
serve si su lengua toca la parte superior de su boca, cuando dice
la /d/ en verdad. Muchas personas omiten la /d/ y dicen "Verda
Gabriela". Por último, ¿qué pasa con "¿Verdad, Yolanda?" ¿Dijo
"Verdad Yolanda" o dijo "Verda Yolanda"? Cada personat.��_n_e
su propia manera de producir varias palabras y fonemas,,.� �
análisis de cómo habla la gente en realidad ha determinado
que hay 50 maneras diferentes de producir la palabra en� ingl�s
, '
"the" (Waldrop, 1 988).
El hecho de que la gente no suela articular cada palabra 'por
separado en el habla coloquial se refleja en los espectrogra.nlás ·
de la figura 13.6. El de la figura 13.6a es para la pregunta "What
are you doing?" (¿Qué estás haciendo?) cuan<;io �e pronun��a
despacio y con claridad; el de la figura 13.6b es para la.mism�
pregunta, tomada del inglés coloquial, en la que "\Vllat 'áre.you
doing?" se v uelve "Whad'aya doin'?". Esta diferencia s� apr�a
de manera evidente en el espectrograma, donde se .indica :q:iie
aun cuando la primera y la úlrima palabra (wh4t Y- qoing}'cr�im. �­
patrones similares en ambos especrrogr;unas,'no hayp��sasen­
tre ellas o son mucho menos obvias en el especrrogi-ap1a ·de· la
 5000

4000

3000

2000

1000

a)

5000

4000
N'
�
ftS
3000
u
e:
�
:::J
o
�
.t 2000

1000

b)
Figura 13.6 1 a) Espectrograma de la pregunta "What are you doing?" pronunciada despacio
y con claridad . b) Espectrograma de "What are you doing?" pronunciada en el habla coloquial.
(Espectrogramas cortesía de David Pisoni.)

figura 13.6b, y la parte central de este espectrograma es por com­ Percepción categórica
pleto diferente, con una serie de sonidos del habla faltantes.
Mientras buscaban las conexiones entre la señal y la
La variabilidad en la señal acústica causada por la coar­
del habla, los investigadores descubrieron un
ticulación, los distintos hablantes y la pronunciación descui­
mado percepción categórica, una amplia gama de
dada, crea un problema para el oyente, quien debe transformar
de señales acústicas en la percepción de un número
de alguna manera la información contenida en esta señal acús­
categorías de sonidos. Usaremos un ejemplo específico
tica tan variable en palabras conocidas. En la sección siguiente
para explicar este fenómeno.
consideraremos algunas de las formas en que el sistema de per­
El ejemplo que vamos a describir consiste en la
cepción del habla resuelve el problema de variabilidad.
de una característica de la señal acústica llamada ti
inicio de la voz (TIV), que es el tiempo de demora entre
.
Información para la percepción mento en que empieza el sonido y el comienzo de la
de las cuerdas vocales. Para ilustrar esta demora
de fonemas espectrogramas de los sonidos /da/ y /ta/ en la figura
___________ ______...,.
_ . """"
___:UerlOQ';ji .....
... . ÜMI
estos espectrogramas se aprecia que el lapso entre el ·

Una de las formas en que el sistema de percepción del habla sonido /da/ y el comienzo de las vibraciones de las cu
resuelve el problema de la variabilidad es con la simplificación cales {que se representan con las franjas verticales en el
de lo que escuchamos por medio de un proceso llamado percep­ trograma) es de 17 ms para /da/ y 91 ms para /ta/ Por
ción_ categórica. tiene un TIV breve mientras que el TIV de /ta/ es largo.

316. - CAPfTULO 13 Percepción del habla

 100

�
� 80
10
;¡¡
o.
(1)
=
..
(1)
Gl
;::¡
60
o.
m
Gl
...
Gl
"O
Gl 40
-¡¡¡
..
e:
d a a Gl
o
...
o
13.7 1 Espectrogramas para /da/ y Ita/. El tiempo de Q.
· 20
la voz, es decir, el lapso entre el comienzo del sonido
ción de la sonorización , se indica al principio del
....-trntlrl'llml'l de cada sonido. (Espectrogramas cortesía

Gracias al uso de las computadoras los investigadores han
sonoros en los que el TIV varía de breve a largo
..... "'"'""pequeños. Cuando el TIV cambia, al usar estímulos
los de la figura 13.7, y se pide a los oyentes que indiquen
. sonido escuchan, éstos mencionan sólo uno u otro de los
fonemas, /da/ o /ta/, aunque se les preseme un gran nú-
Tiempo de inicio de la voz (ms)
Figura 13.8 1 Los resultados de un experimento de
percepción categórica indican que /da/ se percibe por el
TIV a l a izquierda del l ímite fonético y /ta/, debido a l TIV, se
escucha a l a derecha del l ímite fonético. (Tomado de Eímas
y Corbit, 1973.)

de estímulos de TI V. "Igual" 'Diferente'

Este resultado se muestra en la figura 13.8 ( Eimas y Cor-
1973). Para los TIV breves, los oyentes informan que escu­
. /da/ y siguen diciendo esto aun cuando el TIV aumente.
100
cuando el TIV alcanza alrededor de 35 ms, su p6rcepción
· abruptameme, por lo que si el TIV rebasa los 40 ms, los
informan que escuchan /taj. El TIV que señala el cam- �
de /da/ a /ta/ en la percepción se llama l ímite fonético. El � 80
"'
...
clave de este experimento de percepción categórica es m
o.
si bien el TIV cambia constantemente a lo largo de un rango m
m
..
, el oyente percibe sólo dos categorías: /da/ en un lado del
m
·
CD 60
;::¡
fonético y /ta/ en el otro lado. o.
m
Una vez que se ha demostrado la percepción categórica con Gl
...
Gl
imiento anterior, es posible realizar una prueba de discri­ "O
Gl 40
en la que se presentan dos estímulos con TIV distintos "ij'
-
pregunta al oyente si el sonido es igual o diferente. Cuando e:
ID
o
<-.:><;uL4u dos estímulos separados por un TIV de 25 ms que
...
o
Q.
en el mismo lado del límite fonético, como los estímulos 20

TIV de O y 25 ms, el oyente afirma que el sonido es igual

13.9). Sin embargo, cuando se presentan dos estímulos
por la misma diferencia en TIV pero que se encuen­
en el lado opuesto del límite fonético, como los estímulos
TIV de 25 y SO ms, el oyente asegura que son distintos. El
de que se perciba que todos los estímulos en el mismo
del límite fonético pertenecen a la misma categoría es
de la constancia perceprual. Si esta constancia no
percibiríamos sonidos diferentes cada vez que el TIV
En vez de ello, escuchamos un sonido a cada lado
límite fonético. Esto simplifica nuestra percepción de los
y nos ayuda a percibir con mayor facilidad la gran va­
Tiempo de Inicio de la voz (ms)
Figura 13.9 1 En la parte de discriminación de un
experimento d e percepción categórica, se presentandos
estím ulos y el oyente señala si son iguales o diferentes ..
El resultado típico es que dos estímulos con u n TIV �n e l
mismo lado d e l límite fonético (TIV O y 25 m s ; flechas
=
.
continuas) se considera n iguales, en tanto que. dos estíl)ltilos
en diferentes lados del l ímite fonético (TIV =25 Y 50 in�; ·.

de sonidos de nuestro entorno. flechas discontinu as) se perciben como distintos.

