Usted va conduciendo su coche, las ventanillas bajas y el sintonizador de radio sonando. Escucha una canción nueva, una que nunca antes ha escuchado y que es interpretada por un artista que también le resulta desconocido. Usted quiere saber el nombre del artista para conseguir el disco. El tema finaliza, el locutor comienza a hablar y...

...usted no puede entenderle debido al ruido de la calle.

Como este simple ejemplo lo ilustra, existe una importante diferencia entre la música y la palabra. El cerebro es capaz de "completar" una buena porción de la información perdida cuando escuchamos música, pues hay un alto grado de redundancia (e.g. si usted no reconoce la línea melódica del bajo en los primeros cuatro compases, seguramente lo hará cuando se repitan.) En cambio, el lenguaje hablado es muy rico en información continuamente cambiante y existe menos redundancia que en la música. Basta con que un pequeño porcentaje de la información se pierda o se distorsione para que al cerebro le resulte difícil descifrar el mensaje.

Por lo tanto, los sistemas de audio destinados a la reproducción de palabras están sujetos a requerimientos más rigurosos que aquellos destinados a reproducir música solamente. Estas páginas abordan el tema de la inteligibilidad del habla en los sistemas de refuerzo de sonido. ¿Qué es, qué la afecta y cómo se mide?

La Señal del Habla.

El habla humana es una forma de onda continua con una frecuencia fundamental en el rango de 100 a 400 Hz. (El promedio está cerca de los 100 Hz para los hombres y 200 Hz para las mujeres.) A distancias de múltiplos enteros de la frecuencia fundamental, se encuentran una serie de armónicos cambiantes a los que podemos llamar "formantes" y que están determinados por las características de resonancia de la región vocal. Los "formantes" crean los variados sonidos vocales y las transiciones entre ellos. Los sonidos consonantes, que son impulsivos y/o ruidosos, tienen lugar en el rango de los 2Khz a los 9 Khz. (Aquí puedes ver un gráfico con el espectro vocal para hombres y mujeres, con un espectro vocal humano "ideal" superpuesto.)

La potencia sonora del habla es llevada por las vocales, cuya duración promedio es de 30 a 300 milisegundos. La inteligibilidad es dada por las consonantes, cuya duración promedio es de 10 a 100 milisegundos de duración y pueden ser unos 27 dB más débiles en amplitud que las vocales. La potencia de la señal hablada varía como un todo, y la potencia de los rangos de frecuencia individuales varía con respecto a los otros según cambian los "formantes".

Comprensión del Habla

El desafío del oyente es dividir los sonidos del habla en unidades de lenguaje significativas- una tarea complicada, por cierto. Los intervalos en el sonido no necesariamente corresponden a divisiones de palabras o de sílabas. Los sonidos del habla tampoco son eventos discontinuos: generalmente se combinan y se superponen en el tiempo, y la articulación de un fonema dado difiere según el contexto y el orador.

En realidad, la manera precisa en que el mecanismo oído-cerebro decodifica el habla continúa siendo en parte un misterio. Los factores como el ruido, la duración y el contenido espectral ciertamente afectan la percepción del habla, pero su interacción aún no está del todo comprendida.

La disminución de la inteligibilidad está asociada con una pérdida de información que se ha codificado en una cantidad bastante alta de elementos interactuantes, y muchos factores influyen en ella. Los ruidos de fondo pueden enmascarar el habla. Tanto la dirección desde donde el oyente percibe la fuente, y la dirección del ruido que la interfiere pueden alterar el grado del enmascaramiento. La inteligibilidad también se ve afectada por lo predecible del mensaje, por la articulación del orador y, no menos, por la agudeza auditiva del oyente.