Hacia la aplicabilidad de la cualidad de la voz en fonética judicial*El presente trabajo retoma algunos de los principales resultados obtenidos de diferentes análisis acústicos realizados en Fernández Trinidad (2018, inédito) para ser interpretados y discutidos a propósito de su relevancia y aplicabilidad en fonética judicial. En este sentido, agradezco muy especialmente a los dos revisores anónimos por sus comentarios y observaciones y, también, al profesor Gómez-Vilda por sus sugerencias.

2.1. Objetivos

El trabajo persigue dos objetivos, como se ha adelantado en la introducción:

En cuanto al estudio acústico de los rasgos laríngeos de la voz, interesa aislar, por un lado, los parámetros caracterizadores del habla en falsete y, por otro, aquellos que podrían llegar a ser individualizadores de las voces. La idea que sustenta este planteamiento es la existencia de rasgos laríngeos idiosincrásicos de los hablantes que son muy difíciles o imposibles de alterar mediante procedimientos humanos de disimulo vocal (cf. Alves et al., 2012Alves, H., Fernández Trinidad, M., Gil Fernández, J., Infante, P., Lahoz-Bengoechea, J. M., Pérez Sanz, C. y San Segundo, E. (2012). Disguised voices: A perceptual experiment. 3rd European Conference of the International Association of Forensic Linguistic
, 2014Alves, H., Gil Fernández, J., Pérez Sanz, C. y San Segundo, E. (2014). La cualidad individual de la voz y la identificación del locutor: el proyecto CIVIL. En Y. Congosto, M. L. Montero Curiel, y A. Salvador Plans (Eds.), Fonética experimental, educación superior e investigación (Vol. 1, pp. 591-612). Madrid: Arco/Libros.
; Fernández Trinidad y Rojo, 2019Fernández Trinidad, M. y Rojo, J. (2019). Perceptual cues for individual voice quality. En J. Gil Fernández y M. Gibson (Eds.), Romance Phonetics and Phonology (pp. 161-176). Oxford University Press.
). De una parte, esperamos poder distinguir un cierto número de rasgos que, por ser intrínsecos al cambio de voz hacia el falsete, haya tenido que modificar cualquier locutor que disimule su voz y, de otra parte, otros rasgos que no se hayan visto alterados. Los primeros permitirían caracterizar el habla en falsete, mientras que los segundos podrían contribuir a la caracterización de las distintas voces y, por extensión, también de los individuos.

El segundo objetivo de este trabajo es analizar el comportamiento laríngeo mediante un procedimiento factible de ponerse en práctica en fonética judicial. En este sentido, tal procedimiento debería cumplir los siguientes requisitos:

2.2. Protocolo de grabación

El corpus utilizado fue recogido en el contexto de un estudio más amplio (cf. Fernández Trinidad, 2018Fernández Trinidad, M. (2018). Caracterización del falsetto y sus consecuencias para la discriminación de voces. [Tesis doctoral inédita]. Universidad Nacional de Educación a Distancia.
). Participaron 6 locutores masculinos italianos de Nápoles, con estudios universitarios concluidos y edades comprendidas entre los 29 y 34 años (M= 31.67). Antes de las grabaciones, los informantes completaron sus datos personales y declararon no tener patologías vocales. Fueron debidamente instruidos acerca de los objetivos del estudio, así como del procedimiento experimental, y firmaron un consentimiento informado. Las sesiones de grabación se realizaron en la cámara insonorizada del Laboratorio de Fonética del Consejo Superior de Investigaciones Científicas (CSIC) de Madrid. Se utilizó un micrófono de condensador omnidireccional Earset AE E6i (Contryman), una interfaz de audio AEUA-25EX (Ronald) y el software Adobe Audition (Microsoft). La frecuencia de muestreo fue de 44100 Hz, con una resolución de 16 bits. A los participantes se les pidió que grabaran una misma frase de 11 sílabas, primero con su voz habitual y, luego, con una voz simulada en falsete. La razón principal que justifica la elección fue conseguir frases idénticas en su composición segmental para centrar el estudio acústico (y otro perceptivo reportado en Fernández Trinidad y Rojo, 2019Fernández Trinidad, M. y Rojo, J. (2019). Perceptual cues for individual voice quality. En J. Gil Fernández y M. Gibson (Eds.), Romance Phonetics and Phonology (pp. 161-176). Oxford University Press.
) en la cualidad de la voz derivada de ajustes laríngeos a largo plazo. De otra parte, en la práctica forense se recomienda obtener del imputado muestras indubitadas de su habla espontánea (en caso de que este tenga una actitud colaborativa) y también de la lectura de frases o textos (cf. por ejemplo, Gil, Alves y Hierro, 2012Gil, J. Alves, H. y Hierro, J. A. (2012). Proposition raisonnée de protocole de capture de voix connue à des fins judiciaires. Revue Internationale de Criminalistique et de Police Scientifique et Technique, LXV, 319-345.
y Gil Fernández et al., 2017Gil Fernández, J., Fernández Trinidad, M., Infante, P. y Lahoz-Bengoechea, J. M. (2017). “Obtaining speech samples for research and expertise in forensic phonetics”. En: Orletti, F. y Mariottini, L. (Eds.) Theories, Practices, Instruments of Forensic Linguistics (pp. 27-50). Cambridge Scholars Publishing.
).

