Ir al contenido

LECCIÓN 42

Cómo leer un espectrograma

El espectrograma es una imagen del habla que muestra a la vez el tiempo, la frecuencia y la intensidad. En esta lección vemos sus ejes, los espectrogramas de banda ancha y de banda estrecha, los formantes F1 y F2 de las vocales, la energía aguda de las fricativas, el tiempo de inicio de la sonoridad (VOT) en las oclusivas y por qué todo esto importa en la pérdida auditiva de frecuencias agudas.

Seguir la narración

Hola, y bienvenidos a la Academia de Audiología AIHEAR.
En esta lección aprenderemos a leer el espectrograma, la imagen del habla.
Veremos los formantes de las vocales, la energía aguda de las fricativas y el tiempo de inicio de la sonoridad en las consonantes oclusivas.
Un sonido puede mostrarse de distintas maneras; la primera es la forma de onda, que muestra cómo cambia la presión en el tiempo.
El espectro muestra cuánta energía lleva un sonido en cada frecuencia en un momento dado.
El espectrograma combina ambos: muestra cómo cambia el contenido de frecuencias a lo largo del tiempo.
Como el habla es un sonido que cambia constantemente, el espectrograma es una de las herramientas más poderosas para estudiarla.
Los primeros espectrógrafos de sonido se desarrollaron en los Laboratorios Bell en la década de 1940 y transformaron la investigación del habla.
En un espectrograma, el eje horizontal es el tiempo; el habla avanza de izquierda a derecha.
El eje vertical es la frecuencia, con las frecuencias graves abajo y las agudas arriba.
La tercera dimensión, la intensidad, se muestra con la oscuridad o el color; las zonas oscuras o brillantes indican más energía.
Observen que en el audiograma la frecuencia va de izquierda a derecha, pero en el espectrograma va de abajo hacia arriba.
Con estos tres ejes en mente, podemos leer las huellas de los sonidos del habla.
Los espectrogramas pueden hacerse con dos ajustes básicos: de banda ancha y de banda estrecha.
En un espectrograma de banda ancha la ventana de análisis es corta, y los formantes aparecen como bandas oscuras.
El detalle temporal es bueno; cada vibración de los pliegues vocales se ve como una delgada línea vertical.
En un espectrograma de banda estrecha la ventana es larga; esta vez los armónicos individuales aparecen como líneas horizontales.
El detalle frecuencial es bueno, pero los cambios rápidos en el tiempo se vuelven borrosos.
Ambos son válidos: la banda ancha suele elegirse para formantes y consonantes, y la banda estrecha para el tono y los armónicos.
Para entender las vocales, usamos el modelo fuente-filtro.
La fuente es la vibración de los pliegues vocales; su velocidad se llama frecuencia fundamental, o F0.
La F0 es de unos cien a ciento cincuenta hertz en los hombres, de doscientos a doscientos cincuenta en las mujeres, y más alta en los niños.
Junto con la fundamental, los pliegues vocales producen sus múltiplos, los armónicos; el filtro es el tracto vocal, desde la laringe hasta los labios.
El tracto vocal refuerza ciertas regiones de frecuencia; estas regiones de resonancia se llaman formantes.
Cuando la lengua, la mandíbula y los labios cambian de posición, los formantes se desplazan y surgen distintas vocales.
Cada vocal se reconoce en gran parte por la posición de sus dos primeros formantes, F1 y F2.
El primer formante se relaciona de forma inversa con la altura de la lengua: en vocales altas como la i y la u, el F1 es bajo.
En las vocales bajas, con la boca abierta, como la a, el F1 es alto, de unos setecientos hertz.
El segundo formante se relaciona con el avance de la lengua: el F2 es alto en vocales anteriores como la i y la e, y bajo en posteriores como la u y la o.
Los valores de la tabla son ejemplos aproximados para un hablante adulto de sexo masculino; los formantes son más altos en mujeres y niños.
Cada una de las ocho vocales del turco ocupa su propio lugar en el mapa que forman estos dos formantes.
Las vocales son los sonidos más intensos del habla, y la mayor parte de su energía está por debajo de mil hertz.
Por eso, incluso las personas con pérdida auditiva en frecuencias agudas suelen oír bien las vocales.
Pero para distinguir las vocales también se necesita el segundo formante; en vocales anteriores como la i, este formante sube por encima de dos mil hertz.
Con una pérdida en frecuencias medias y agudas, pueden confundirse pares de vocales del turco como i y ü, o e y ö.
También en la banana del habla vemos las vocales agrupadas en la región grave e intensa, y las consonantes en la región más aguda y débil.
Las fricativas se producen por la turbulencia que se genera cuando el aire pasa forzado por un paso estrecho en la boca.
En el espectrograma no aparecen como armónicos regulares, sino como un ruido granulado repartido en una zona amplia.