. nes mostró que ver el movimiento de los labios acciva un
- Ipformad�n proporcionada
por-el rostro
Otra ca.racterística de la percepción del habla es que es multi­
modal· es decir la información de otros semidos influye en
..,_ ' -·'
nu�trapen;:epción del habla. Un ejemplo de cómo influye la in-
fórn:i.¡ción visual en la percepción del habla se muestra en la
figural3.10. Al principio, nuestro oyeme escucha los sonidos
jba:b;t/como si procedieran de las bocinas, pero cuando a modo
de e�rimulación visual se añade un video en el que se muestra
a una persona que mueve los labios como si pronunciara el so­
nido /ga-ga/, nuestro oyente escucha /da-da/ Aunque el oye me
sigue recibiendo la seii.al acústica para /ba-ba/, su t\1: ��
.' .� 2• 3
percepCion cam b'ta, por l o que oye /d a-da1.
Este efecto se llama efecto McGurk, en honor a la per­
sona que lo describió por primera vez (McGurk y MacDonald,
1976), e ilustra que a pesar de que la información auditiva es la
principal fuente de información para la percepción del habla,
la información visual también ejerce gran influencia en lo que
oímos. Esta influencia de la visión en la percepción del habla se
conoce como percepción audiovisual del habla. El efecto Mc­
Gurk es un ejemplo de la percepción audiovisual del habla; otro
ejemplo es la manera en que las personas se apoyan rutinaria­
me� te en la información proporcionada por los movimientos
de los labios de la persona para comprender lo que dice en un
ambiente ruidoso (véase también Su mby y Pollack, 1954).
El vínculo entre la visión y el habla también ha demostrado
tener una base fisiológica. Gemma Calvert y sus colaboradores
(1997 ) urilizaron la 1 RMf para medir la actividad cerebral mien­
tras los observadores veían un video sin audio de una persona que
movía los labios cuando decía números. Los observadores repitie­
ron en silencio los números mientras veían a la person�, por lo que
esta tarea fue similar a lo que la gente hace cuando lee los labios.
En una condición de control, los observadores vieron la escena
estática de un rostro, mientras repetían en silencio los números.
Una comparación de la actividad cerebral en estas dos condicio-
Figura 13.10 1 El efecto McGurk. Los labios de la mujer
se mueven mientras dice /ga-ga/, pero el sonido real que se
presenta es /ba-ba/. El oyente dice que escucha el sonido
/da-da/. Si el oyente cierra los ojos, de modo que ya no vea
los labios de la mujer, escucha /ba-ba/. De esta manera, ver el
movimiento de los labios influye en lo que el oyente escucha.
318 CAPITULO 13 Percepción del habla
la coneza auditiva que también se activa cuando la gente
el habla. Tal vez, sugiere Calven, el hecho de que las
se activen durante la lectura labial y la percepción del
un mecanismo neuronal que subyace al efecto McGurk.-
'
El vínculo entre la percepción del habla y la del
demostrado de otra manera; Katharina von Kriegstein.y
laboradores (2005) midieron la activación por medio d� ·
mientras los oyentes realizaban una serie de rareas que .
frases pronunciadas po,rpersonas conocida$_ (qU'e tréLDaLJaiJatt·f
laboratorio) y desconocida$ (que nunca antes habían
-
El simple hecho ae escuchar el habla actívó el
poral superior (STS, véase la figura 8.13), una zona q
rudios anteriores se asoció con la percepción del habla
aL, 2000). Pero cuando se pidió a los oyentes que
tarea que consistía en prestar atención a los sonidos·
conocidas, el área fusiforme del rostro (AFR) tambiéti.'
En contraste, cuando prestaron atención a los sonidos·
desconocidas, el AFR no se activó. Al parecer, cuand�-
oye una voz que asocia con una persona determinada s ··
áreas no sólo para la percepción del habla, sino también
de los rostros. El vínculo entre la percepción del habla
rostro, que se ha demostrado tanto en experimentos u�'"-'"J:I'.l.!
como de comportamiento, proporciona inform
nos ayuda a hacer frente a la variabilidad de los
tambiénHall et al. 2005, y Wassenhove et al., 2005, para
,
información más detallada sobre la relación entre la
ción de alguien que habla y la percepción del habla}.
Información a partir de nuestro
conocimiento de la lengua
Una gran camidad de investigación ha demostrado que.
·
fácil percibir los fonemas que aparecen en un
ficativo. Philip Rubín, M. T. Turvey y Peter Van G
demostraron que el significado aumenta la capac
oyente para reconocer los fonemas al presentar una '";.'''"··��.-.r
labras breves en inglés, como sin, baty leg, y grupos de let:a:s
eran palabras, como jum, baf y teg, y pedir a los oyentes
"
mieran una tecla lo más rápido posible cuando
sonido que comenzara con jbj. En promedio, los
tardaron 631 ms en responder a los grupos de letras y
las palabras. Asi, cuando un fonema se encuentra al
de una palabra real, se identifica alrededor de 8% mas.
que cuando está al inicio de una sílaba sin sentido.
Richard Warren (1970) demostró de otra manera el
.
significación en la percepción de los fonemas; pidió ,a:
ticipantes que escucharan una grabación del
state governors met with their respective legislatures
in the capital city" (Los gobernadores estatales se
con sus respectivas asambleas legislativas en la
estados). Warren reemplazó a la primera jsj en
("legislativas") con el sonido de una tos y pidió a sus .
panres que indicaran en qué parte de la frase se
Ninguno de ellos identificó la ubicación correcta de la.
que es más importante, ninguno se dio cuenta de que
la /s/ en "legislarures" ("legislativas"). Este efecto, que
llama efecto de restauración fonémica, fue
 por los estudiames y el personal del departamento de
�.0,u¡s"� que sabían que faltaba la /s/
Warren no sólo mostró el efecto de restauración fonémica,
demostró que el significado de las palabras que van
del fonema faltante influyen en este efecto. Por ejem­
_últinla palabra de la frase "There was time to *ave... "
el* indica la presencia de la tos o de algún orro sonido)
ser "shave", "save", "wave" o "rave", pero los participantes
la palabra "wave" (onda) cuando el resto de la frase
refería a decir adiós a un amigo que partía .
. Arthur Samuel (1981) utilizó el efecto de restauración foné­
. · para demostrar que la percepción del habla está determinada
·por la naturaleza de la señal acústica (procesamiento aseen­
como por el contexto que genera expectativas en el oyente Información para la percepció.n
to descendente). Samuel demostró el procesamiento
·