Se buscó que el enunciado estuviera formado por sílabas con la estructura CV, donde C fuera sonora y no nasal, y V fuera una [a] tónica. Esta decisión metodológica es habitual entre los estudios que analizan los parámetros laríngeos responsables de la cualidad de la voz. Por ejemplo, Palacios (2018)Palacios, D. (2018). Contribución al estudio de selección de parámetros para identificación de estrés en la voz. [Tesis doctoral inédita]. Universidad Politécnica de Madrid.
²“Esta interacción [entre la fuente y el filtro] se basa en la reverberación de la onda por su paso por los pliegues vocales hasta llegar a la zona de radiación [los labios]. Las vocales cerradas como son la /i/ y la /u/, además de algunas consonantes nasales, ofrecen una mayor alteración en el patrón de fonación de la fuente glótica.” (Palacios, 2018, p. 64). También Gobl y Ní Chasaide (2010, p. 380). explica que conviene descartar vocales altas y cerradas o excesivamente nasalizadas y escoger la [a] o la [e] porque aseguran una mejor reconstrucción de la fuente glótica a partir de la señal acústica.

Se consiguió para cada locutor un total de 60 repeticiones válidas de la misma frase, 30 para cada registro fonatorio.

2.3. Extracción de parámetros laríngeos

De las frases grabadas se segmentaron con Praat 30 vocales [a] tónicas por registro de fonación (15 en voz modal y 15 en voz de falsete) para cada uno de los 6 locutores, consiguiéndose así un total de 180 muestras para su posterior análisis. Se calculó el valor medio de los parámetros laríngeos de forma automática utilizando el programa Biomet®Phon [versión 2.3] de BiometroSoft®. Este programa reconstruye la onda glotal a partir de la señal acústica mediante un filtrado inverso que resta la función de transferencia ejercida por el tracto vocal y el efecto de la radiación labial. A partir de ello, estima el valor de 72 parámetros relativos al comportamiento laríngeo. Los parámetros referidos a la fuente glótica extraídos se reproducen en la Tabla 1 a partir de BioMetroSoft® (2014)BioMetroSoft®. (2014). BioMet®Phon: Tool for de Evaluation of Voice Quality and Biometri. User’s Manual [versión 2.3].
. Puede consultarse una descripción de los rasgos glotales en Gómez-Vilda et al. (2013)Gómez-Vilda, P.; Rodellar Biarge, M. V.; Nieto Lluis, V.; Martínez Olalla, R.; Álvarez Marquina, A.; Scola Yurrita, B.; Ramírez Calvo, C.; Poletti Serafini, D. y Fernández Fernández, M. (2013). BioMet®Phon: A system to monitor phonation quality in the clinics. En eTELEMED 2013: The Fifth International Conference on eHealth, Telemedicine, and Social Medicine (pp. 253-258), Nice, France. ISBN 978-1-61208-252-3.
, Palacios (2018)Palacios, D. (2018). Contribución al estudio de selección de parámetros para identificación de estrés en la voz. [Tesis doctoral inédita]. Universidad Politécnica de Madrid.
, Palacios et al. (2020)Palacios, D., Rodellar, V., Lázaro, C., Gómez, A. y Gómez, P. (2020). An ICA-based method for stress classification from voice samples. Neural Computing and Applications, 32(24), 17887-17897. http://dx.doi.org/10.1007/s00521-019-04549-3
, Rodellar-Biarge et al. (2015)Rodellar-Biarge, V., Palacios-Alonso, D., Nieto-Lluis, V. y Gómez-Vilda, P. (2015). Towards the search of detection in speech-relevant features for stress. Expert Systems, 32(6), 710-718. http://dx.doi.org/10.1111/exsy.12109
. Según se explica en estos mismos estudios, los parámetros laríngeos que están relacionados entre sí forman distintos grupos: a) f ₀ y perturbaciones asociadas a ella, b) cepstrales, c) perfil espectral, d) parámetros biomecánicos de los pliegues vocales, e) parámetros de la onda glótica de base temporal, f) parámetros de defecto de cierre glótico, y g) temblor.