La energía de la s está en la región más alta, por lo general concentrada por encima de cuatro mil hertz.
En la sh, el espacio delante de la constricción es más largo y los labios se redondean ligeramente.
Por eso la energía de la sh empieza más abajo, alrededor de dos mil a dos mil quinientos hertz.
La f es un ruido débil repartido en una zona amplia, lo que la convierte en uno de los sonidos que más fácilmente se pierden.
En las fricativas sonoras como la z, la v y la zh, además del ruido, se ve en la parte más baja una barra de sonoridad producida por los pliegues vocales.
En las consonantes oclusivas, el flujo de aire se bloquea por completo un instante; en el espectrograma este cierre aparece como un breve silencio.
Luego, al liberarse el cierre, se ve una breve explosión vertical.
El tiempo entre la explosión y el inicio de la vibración de los pliegues vocales se llama tiempo de inicio de la sonoridad, o VOT.
En las oclusivas sonoras del turco, como la b, la d y la g, la sonoridad suele comenzar con la explosión o incluso antes.
En las oclusivas sordas como la p, la t y la k, la sonoridad comienza con un claro retraso, después de un ruido de aspiración.
Esta diferencia de unas pocas decenas de milisegundos muestra con qué precisión usa el cerebro la información temporal.
Este audiograma de ejemplo muestra una pérdida que cae bruscamente por encima de mil hertz; la mayor parte de la energía vocálica queda en la zona audible.
Pero la energía de fricativas como la s, la sh y la f queda por encima de la línea de umbrales, en la zona inaudible.
La persona oye que alguien habla, pero puede entender mal las palabras.
En turco, muchos sufijos y palabras contienen el sonido s; perderlo puede cambiar el significado.
Con voces femeninas e infantiles, la energía de la s se desplaza aún más arriba; por eso la amplificación de banda ancha es importante en los niños.
Una aplicación práctica del conocimiento del espectrograma es la prueba de los seis sonidos de Ling.
Usa los sonidos m, u, a, i, sh y s, que juntos cubren aproximadamente el rango de frecuencias del habla.
La m y la u representan la región grave, y la a, la región media.
La i tiene un primer formante bajo y un segundo formante alto, mientras que la sh y la s representan la región aguda.
Se usa, sobre todo con niños, para comprobar rápidamente si el dispositivo deja pasar estos sonidos; la veremos en detalle más adelante.
Al leer un espectrograma, busquen primero los silencios; a menudo corresponden a la fase de cierre de las oclusivas.
Luego busquen la barra de sonoridad en la parte baja y las delgadas líneas verticales que muestran la vibración de los pliegues vocales.
En las vocales, encuentren las bandas oscuras de los formantes y observen dónde se ubican F1 y F2.
Las zonas de ruido amplio y granulado en la región aguda indican fricativas.
Por último, observen las transiciones de formantes entre consonante y vocal, y la duración de los sonidos.
Pueden probar estos pasos haciendo un espectrograma de su propia voz con programas gratuitos como Praat.
Un consejo de la clínica: en las pruebas de habla, anoten no solo cuántas respuestas son correctas, sino también qué sonidos confunde el paciente.
Las confusiones de s, sh y f suelen relacionarse con la región del audiograma entre dos mil y ocho mil hertz.
Por ejemplo, un paciente que oye sh o f en lugar de s puede no tener suficiente audibilidad en la región aguda.
Estas notas aportan información valiosa para la adaptación del dispositivo y la orientación.
En un espectrograma, el eje horizontal muestra el tiempo, el eje vertical la frecuencia, y la oscuridad indica la intensidad.
Las vocales se reconocen por la posición de los dos primeros formantes, las resonancias del tracto vocal.
Las fricativas aparecen como ruido en la región aguda; la energía de la s suele estar por encima de cuatro mil hertz.
En las oclusivas, el silencio del cierre, la explosión y el tiempo de inicio de la sonoridad separan los sonidos sonoros de los sordos.
Pon a prueba lo aprendido: ¿qué sonido aparece como ruido en la región más alta de un espectrograma?
La respuesta correcta es la C: la consonante s.
La s es una fricativa, y su energía suele aparecer por encima de cuatro mil hertz como un ruido granulado.
En la próxima lección ubicaremos los sonidos del habla en el audiograma y conoceremos la banana del habla.
Suscríbanse al canal para no perderse ninguna lección. ¡Hasta pronto!

Palabras clave

Haz clic en una palabra clave para buscar todas las lecciones sobre ese término.

Requisitos previos

LECCIÓN 39 Tonos puros y sonidos complejos: bases de Fourier Próximamente

Comentarios

Las preguntas y los comentarios se publican después de ser aprobados.

Todavía no hay comentarios. Escribe el primero.