u;¡•�-...-� al evidenciar que la restauración es mejor cuando un

de palabras habladas
de enmascaramiento, como el sonido de siseo producido
Hemos visto que no hay una relación uno -a-uno entre las se­
un televisor que se ha sintonizado en un canal en el que no
transmisión ("ruido blanco"), y los fonemas enmascarados ñales acústicas y nuestra percepción de los fonemas. Ahora
. un sonido parecido. De esta· manera, es más probable que mosrraremos cómo esta falta de correspondencia uno-a-uno
fonémica se produzca para un fonema como fs/, también ocurre en la percepción de palabras.
mucha energía acústica de alta frecuencia, sí la máscara
contiene una gran proporción de energía de alta frecuen­
Lo que sucede en la restauración fonémica, según Samuel, es Información a partir del contexto
antes de que percibamos en realidad un sonido "restaurado", de los enunciados
presencia debe ser confirmada por un sonido similar a él. Si la
Al igual que la percepción de los fonemas se apoya en los signi­
de "ruido blanco" contiene frecuencias que le confieren
·

ficados de las palabras, la percepción de las palabras se basa en

sonido parecido al fonema que esperamos, se produce la res­
fonémica y es probable que escuchemos el fonema. Si la
no tiene un sonido similar, es menos probable que dicha
ración ocurra (Samuel, 1990).
Samuel demostró el procesamiento descendente al compro­
- que las palabras aumentan la probabilidad de que �curra el
··-de restauración fonémica. En apariencia, los parricipan­
usaron el comexto adicional proporcionado por la palabra
· como ayuda para identificar el fonema enmascarado. Otra
de la imporrancia del contexto es el hallazgo de este in­
"'"""'"v' acerca de que la restauración ocurre más a menudo
una palabra real en inglés como p rOgress (en que la letra roa­
indica el fonema enmascarado) que para una "pseudo­
parecida, como crOgress (Samuel, 1 990; véase también
1997, 2001, para conocer más pruebas de que el procesa-
descendente interviene en la restauración fonémica).
los enunciados en los que aparecen.
Percepción de las palabras en los enun­
ciados Una forma de ilustrar cómo el hecho de estar en
un enunciado puede influir en la percepción de las palabras es
mostrar que las palabras pueden leerse incluso cuando están
i ncompletas, como en la siguieme demostración.
DEMOSTRACIÓN
Percepción de enunciados incompletos
Lea las siguientes frases:
1. M*R*T*NI**N* OV*JIT *B L*NC'C*M*L*NI*V*
2. *L S*L N* *S T* B R*L L*ND* H*Y
3. *LG*N*S P*L*BR*S *YUD*N * *NT*ND *R * *TR*S 1

Su capacidad para leer los enunciados, aun cuando la mi­

tad de las letras se han eliminado, se apoyó en su conocimiento
de las palabras en español, en la manera en que se unen para
formar oraciones y, quizá, en el primer ejemplo, en su familia"
ridad con la rima infa mil (Denes y Pinson, 1 993).
Un efecto similar de significación se produce también en
las palabras habladas. George Miller y Steven Isard (1963) ofre­
cieron una de las primeras demostraciones del modo en que
la significación facilita la percepción de las palabras habladas;.
en ella observaron que las palabras son más comprensibles
cuando se escuchan en el contexto de un enunciado que si se
presentan como elementos de una lista de palabras inconexas. ·

En su demostración crearon tres tipos de estímulos: 1) oracio.- ·

Información para la percepción de palabras hablad�.·

 ri�s gci:macicale�:ll<:)rrriales ("Los aparatos simplifican el tra-
• bajo· d� _la casa"); 2� frases i ncoheren tes que siguen las reglas
grámat1cales, pero no tienen sentido ("Los aparatos matan a
los pas�jero� de los ojos") y 3) cadenas de palabras no gramati­
�Íes (''Entre aparatos carreteras pasajeros los roban").
'
. ' Miller e Isard utilizaron u na técnica llamada sombreado,
.
en ia· q'Je presentaron estos enunciados a algunos participan­
e�¿ _Ror inedio de aud í fonos y les pidieron que repitieran en voz
alta lo que ·escucha ban. Ellos repitieron los enunciados norma­
,
I�s cori una precisión de 89%, pero su exactitud se redujo a 79%
cori los enunciados anómalas y a 56% para las cadenas grama­
ticales. Las d i ferencias entre los tres tipos de estímulos se hicie­
ron aún mayores cuando los oyentes escucharon los estímulos
acompañados de un r uido de fondo. Por ejemplo, con un nivel
moderadamente aleo de ruido de fondo, la precisión fue de 63%
en los enunciados normales, 22% en las anómalas y sólo 3% en
las cadenas de palabras no gramaticales. Este resultado sugiere
que cuando las palabras se organizan en un patrón significa­
tivo, es posible percibirlas con mayor facilidad. Pero la mayoría
de las personas no se dan cuenta de que su conocimiento de la
naturaleza de su idioma es lo que les ayuda a completar los so­
njdos y las palabras que podrían ser difíciles de escuchar. Por
ejemplo, nuestro conocimiento de las estructuras de palabras
admisibles nos dice que ANT, TAN y NAT son secuencias ad­
misibles de letras en inglés o en español, pero que TQN o NQT
no pueden ser palabras en inglés ni en español.
Un efecto similar de signi ficancia en la percepción también
se debe a que nuestro conocimiento de las reglas gramaticales
nos dice que "No hay tiempo para preguntar" es un enunciado
admisible, pero "Preguntar, tiempo no hay" no es admisible o,
en el mejor de los casos, es muy complicada (a menos que us­
ted sea Yoda, de La Guerra de las Galaxias, que dice esto en el
Episodio !JI: La Venganza de los Sith). Debido a que la mayor parte
del tiempo encontramos palabras con sentido y enunciados co­
rrectos desde el punto de vista gramatical, continuamente usa­
mos nuestro conocimiento de lo que está permitido en nuestro
idioma como ayuda para entender lo que se dice. Esto se vuelve
importante en particular cuando se escucha en condiciones
menos que ideales, como en entornos ruidosos o cuando es
difíci l entender la calidad de la voz del hablante o su acento
(véase también Salasoo y Pisoni, 1985).
Percepción de pausas entre palabras Así como
vemos los objetos sin esfuerzo cuando observamos una escena
S p EE CHS E G
Figura 13.11 1 Energía sonora de las p�labras "Speech segmentatio n " (Segmentación del
habla). Note que es d ifíci l decir a partir de este registro dónde termi n a una palabra y empieza
la otra. (Señal de voz cortesía de Lisa Saunders.)
CAP[TULO 13 Percepción del habla
visual, en general tenemos pocos problemas para percibir
labras individuales al conversar con otra persona. Pero
miramos la señal de voz, vemos que la señal acústica es
nua, ya sea sin pausas físicas en ella o con pausas que
fuerza corresponden a aquellas que percibimos entre­
bras (figura 13.11). La percepción de las palabras·
una conversación se conoce como segmentación del habi�.
El hecho de que en general no haya espacios eritre lás ·
bras se hace evidente cuando se escucha a una persona
idioma extranjero. Para alguien que no está
ese idioma, las palabras pasan a toda velocidad en una
ininterrumpida. Sin embargo, para un hablante de ese
las palabras parecen separadas, justo como usted percibe.
su lengua materna. De alguna manera resolvemos el
de la segmentación del habla y dividimos el flujo L'-''·'L'·"u•u,
señal acústica en una serie de palabras individuales.
El hecho de que podamos percibir palabras ·
en el lenguaje coloquial, aun cuando no haya pausas e n
ñal de voz, signi fica que nuestra percepción de las _
sólo se basa en la energía que estimula a los receptore�c
que nos ayuda a determinar cuándo termina una palabra y
pieza otra es el conocimiento de sus sign i ficados. La
entre la segmentación del habla y el signi ficado se ilustra · ·
siguiente demostración.
DEMOSTRACIÓN
Organización de cadenas de sonidos
Lea las palabras siguientes: Elba Lona Trave Sol Había.
que ha leído las palabras, ¿qué significan? 1
Si piensa que esto es una lista de palabras sin co
comienzan con el nombre de una mujer, Elba, tiene razón
lea esta serie de palabras en voz alta con rapidez e
los espacios entre ellas. Cuando lo hace, ¿puede oír una·
coherente que no empieza con el nombre de Elba? (La
se encuentra en la página 327, pero no la vea hasta
intentado leer las palabras con rapidez.)
Si pudo formar un nuevo enunciado a partir de la
palabras, se debió a que cambió la organización nPrc:e.ou
de los sonidos; esta modi ficación se logró gracias a su
MEN T A T IO N
 ·enro del signif icado de los sonidos. Del m ismo modo .
,., ,. � �·
� j¡h.. _..,
,