3.1. Comportamiento de la f₀

Comenzamos presentando los resultados del comportamiento de la f ₀ en el cambio de voz hacia el falsete por ser, en este tipo de modificación voluntaria de la voz, el cambio más drástico desde un punto de vista perceptivo y acústico, y por tratarse del parámetro más utilizado en las comparaciones forenses de hablantes, como se ha explicado en §1. Las Tablas 2 y 3 ofrecen los valores máximos, mínimos y medios de la f ₀ alcanzados en voz modal y falsete por cada locutor y también el promedio general obtenido en los 6 locutores. La Tabla 4 resume las diferencias alcanzadas en los valores de f ₀ entre falsete y voz habitual para cada locutor y el promedio global obtenido de los 6 locutores analizados.

Los valores máximos promedio fueron de 137.1 Hz (modal) y 408.6 Hz (falsete), mientras que los mínimos registrados fueron 100 Hz (modal) y 216 Hz (falsete). La f ₀ media observada se ubicó en torno a los 116 Hz (modal) y 329 Hz (falsete), mientras que la desviación típica promedio fue de 12.7 y 60,2 Hz para la voz modal y en falsete, respectivamente. Por tanto, se pudo comprobar que, cuando modifican su voz hacia el falsete, los locutores analizados aumentan su f ₀ de promedio 1,5 octavas (212.4 Hz) respecto de su tono de voz habitual y que la desviación típica media es mayor en la voz fingida que en la habitual. La mayor variabilidad en el habla fingida se ha comprobado con otros tipos de disimulo, como era de prever (cf. por ejemplo, Alves et al. 2012Alves, H., Fernández Trinidad, M., Gil Fernández, J., Infante, P., Lahoz-Bengoechea, J. M., Pérez Sanz, C. y San Segundo, E. (2012). Disguised voices: A perceptual experiment. 3rd European Conference of the International Association of Forensic Linguistic
; Lahoz-Bengoechea, Villa y Gil Fernández, 2017Lahoz-Bengoechea, J. M., Villa Villa, J. y Gil Fernández, J. (2017). Fillers in disguised accented speech. 13th Biennial Conference of the International Association of Forensic Linguists.
, entre muchos otros que podrían mencionarse).

3.2. Comportamiento de los 72 rasgos glotales

La Tabla 5 recoge los rasgos laríngeos que fueron modificados por cada locutor al cambiar de voz habitual a falsete y la Tabla 6 la proporción media de parámetros glotales alterados en el cambio de voz, según los resultados de un test t (corrección Bonferroni). En ambas tablas los rasgos se organizan por grupos de parámetros (§2.3) y en la Tabla 6 aparecen ordenados de mayor a menor variación.

Con una proporción media superior a 0.9, los parámetros cepstrales (grupo B) son los que resultan más afectados cuando un sujeto cambia de su voz habitual al falsete. A estos les siguen los rasgos responsables de reflejar la biomecánica de las cuerdas vocales (grupo D) con una proporción media de 0.75. A continuación, encontramos los parámetros que informan sobre el perfil espectral de las voces (grupo C), los que dan cuenta de la base temporal de la onda glótica (grupo E) y los parámetros relacionados con la perturbación de la f ₀ (grupo A), con valores medios de 0.68, 0.65 y 0.64, respectivamente. Los grupos que presentan la menor variación recogen información sobre el defecto de cierre glótico (grupo F), de los que varía la mitad de los parámetros (0.5), y, finalmente, los parámetros responsables del temblor (grupo G), de los cuales varía solo un tercio (0.33).

