Confine percettive della quantità vocalica: uno studio percettivo sulle vocali arabe sintetizzate

Perché piccolissimi intervalli di tempo contano nel parlato

Quando ascoltiamo qualcuno parlare in arabo, raramente notiamo quanto dura ogni vocale. Eppure piccole differenze temporali possono cambiare completamente il significato di una parola—proprio come la differenza tra “bit” e “beat” in inglese. Questo articolo pone una domanda apparentemente semplice: quanto deve durare esattamente una vocale affinché i parlanti nativi di due importanti dialetti arabi la percepiscano come “lunga” piuttosto che “corta”? Rispondendo a questa domanda, lo studio mostra come il nostro udito segmenti un flusso sonoro continuo nei distinti mattoni del linguaggio.

Suoni brevi e lunghi che cambiano il significato

L’arabo usa la lunghezza vocalica come componente centrale del suo sistema sonoro: coppie come /a/ e /aː/ più lunga possono distinguere parole totalmente diverse. Studi precedenti hanno misurato quanto tendono a durare queste vocali nella produzione, mostrando che le vocali lunghe sono solitamente circa una volta e mezza fino a tre volte la lunghezza di quelle corte. Ma quegli studi si sono concentrati sulla produzione, non sulla percezione. Questo lavoro rovescia la domanda: in quale punto, durante un aumento graduale della durata, gli ascoltatori passano dal percepire una vocale come corta a percepirla come lunga—e quel punto di transizione è lo stesso per parlanti di dialetti arabi differenti?

Due dialetti sotto la lente

Il ricercatore ha confrontato ascoltatori di arabo Najdi, parlato nella zona centrale dell’Arabia Saudita, e di arabo cairota, il dialetto dominante del Cairo. Entrambe le varietà condividono lo stesso insieme di base di tre vocali brevi /a, i, u/ e tre vocali lunghe /aː, iː, uː/. Per concentrarsi unicamente sul tempo, lo studio ha utilizzato registrazioni accuratamente editate di tre coppie minime (per esempio, una parola con vocale breve che significa “lui scrisse” rispetto a una con vocale lunga che significa “lui corrispose”). Partendo da vocali naturalmente lunghe, l’autore ne ha progressivamente ridotto la durata in piccoli passi, usando software che preservava il tono e la qualità del suono durante l’accorciamento. Questo ha creato serie fluide di vocali che andavano da chiaramente lunghe a chiaramente corte senza introdurre artefatti innaturali.

Ascoltare e scegliere tra due parole

Quaranta partecipanti adulti—venti parlanti Najdi e venti parlanti cairoti—hanno eseguito un compito di ascolto online. Dopo una breve fase di familiarizzazione con le coppie di parole originali e non alterate, ogni persona ha ascoltato le versioni manipolate una alla volta. Per ogni elemento dovevano decidere quale parola avevano udito: la versione con la vocale lunga o quella con la vocale corta. Potevano riascoltare il suono prima di rispondere, ma una volta data la risposta non potevano tornare indietro e modificarla. Usando modelli statistici che tenevano conto sia della parola specifica sia del singolo ascoltatore, il ricercatore ha tracciato come la probabilità di una risposta “lunga” aumentasse all’aumentare della durata della vocale, misurata in millisecondi.

Dove gli ascoltatori tracciano il confine temporale

I risultati mostrano che la durata è un indizio potente per tutte e tre le vocali, ma che il confine preciso tra breve e lungo dipende sia dal tipo di vocale sia dal dialetto. Per la vocale anteriore alta [i], gli ascoltatori cairoti cominciavano a percepire la vocale come lunga a durate più brevi—circa 84 millisecondi—mentre i parlanti Najdi generalmente necessitavano di circa 96 millisecondi prima di passare a “lunga”. Gli ascoltatori cairoti inoltre modificavano il loro giudizio in modo più brusco lungo la scala temporale, suggerendo un confine più netto e categorico. Per la vocale bassa [a], entrambi i gruppi condividevano quasi esattamente lo stesso confine, vicino a 101 millisecondi, sebbene anche qui i cairoti mostrassero uno spostamento più ripido e deciso. Per la vocale posteriore [u], i confini erano molto vicini—circa 100 millisecondi per i parlanti Najdi e 110 per i cairoti—e la piccola differenza non risultava statisticamente significativa.

Cosa ci dice questo sulla percezione del parlato

Per un profano, queste decine di millisecondi possono sembrare trascurabili, ma rivelano quanto finemente il nostro udito sia sintonizzato sui modelli sonori del proprio dialetto. Lo studio mostra che i parlanti Najdi e cairoti concordano sul timing generale necessario per marcare una vocale come lunga, specialmente per [a] e [u], ma calibrano tale timing in modo diverso per [i]. Mostra inoltre che gli individui variano: alcuni ascoltatori trattano il passaggio da breve a lungo come un cambiamento netto, altri come uno spostamento più graduale. Nel complesso, questi risultati sostengono l’idea che le categorie sonore non siano scatole rigide e universali. Piuttosto, l’esperienza con un dato dialetto modella le soglie temporali precise che il nostro cervello usa per trasformare un flusso continuo di suoni in parole dotate di significato.

Citazione: Alfaifi, A. Perceptual boundary of vowel quantity: a perceptual study of synthesized Arabic vowels. Humanit Soc Sci Commun 13, 271 (2026). https://doi.org/10.1057/s41599-025-06454-8

Parole chiave: Vocali arabe, Lunghezza vocalica, Percezione del parlato, Variazione dialettale, Fonetica