la organización perceptiva de la escena del bosque en la

.:-�
. -
5.20 depende de ver las rocas como parrones significa- --. .
(rosrros), su percepción del nuevo enunciado depende de
el significado de los sonidos que usted creó cuando Aprendizaje
.palabras con rapidez. a)
dos oraciones siguientes proporcionan otro ejemplo de
el significado y el conocimiento o la experiencia previos
responsables de organizar los sonidos en palabras. �
· ,

· Se requieren "más cada" vez.
"Más cada" y "mascada" se pronuncian igual, por lo que es­
estas palabras de manera diferenre depende del signifi-
general del enunciado en el que aparecen. Este ejemplo es
a la conocida frase en inglés " I scream, you scream, we
for ice cream" que muchas personas aprendieron en
Los estímulos sonoros para "1 scream" y "ice cream"
-•u'"""·�·vJ, por lo que la organización d istinta debe lograrse
del significado del enunciado en el que aparecen es-
M ientras la segmentación se apoya en el conocim.iento de
ficados de las palabras y en el uso del contexto en que
los oyentes también utilizan otra información para lo­
la segmentación. A medida que aprendemos un idioma,
que es más probable que ciertos sonidos sucedan uno
de otro dentro de una palabra, y algunos sonidos son
propensos a estar separados por el espacio entre dos pala­
r- ejemplo, considere las palabras pretty baby. En inglés
que pre y ty estén en la m isma palabra (pre-tty) y
ba estén separadas por un espacio por lo que estarán en
u........u .... � diferenres (pretty baby). Por tanto es más probable
espacio en la frase prettybaby esté entre pretty y baby.
Los psicólogos describen la manera en que los sonidos se
unos a otros en el lenguaje en función de las probabili­
de transición; es decir, la posibilidad de que un sonido
después de otro. Cada idioma tiene probabilidades de tran­
para los diferentes sonidos y, a medida que aprendemos
no sólo asimilamos cómo decir y entender las pala­
y los enunciados, sino también las probabilidades de rran-
que hay en ese idioma. El proceso de aprendizaje acerca
probabilidades de transición y de otras caracterísücas del
· se llama aprendizaje est<tdístico. La investigación ha
uv''''"'uu que los bebés de apenas ocho meses de edad son ca­
de aprender de manera estadística.
Saffran y sus colaboradores ( 1996) l levaron a cabo
los primeros experimentos que demostraron el aprendi-
'"-'u"uLu en los niños pequeños. La figura 1 3 . 1 2a muestra
de este experimento. Durante la fase de aprendizaje
los bebés escuchaban cuatro "palabras" sin
como bidaku, padoti, golabu y tupiro, que se cambi-
a! azar para crear dos minutos de sonido continuo. Un
de una parte de la cadena creada con la combinación
palabras es bidakupadotigolabutupiropadotibidaku. . . En
.,.- �.,...ucu... . se imprimió en negritas una palabra sí y otra no,
fin de ayudarle a distinguirlas. Sin embargo, cuando los
"'
f3 7 .5 1--"-+A+'""'"'�
::S
(J
en
: 7. o �----��---�
'O
o
c.
E 6. 5
Gl
¡::
completa la palabra
b) Estímulo
Figura 13.12 1 a) Diseño del experimento de Saffran y
colaboradores (1996), en el que los bebés escucharon una
serie continua de sílabas sin sentido y l u ego se realizaron
pruebas para ver cuáles sonidos percibían u nidos. b) Los
resultados indicaron que los bebés escucharon por más
tiempo los estímulos de "parte de la palabra".
bebés escucharon estas cadenas, wdas las palabras se pronun­
ciaron con la misma entonación y no hubo pausas entre e llas
que indicaran cuándo finaliza una palabra y empieza la.!Vl�l
4
s¡gu¡ente.
Debido a que las palabras se presentaron al azar y sin es­
pacios entre ellas, la cadena de palabras de dos minutos que los
bebés escucharon se oye como una mezcla de sonidos al azar.
Sin embargo, había información en dicha cadena en forma de
probabilidades de transición que los bebés podían utilizar para
determinar qué grupos de sonidos eran palabras. Las probabi­
l idades de transición emre dos sílabas que aparecieron dentro
de una palabra siempre fueron de 1.0. Por ejemplo, para la pa­
labra bidaku, cuando se presentó jbi/, siempre siguió /da! Del
mismo modo, cuando se presentó jda/, siempre siguió jku/ En
otras palabras, estos tres sonidos ocurrieron siempre juntos y
en el mismo orden, para formar la palabra bídaku. No obstante,
las probabilidades de transición entre el final de una palabra y
el comienzo de otra eran de sólo 0.33. Por ejemplo, hubo 33% de
probabilidades de que el último sonido de bidaku, jku/, fuera se­
guido por el primer sonido de padoti, /pa/, 33% de que le siguiera
/tu/ de tupiro y 33% de que después viniera/gol de golabu.
Si los bebés de Saffran fueran sensibles a las probab.il i ­
dades de transición, percibirían como palabras los estímulos
bidaku o padoti, porque las tres sílabas de cada una están 'vincu­
ladas por las probabi lidades de transición de l. O. En contraste,
los estímulos como tibida (el final de padoti más el comienzo de
bidaku) no se perciben como palabras porque sus componen.res
no están vinculados.
Para determinar si los bebés, en efecto, peróbe� é(?[.Il.o-;
palabras Jos estímulos como bidaku y padoti, se l�s ·soine"rió a
una prueba en la que se les presentaro n pares de esríll.\u�os :de
.