Los resultados hasta aquí comentados ya permiten una caracterización a nivel glotal el cambio de voz hacia el falsete. Sin embargo, considerando que en este tipo de análisis se maneja un número muy elevado de parámetros y que muchos de ellos están correlacionados entre sí, decidimos realizar un Análisis por Componentes Principales (o CPA por sus siglas en inglés).

4.1. Comportamiento de los CPs

El elevado número de rasgos glotales sumado al alto nivel de redundancia informativa como consecuencia de la interdependencia de los parámetros dentro de cada grupo dificultan tanto el análisis como la interpretación de los datos. Recuérdese, además, que en las comparaciones forenses de voces se desaconseja expresamente utilizar parámetros interdependientes (cf. §1). Para solventar las dificultades señaladas de cara a abordar el análisis de la cualidad de la voz en un contexto forense proponemos llevar a cabo un análisis factorial por Componentes Principales (en adelante, CPs). Este tipo de análisis es apropiado porque consigue, al mismo tiempo, reducir la dimensionalidad de conjuntos complejos de datos cuya distribución aún no se conoce, y hacerlos más fácilmente interpretables (cf. Jolliffe, 1986Jolliffe, I. (1986). Principal component analysis and factor analysis. En Principal Component Analysis (pp. 115-128). New York: Springer.
, Godino, Gómez-Vilda y Blanco, 2006Godino, J., Gómez-Vilda, P. y Blanco, M. (2006). Dimensionality reduction of a pathological voice quality assessment system based on Gaussian mixture models and short-term cepstral parameters. IEEE Transactions on Biomedical Engineering, 53(10), 1943-1953.
).

Apoyándonos en los resultados obtenidos del análisis efectuado por grupos de parámetros (§3.2), simplificamos el número original de rasgos para el análisis factorial por CPs. Al prescindir de los parámetros cepstrales (grupo B), los de perfil espectral (grupo C) y los relativos al temblor (grupo G), el número de variables originales se reduce de 72 a 32. La exclusión se fundamenta en los resultados del análisis previo. Se prescinde de los parámetros de temblor (grupo G) por no ser pertinentes para el análisis que nos ocupa. A fin de facilitar la interpretación también se excluyen del análisis factorial los parámetros que no tienen un valor claro hasta el momento (cepstrales, grupo B) o que no tienen un significado sólido o fiable cuando se da un cambio de fonación hacia la voz de falsete, como ocurre con los parámetros de perfil espectral (grupo C) ³La información ofrecida por el espectro armónico en el falsete es difícil de tratar porque la reconstrucción de la envolvente espectral requiere de un alto nivel de interpolación o inferencia entre los datos muestrales..

El análisis CPA genera, a partir de operaciones matemáticas, nuevas variables o CPs que, al comienzo, coinciden exactamente con el número de variables originales, en nuestro caso, los 32 parámetros laríngeos. Luego, y puesto que no todos los parámetros tienen la misma relevancia explicativa, se conservan, por convención, los que son capaces de explicar al menos un 5 % de la varianza total de los datos (cf. Baayen, 2008Baayen, R. (2008). Analyzing Linguistic Data: A Practical Introduction to Statistics. Cambridge: Cambridge University Press.
). Una vez aplicado el criterio umbral del 5 % para seleccionar los parámetros o componentes con mayor poder explicativo, las 32 variables originales quedaron agrupadas en 4 CPs que juntos explican el 81,75 % de la distribución total de los datos. Recuérdese que entre los CPs no existen nunca solapamientos explicativos puesto que son independientes. Por tanto, y como se observa en la Tabla 7, el CP1 explica el 27.30 % de la varianza de los datos, el CP2 explica un 21,63 % adicional, el CP3 añade un 17,83 % y el CP4 añade un 14,98 % hasta alcanzar el 81,75 % de varianza explicada. En la Tabla 8 se ofrece la distribución de los 32 rasgos laríngeos en los 4 CPs y el grado de correlación (positiva o negativa) entre cada rasgo original y el CP que lo agrupa.