Información par a la percepción de palabras habladas:·

•• ""<• __,
 , interpretar como "No lo creo". El punto de este ejemplo
Un� de los estímulo s fue una "palabra" que se ha-
ti:�s sÜá bas.
Este fue el estímulo de
· bía pre�entad o antes, digamos, padoti.
..
prueba "palabra completa". El otro estímulo se creó a partir del
·final de una palabra y el comienzo de otra, como tibida. Este
fue el estimulo de prueba "parte de la palabra".
La predicción era que los bebés elegirían escuchar estímu­
los de prueba de "parte de la palabra" más que de "palabra com­
pleta''. Esta predicción se basó en i nvestigaciones previas que
mostraron que los bebés pierden interés en los estímulos que se
repiten y que, por ende, se vuelven fami liares, pero prestan más
atención a los estímulos novedosos que no han experimentado
antes. Por tanto, si los n iños percibían el estímulo de "palabra
completa" como palabras que se habían repetido una y otra vez
durante los dos minutos que duraba la sesión de aprendizaje,
prestarían menos atención a e l los que a los más novedosos de
"parte de la palabra" que no habían percibido como palabras.
Saffran midió cuánto tiempo escucharon los n iños cada
sonido al presentar una luz intermitente cerca de la bocina de
la que provenía el sonido. Cuando la luz atrajo la atención de los
bebés, el sonido se inició y continuó hasta que el bebé apartó la
mirada. Así, el bebé controlaba cuánto tiempo escuchaba cada
so� ido por el tiempo que miraba la luz.
La figura 1 3. 1 2b muestra que, como se predijo, los bebés sí
escucharon los estímulos de "parte de la palabra". Estos resul­
tados son impresionantes, sobre todo porque los n iños nunca
antes habían oído las palabras, no percibían pausas entre ellas
y sólo habían escuchado las cadenas de palabras durante dos
minutos. De resultados como éstos es posible concluir que la
capacidad para uti l i zar las probabil idades de transición en
la segmentación de los sonidos en las palabras comienza a una
edad temprana.
Información de las características
de los h ablantes
Cuando usted conversa, escucha una clase o los diálogos de
una película, en general enfoca su atención en determinar el
signi ficado de lo que se dice. Pero al mismo tiempo que usted
asimila estos mensajes también registra, quizá sin darse cuen­
ta, las características de la voz del hablante. Estas característi­
cas, denominadas características índice, contienen información
acerca de los hablantes, como su edad, sexo, lugar de origen ,
estado emocional y si son sarcásticos o serios. Considere, por
ejemplo, la siguiente broma:
Cierto d ía, un profesor de lingüística impartía una
clase. "En inglés", d ijo, "una doble negación forma
una afi rmación. E n algunos idiomas, no obstante,
como el ruso, una doble negación sigue siendo una
negación. Sin embargo, no existe un idioma en el
que una doble afirmación pueda formar una nega­
c ión". Una voz desde el fondo del salón se escuchó:
"Sí, claro".
Esta broma es graciosa porque "Sí, claro" contiene dos pa­
labras positivas que, a pesar de la declaración del profesor de
lingüística, producen una negación que la mayoría de las per­
sonas• que conocen el uso del español contemporáneo pueden
· , �322 CAPIT\::JLO 1 3 Percepción d e l habla
es que "Sí, claro" puede significar "No lo creo", sino que
nificado de esta frase está determinado por nuestro
del uso actual del español y además (si en realidad
mos la observación del estudiante) por el tono de · la
persona que habla, que en este caso sería muy sard.stico.
El tono de voz del hablante es un factor que
oyentes a determinar el significado de lo que se dice.
mayor parte de la i nvestigación sobre las característicaS
se ha enfocado en cómo la identidad del hablante in
la percepción del habla. Thomas Palmeri, Stephén G
y David Pisoni ( 1 993) demostraron el efecto de l a ,· �•c:u.uutau.
hablante al presentar una secuencia de palabras a los
Después de cada palabra, éstos indicaron si era nueva
primera vez que aparecía) o antigua (que había aparecid�
en la secuencia). Encontraron que los oyentes
mayor rapidez y eran más precisos cuando la misma
decía todas las palabras que si las decían varias nPr�r'""
sign i fica que los oyentes asimi lan dos niveles de ·
acerca de las palabras: 1) su significado y 2) las '-''''"'"'e '
de la voz del hablante.
De los resultados de este experimento y de otros
mos estudiado, es posible conclu ir que la percepción de�
depende tanto de la información ascendente proporc·
' '
por la señal acústica como de la información des'"'"''�'�'''''''-1
aportan los significados de las palabras y los c.wu"'-'''·uv»¡
nacim iento del oyente acerca de las reglas
características de la voz del hablante (figura 1 3.13).
Podemos apreciar la interacción entre la señal
para el habla y el sign i ficado de las palabras cuando··
bimos que, aunque uti l izamos el signi ficado· corno
para comprender la señal acústica, ésta es el punto de
tida para determinar el significado. Véalo de esta '"'""· '"-"
mi escritura descuidada quizá haya información su
para que alguien que utiliza el procesamiento ascend�
descifre sólo a partir de la base de los garabatos en la
pero es mucho más fáci l desc i frarla cuando, al usar el
Conocimiento/
significad o
Señal acústica
F i g u r a 13.13 1 La percepción del habla es el resu
del trabajo conjunto del procesamiento descendente (q
se basa e n el conocimiento y e l s i g nificado) y ascend ·
(a partir de la señal acústica).
 descendente, la persona roma en cuenta el significado
palabras. Y así como la experiencia previa de escuchar la
de una persona en panicular permite comprenderla con
r facilidad más adelanre, la experiencia previa en la lec­
de una escritura descuidada permite leer con más facili­
garabatos en l a página. La percepción del habla al pa­
funciona en forma similar. Aunque la mayor parte de la
está comenida en la señal acústica, considerar el
ificado y las características índice facilita mucho la ¡v,<j
L 5
ión del habla.
percepción del habla
· cerebro
. ·
investigación de las bases fisiológicas de la percepción del
se remonta al menos al siglo XIX, pero sólo hasta hace
·hubo grandes avances en la comprensión de las bases fi­
- - de la percepción del habla y el reconocimiento de las
habladas.
ación cortical de la percepción
habla
base en sus estudios de pacientes con lesión cerebral, los
•t:�Ll);·«u•v•••-> del siglo XIX Paul Broca y Carl Wernicke demos­
que las lesiones en áreas específicas del cerebro provocan
vv•M'"'" de lenguaje, llamados afasias (figura 1 3 . 14). Existen
as formas de afasia, cuyos síntomas específicos dependen de
, ...., u a... U<S.na.ua. y de la extensión de la lesión. Los pacientes con
área de Broca, en el lóbulo fromal, presentan una
llamada afasia de Broca. Estos pacienres tienen un
forzada y torpe, y sólo pueden hablar con oraciones bre-
sin embargo, son capaces de comprender lo que otros dicen.
·Pa·ctentE:s con lesión en el área de Wernicke en el lóbulo
presentan afasia de Wernicke; son capaces hablar
fluidez, pero su discurso es muy desorganizado e incohe­
Estos pacientes tienen gran dificultad para entender lo
personas dicen. En la forma más extrema de la afasia
el paciente sufre una condición llamada sordera
· palabra, en la que no le es posible reconocer las palabras,
su capacidad para oír tonos puros se mantiene intacta
y Whishaw, 2003).
investigación moderna ha ido más allá de la ubicación
producción del habla y la percepción en estas dos áreas
a otros estudios en pacientes con lesión cerebral (véase
ro de Método: disociaciones en neuropsicología,
4, página 89) y al uso de i mágenes cerebrales para
las áreas cerebrales relacionadas con el habla. U n
d e un hallazgo d e l a neuropsicología es que algunos
con lesiones en el lóbulo parietal tienen dificultades
distinguir las sílabas ( Blumstein et al., 1 977; Darnasio y
· 1980). Si bien podría esperarse que la dificultad para
las sílabas complicara el entendimienro de las pala­
�·�;'-u'u" pacientes que tienen este problema aún pueden
Figura 13.14 1 Las áreas de Broca y de Wernicke se
identificaron en las primeras investigaciones como si estuvieran
especializadas en la producción y la comprensión del habla.
comprenderlas (Micelli et al., 1 980). Resultados como. éstos
ilustran la compleja relación entre el funcionamiento del c ere ­
bro y la percepción del habla.
Los estudios de las imágenes cerebrales han arrojado re­
sultados más fáciles de entender. Por ejemplo, Pascal Belin y
colaboradores (2000) milizaron la I RMf para localizar un "área
de la voz" en el surco temporal superior (STS) que se activa por
la voz humana más que por otros sonidos. Esta área es parte del
flujo de procesamiento ventral para la audición que se describe
en el capítulo 11 (véase la página 281). En la descripción de la
organización cortical para la audición en el capíwlo 1 1, vimos
que el flujo ventral interviene en la identificación de sonidos y
el flujo dorsal interviene en la localización de los mismos (fi­
gura 1 1 . 38). Teniendo en mente esta idea de doble flujo para la
audición, elmodelo de doble flujo (o doble vía) de la p ercep­
ción del habla ha propuesro un flujo ventral que se inicia en el
lóbulo temporal y es responsable del reconocimiento del habla,
y un flujo dorsal que se inicia en el lóbulo parietal y se ocupa de
vincular la señal acústica con los movimiemos utilizados para
producir el habla (figura 13. 15;Hickock y Poeppel, 2007).
Puede observar similitudes emre este esquema y el sistema
dorsal/ventral de la vista que se describió en el capítu�o 4
(página 88). El flujo o vía ventral visual es responsable de la
identificación de objetos ("qué " ) y el flujo o vía dorsal de la �o�
calización o las acciones hacia los objetos ("dónde y cómo").
Por consiguiente, la idea de los flujos dobles se ha propuesto
para la visión, la audición y la percepción del habla.
Todo esto significa que los mecanismos corticales de la per­
cepción del habla se distribuyen en toda la corteza. Esto es sirni->"
lar a la situación que se describió para la percepción de ros.tt;os
en el capítulo 5 (página 1 2 1). Hemos visto que la p ercepci ón de
rostros i mplica muchos aspectos, entre ellos la identificación
de los mismos, la lectura de las expresiones, la di recció n de la ,
mirada de la persona y la evaluación del atractivo de la c�ra, por
lo que los mecanismos de la percepción del rostro se di:st-ribuyén ·
en muchas áreas. Hay también una serie de aspectos diferentes ..
de la percepción del habla, ya que ésta recibe la in H ue�ci á de �e:
rores cognitivos como el significado de las palabras, el cogrexto
La percepción del habla y el . c"erebro , ,.
. ,-

Áreas de
flujo ventral
Fig u r a 13.15 1 El modelo de doble flujo (o doble vía) de l a
percepción del habla p ropone u n a v í a ventral responsable d e l
reconocimiento del habla y una v í a dorsal q u e v i n c u l a l a señal
acústica con los movim ientos. Las áreas azules se asocian
con l a vía dorsal; el área amarilla, con l a vía ventral. Las
áreas rojas y verdes también i ntervienen en el análisis de los
estímu los del habla. (Adaptado de Hickock y Poeppel, 2007.)
de las oraciones y la familiaridad con la voz del hablance; está
vi�culada a la vista y puede tener un fuerte componente emo­
cional. No es de extrañar, por tanto, que la percepción del habla
implique muchas áreas interconectadas de la corteza.
Plasticidad dependiente
de la experiencia
Otro ejemplo de la conexión entre el funcionamienco del cerebro
y la percepción del habla es proporcionado por el fénómeno de la
plasticidad dependiente de la experiencia. En el capítulo 4 vimos que
la plasticidad dependiente de la experiencia se produce cuando la
capacidad del cerebro para responder ame estímulos específicos
está determinada por la experiencia. Por ejemplo, para la vista,
la crianza de gatitos en un entorno compuesto enteramente por
líneas verticales hace que el cerebro de los gatitos comenga neu­
ronas que responden sólo a las verricales (página 80), y para la
audición, el entrenamiento de monos lechuza para discriminar
entre dos frecuencias diferentes aumenta el espacio en la correza
dedicado a esas frecuencias (capítulo 1 1, página 284).
El efecto de la plasticidad dependience de la experiencia de
la percepción del habla se ilustra con el modo en que los sonidos
a los que están expuestos los bebés influyen en 1) su capacidad
para oír ciertos sonidos cuando son mayores y 2) la manera en
que el cerebro responde a estos sonidos. Comenzamos conside­
rando lo que pueden percibir los niños muy pequeños, y luego
lo que sucede cuando se v uelven mayores.
Los niños pequeños de rodas las culturas pueden men­
cionar la diferencia entre los sonidos que se producen en los
distintos idiomas del mundo, pero a la edad de un año pier­
den la capacidad de distinguir algunos de esros sonidos (Kuhl,
2000). El ejemplo clásico de este fenómeno lo constituyen los
niños y adultos japoneses. Los bebés japoneses de seis meses
de edad pueden diferenciar entre la /r/ y /1/ que se usan en el
. inglés de Estados Unidos tan bien como los bebés estadouni­
denses. Sin embargo, a los 12 meses, los niños japoneses ya no
324 · CAPfTULO 13 Percepción de l habla
pueden hacerlo, lo que conlleva la dificultad para
entre palabras como lent y rent. Durante el mismo
niños estadounidenses adquieren más destreza para
ambos sonidos (Kuhl et al., 1997; Strange, 1 9 95).
La evidencia que apoya la idea de que el uu:<..d.L U:smo;t
lógico responsable de este cambio temprano en la
del habla incluye la plasticidad dependiente de la ex¡Jerientci
sido proporcionada por Maritza Rivera-Gaxiola y sus
dores (2005), quienes registraron los potenciales eléctricos
superficie de la corteza de bebés estadounidenses de
meses de edad, en cuyos hogares se habla inglés, en
los pares de sonidos que se oyen igual para los adultos
inglesa, pero se perciben como diferentes por los
bla hispana. A los siete meses de edad, la respuesta eJe:c(Jnc;i
tos dos sonidos fue diferente en los niños de habla
a los 1 1 meses de edad, la respuesta se había v uelto
Este resultado proporciona un paralelo fisiológico
periencia de los bebés japoneses que se ha descrito antes.
de sonidos pueden percibirse como diferentes o causar '
ras fisiológicas distintas a una edad temprana, pero s(e
no tiene experiencia en la discriminación entre los dos
entonces pierde la capacidad de diferenciar entre ambo : s:
respuestas fisiológicas a ellos se v uelven iguales. Al
periencia moldea al cerebro para responder a los
utilizan en el lenguaje particular que el niño está ap.rentdu�
Algo que debemos considerar�
percepción del habla y acción.:·
Una característica importante del habla es que no sólo .
bimos, sino que también la producimos. Este estrecho
entre la percepción y la producción del habla condujo' a,
Liberman y sus colaboradores (1 963, 1967) a onJD<>ne:f!
teoría llamada teoría motora de la percepción del
propone que el habla tiene un estatus especial como ·
auditivo, que consiste en los mecanismos especiales de
samiento que no comparren otros estímulos auditivos.
plicaremos esta idea posteriormente (véase la sección
saber más", página 326), sino que estudiaremos o
de la teoría motora: oír un sonido de voz particular
canismos motores que controlan el movimiento de
!adores responsables de la producción de sonidos, y la
de estos mecanismos motores activa a su vez
cionales que nos permiten percibir el sonido.
Cuando se propuso la teoría motora por pri
década de 1 960, era en extremo polémica. En las ae,c•u•­
siguieron, la teoría impulsó un gran número de experi
algunos de ellos obtuvieron resultados que apoyaba11
y otros que la refutaban. En consecuencia, los
teoría se revisaron (Liberman y Matringly, 1 989).
A los investigadores del habla actuales les preocupa
si los detalles de la teoría motora son correctos que
cía de una serie de experimentos recientes que apoya la
que, en efecto, existen vínculos entre la percepción
.
y los mecanismos morares. Uno d e los resultados qu e ·
 -.. •·1 ...
- - .