Como ilustra la Tabla 8, los 32 rasgos laríngeos se han asociado con 4 CPs y, dentro de cada CP, los parámetros quedaron ordenados por valor absoluto de correlación según un coeficiente de signo positivo o negativo. Así, podemos ver que los rasgos originales Absolute pitch y Body mass se correlacionan fuertemente con el primer componente principal (CP1), aunque el pitch presenta una correlación positiva (.936) y la masa del cuerpo de los pliegues vocales mantiene una correlación negativa con el CP1 (-.772). Esto significa que, ambos rasgos están fuertemente correlacionados con el CP1 que los agrupa y que, cuando el valor del CP1 aumenta, se incrementa el pitch y disminuye la masa de los plieuges vocales implicada en la vibración.

Para comprender qué rasgos laríngeos son realmente relevantes en la configuración de cada uno de los cuatro CPs, se aislaron aquellos parámetros con valor absoluto de correlación superior a 0.7, pues observamos a partir de los datos que no hay ningún parámetro con un valor superior en varios componentes principales (CPs).

Las tablas 9-12tablas 9, 10, 11, 12 reúnen los rasgos o parámetros más relevantes que componen los cuatro CPs, ordenados de mayor a menor según su valor absoluto de correlación.

El CP1 agrupa 9 de los rasgos glotales originales y recoge información tonal, pues se centra en la f ₀ y en los ajustes laríngeos que permiten aumentar o disminuir el tono. A excepción de la masa del cuerpo de los pliegues vocales (Body mass), el resto de los rasgos se relaciona positivamente con el pitch, es decir, aumentan su valor cuando aumenta la f _0.

El CP2 aglutina 6 rasgos relacionados con instantes temporales de la onda glotal, pues todos ellos dan cuenta de los momentos temporales relevantes durante un ciclo de fonación. La correlación de ellos con el CP2 es positiva.

Si el CP2 se asociaba con la dimensión temporal de la onda glotal, el CP3 recoge rasgos que dan cuenta de la dimensión de las amplitudes correspondientes. Los cuatro rasgos más relevantes en la definición de este CP mantienen una relación negativa con él.

Finalmente, el CP4 reúne rasgos laríngeos vinculados con el comportamiento del cuerpo de los pliegues vocales e incluye también el jitter, que da cuenta de la variabilidad temporal de la f _0. A excepción de las pérdidas de energía (Body losses), todos los rasgos presentan una correlación positiva.

Un test de medias con prueba de Bonferroni demostró que el CP1 es el único diferenciador en el cambio de voz (habitual-falsete) para todos los locutores, como muestran los datos recogidos en las Tablas 13 y 14.

4.2. Rasgos de la voz disimulada en falsete

El primer objetivo de este estudio (§2.1) consistía en caracterizar en términos acústicos y fisiológicos el habla disimulada en falsete en contraste con la voz habitual. Además, se buscaba hacerlo exclusivamente a partir de las muestras de voz grabadas.

El CP1 resultó ser el componente discriminatorio en el cambio de voz habitual a falsete, pues todos los rasgos laríngeos que lo definen variaron significativamente para cada uno de los locutores sin excepción. Como se ha visto, el CP1 se centra en el pitch, correlato perceptivo de la f _0, y en el comportamiento biomecánico de las cuerdas vocales, en especial, en el de la cubierta, de acuerdo con descripciones anteriores (por ejemplo, Titze, 1994Titze, I. R. (2000 [1994]). Principles of voice production (2^nd edition). Iowa, City: National Center for Voice and Speech.
y Núñez, 2013Núñez, F. (2013). Fisiología de la fonación. En I. Cobeta, F. Núñez y S. Fernández (Eds.), Patología de la voz (pp. 55-75). Barcelona: Marge Medica Books.
).

La tensión soportada por la cubierta de las cuerdas vocales (Cover stiffness) mantiene una correlación alta y positiva (.856) con el pitch, cuyos valores aumentan significativamente en el paso hacia la voz de falsete. Esto provoca grandes gastos de energía e irregularidad en la vibración de la cubierta de los pliegues, como demuestra la proyección positiva de los parámetros Cover losses (.874), Cover mass unbablance (.818), Cover stiffness unbalance (.786) y Cover losses unbalance (.793).