es el descubrimiento de las neuronas espejo. En el

7 vimos que en los monos las neuronas espejo res pon­
e l los llevan a cabo una acción y cuando ven a al-
zarla. Un tipo de neuronas espejo relacionadas con
debe provocar movi mientos éh l�s labios:. .Pefo
lo"sigqit�
que la respuesta de los PEM fue mayor cua�do la person
a algute n hablar o vi el movi iento de �us l�bios
� �
i . � ·
��
a��ch f··; ,;�
(fig�)J���:\·:. :.{;
Watkms tambt en realtzo otros experi mentos que �osc.ri-
:�.�4
reali ,, ·.:·:
>ilOJ<-• vu se conoce como neuronas espejo audiovisuales. Éstas ron que esta mejora en los PEM se produce sól� para esoil!c:m--- '
..
cuando un mono realiz.a una acción que produce un ras co �o los lab10s, q e forman parte del sistema_ motor�para .: j
� ·

(por ejemplo, romper un cacahuate) y cuando el mono produClr el habla. Basandose en estos resultados" sugirió que 1) . ) · .

· ·sonido (el que se ha producido por romper un cacahuate) tal vez las neuronas espejo intervienen y 2) su resultado es con-. j
iiifrt!SUlL« de la acción {Kohler, 2002; véase el capítulo 7, pá­ sistente con la idea propuesta por la teoría motora de que oí� u n .
Curiosamente, las neuronas espejo que se han estu­ sonido de voz activa los mecanismos motores para la percepción
en el mono se encuentran en un área equivalente al área del sonido. Cualesquiera que sean las implicaciones de los resul­
en los seres humanos, por esta razón, algunos inves­ tados de Watkins y los resultados de la investigación sobre las
sugerido que hay una estrecha relación entre las neu ronas espejo, no hay duda de que nuestra afirmación res­
espejo y el lenguaje (Arbib, 2001). pecto a que la actividad motora y la percepción están vinculadas
¿hay pruebas que vinculen directamente la percepción y de manera estrecha es válida no sólo para la vista {página 156 del
del habla en los seres humanos? K. D. Watkins y sus capítulo 7), sino también para la percepción del habla.
:>.-�rl.c.r<•< {2003) ofrecieron algunas pruebas de esta conexión
Ía estimulación magnética transcraneal (EMT) para acti­
motora de la corteza que controla los movimientos de
la sección Método: estimulación magnética trans­
capítulo 8, página 193). Cuando estimularon esta área,
respuestas pequeñas, llamadas potenciales evocados
. ·(PEM), de los labios (figura 13. 16a). Esto no era sorpren­
. ya que la estimulación de esta área de la corteza motora

Respuesta evocada Bobina que

motora de los labios 1 estimula la EMT

P I E N S E E N LO S I G U I E NTE
1. ¿Qué t a n bien reconocen el habla l a s computadoras? Us-·
la voz producir ted puede i nvestigarlo al hablar por teléfono con u na de
un sonido a la voz
ellas. M arque un servício como la reservación telefónicá .
de boletos para el ci ne, y en vez de hablar lene¡¡. y c lara­
Experimento de estim ulación magnética mente, hágalo de manera normal (con la claridad .�ufi­
que proporciona evidencia de un vínculo entre la ciente para que una persona lo entendiera) y vea .s i pued�
y la producción del habla en los seres h u manos. determi nar los l í mites de la capacidad de !á ccimputad?ra
texto para obtener más detalles. (Reimpresión para comprender el habla. (p. 312)
· · -

de Watkins, K. E., Strafella, A . P. y Paus, T., Seeing

speech excites the motor system involved 2. ¿Cómo considera que se vería afectada su percepciÓn del
production,Neuropsychologia, 41, 989-994. habla si el fenómeno de la percepción categórica no : exis­
2003, con autorización de E/sevier.) tiera? (p. 3 16)

·:�.:
. ..
 SI · D E S EA SA B E R MÁS
· .. ;1_ Tadhm.d: · "oír�' con el tacto. Las personas q ue son sordas y
ci�gas pueden averiguar lo que dice la gente con un proce­
...
d imiento llamado Tadoma, que consiste en tocar la cara
'd e uha p�;sona, mientras ésta habla. (p. 3 1 8)
�
Rt;� ; __c. M., Durlach, N. l., Braida, L. D. y Schultz, M.
Analytic study of the Tadoma method: Iden­
C. (1982).
tificarion of consonants and vowels by an experienced
Tadóma user. Journal of Speech and Hearing Research, 25,
108 - 1 16.
2. ¿El lenguaje es especial? Se trata de una controversia en la
que algunos investigadores (muchos de ellos defensores de
Patel, A . D . (2008). Music, language, and the brain.
York: Oxford University Press.
An empírica!
Patel, A. D. y Daniele, J. R. (2003).
rison of rhythm in language and music. Lu;Kmrt01�,,
B35 -B45.
Peretz, l. y Hyde, K. L . (2003). What is specific to
processing? Insights from congen ital amusia . .
Cognitive Sciences, 7, 362-367.
4. Los mecanismos cerebrales que vinculan al lenguaj�'·
acción. Escuchar enunciados que se refieren a dife .
partes del c uerpo como la cara, los brazos o las
activa áreas del cerebro asociadas con el habl;¡t ·

l a teoría motora de la percepción del habla) sostienen que
en la percepción del habla intervienen mecanismos espe­
ciales que otros procesos auditivos no comparten y otro
grupo de investigadores sostiene que la percepción del ha­
bla utiliza los mismos mecan ismos que nos permiten co­
nocer otros tipos de estímulos auditivos. (p. 324)
5.
Fowler, C . A. y Rosenblum, L. D . (1990). Duplex per­
ception: A comparison of monosyllables and slamming
doors. Journal of Experimental Psychology: Human Percep­
tion and Performance, 17, 8 16-828.
Trout, J. D. (2003). Biological specializations for speech:
What can the a n i mals tell us? Current Directions in Ps­
ychological Science, 5, 155-159.
3. La conexión entre el habla y la música. Existen pruebas de que
en el habla y la música intervienen mecanismos cerebrales
diferentes, pero también hay evidencia de que tienen algu­
nos mecanismos en común.
bién áreas asociadas con el movimiento de esa
cuerpo. (p. 324)
Pulvermuller, F. (2 005). Brain mechanisms
language and action. Nature Reviews
576-582.
Enfoques para el estudio de la percepción del habla.
de diferentes enfoques teóricos para el estudio
cepción del habla que se han propuesto. Ta
sugerido que nuestro conocimiento de los
la percepción del habla podría mejorar con d
de esta última en el marco más general de la e
audición que se describió en los capítulos 1 1 y 12.
Diehl, R . L ., Lotto, A. J . y Holt, L. L . (2004).
ception. Annual Review ofPsychology, 55, 149-1 c...�
., .-,;:;;
.�
Holt, L. L. y Lotto, A. J. (2008). Speech perceptlotlWJ.t}:
an auditory cognitive science framework.
tions in Psychological Science, 17, 42-46.

CO N C E PTOS C L AV E
Afasia (p. 323) Espectrograma del sonido (p. 3 1 2) Probabil idades de transición
Afasia de Broca (p. 323) Estímulo acústico (p. 3 1 2) Segmentación del habla (p.
Afasia de Wern icke (p. 323) Fonema (p. 314) Señal acústica (p. 3 1 2)
Apr�ndizaje estadístico (p. 321) Formante (p. 3 1 2) Sombreado (p. 320)
Área de Broca (p. 323) Límite fonético (p. 3 1 7) Sonograma (p. 3 1 2) .
Área de Wernicke (p. 323) Modelo de doble flujo (o doble vía) de Sordera de la palabra (p. j23)
Articulador (p. 3 1 2) la percepción del habla (p. 323) Teoría morora de la percepcwn
Características índice (p. 322) Multimodal (p. 3 18) habla (p. 324)
Coarticulación (p. 315) Percepción audiovisual del habla Tiempo de inicio de la voz (TIV)
.·

Efecto de restauración fonémica (p. 3 1 8) (p. 3 1 8) (p. 3 16)

Efecto McGurk (p. 3 18) Percepción categórica (p. 3 16) Transiciones de formantes

R E C U RSO S E N L ( N E A
S i t i o web d e l l i bro C e n g a g e N OW
Sensación y percepción www.cengage.com/cengagenow
www.cengage.com/psychology/goldstein En es re sitio encontrará un vínculo a CengageNOW,
¡En este sitio encontrará tarjetas didácticas, cuestionarios para todo. Haga un examen previo a este capítulo Y
de práctica, vínculos a internet, actualizaciones, ejercicios de NOW generará un plan de esrudio personalizado
pensamiento crítico, foros de discusión, juegos y más! sus resultados. El plan de estudio identi ficará los

�.�6 - GAPfTULO 1 3 Percepción del habla

 revisar y lo enviará a recursos en línea que le
a dominar esos temas. Entonces puede realizar un
posterior que le ayudará a determinar los conceptos
ha" dominado así como aquellos en los que aún necesita
i o virtual (Virtual l a b)
virtual (Virtual Lab) está diseñado para
d máximo provecho de este curso. Los
· vinual lo envían a demostraciones y
específicos multimedia diseñados para ayudarle
lo que está leyendo. El número que está junto a
indica del número del elemento multimedia al
acceder a través de su CD -ROM, CengageNOW o el
Tutor (disponibles sólo en inglés).
1. Percepción de categorías
repente cambia de una
2. El efecto McGurk Cómo ver el
persona que habla puede influir en lo
3 . Lectura del habla Cómo la percepción de ''-');u.•t.:: u
permite comprender más fácilmente lo que
Sensimetrics Corporaüon.)
4. Estímulos de aprendizaje estadístico Una rp.uestra u<;. <<> '-<>u.o:;u<L o;
de palabras sin sentido utilizada en el experimento
5. Palabrasfantasma Cómo escuchar un sonido
puede dar lugar a la percepción de las palabras. (Cortesía
Diana Deutsch.)
Respuesta a la pregunta en la página 320:
El balón atravesó la vía.