De otra parte, los rasgos incluidos en el CP1 que dan cuenta del comportamiento no ya de la cubierta, sino del cuerpo de los pliegues vocales, son Body stiffness y Body mass. Estos dos parámetros parecen influir directamente en el aumento (o en su caso, disminución) de la f ₀ y lo hacen de forma inversa. La tensión del cuerpo de las cuerdas vocales contribuye positivamente en el aumento del pitch con una proyección de .895, al tiempo que la masa del cuerpo de las cuerdas vocales implicadas en la vibración lo hace de forma negativa o inversamente proporcional al aumento del pitch, con una proyección negativa de -772.

Finalmente, del análisis efectuado por componentes principales, se observa que el parámetro que da cuenta de la proporción entre ruido y armonicidad (Noise Harmonic Ratio) presenta valores más altos en la voz disimulada en falsete que en la fonación habitual de todos los locutores analizados. Este parámetro, índice de turbulencia, podría ser un buen indicador de defectos de cierre en la glotis.

4.3. Cualidad individual de la voz

Como se desprende de los datos relativos a los otros tres CPs presentados en las Tablas 13 y 14, los parámetros glotales agrupados bajo los CP2, CP3 y CP4 muestran una mayor variación entre sujetos. A diferencia de lo que ocurre con el CP1, estos componentes presentan un comportamiento fluctuante, unas veces cambiaron y otras no, en función del locutor.

El primer objetivo de este estudio se dirigía a poder aislar el grupo de rasgos laríngeos que, por ser intrínsecos al cambio de fonación (habitual-falsete), todos los sujetos tuvieran que alterar para conseguir el disimulo buscado y que han resultado ser los parámetros reunidos en el CP1. Como consecuencia de haber podido aislar estos rasgos fonéticos definitorios del falsete (CP1) han quedado también mejor acotados el grupo de parámetros vocales invariantes, aquellos que en la muestra analizada no se han visto modificados siempre por todos los locutores analizados en el cambio a falsete. Algunos de estos rasgos podrían ser potencialmente discriminantes, aunque difícilmente pudiera tratarse del mismo rasgo para todas las personas.

4.4. Utilidad práctica del análisis en fonética judicial

En la práctica forense partimos de que es habitual encontrarse con que la información de que se dispone es escasa y ha sido recogida por canales telefónicos o microfónicos limitantes, en ocasiones en medio de ambientes ruidosos, lo que da como resultado muestras sonoras de baja calidad. Esta realidad forense cuestiona la aplicabilidad del análisis acústico y estadístico al margen de la herramienta que vaya a utilizarse.

El problema de la cantidad es inapelable, pues siempre se necesitará un tamaño mínimo de datos suficiente para establecer comparaciones estadísticas fiables. Sin embargo, la dificultad que supone la baja calidad de las muestras para la fonética forense podría mitigarse con la utilización de una herramienta que analice la función glótica (cf. Gómez-Vilda, 2022Gómez-Vilda, P. (2022). Informe técnico para documentar la funcionalidad de la aplicación informática BioMet®Fore. Versión 1.0, 2022 NeuSpeLab, Glottex VAS (www.glottalsolutions.com)
). El estudio multiparamétrico de la cualidad de la voz mediante el análisis del comportamiento glótico ofrece ciertas ventajas sustanciales que es necesario señalar, especialmente en casos de disponer de material suficiente, pero no disponer de material sonoro de óptima calidad. En primer lugar, la mala calidad de la señal resulta más sensible al análisis de la función articulatoria que al de la función glótica, puesto que son precisamente las zonas de altas frecuencias las que se verán más afectadas. La información glótica, en la medida en que se basa en el análisis de cada ciclo de la fuente glótica en el dominio del tiempo, siendo esta una señal obtenida mediante la atenuación de los efectos amplificadores de las resonancias del tracto vocal, resulta menos sensible al deterioro de altas frecuencias, por lo que resiste mejor las limitaciones habituales de la práctica forense relacionadas con la calidad de las muestras disponibles para el análisis (conversación personal con el Dr. Gómez-Vilda). En segundo término, el análisis de la cualidad de voz resultante de configuraciones laríngeas a largo plazo, además de tener un alto poder discriminante, como ya se ha comentado, presenta otro valor añadido en el que es preciso insistir: el comportamiento glótico resiste mejor los intentos de impostación, camuflaje, o disimulo. Como señalan los estudios realizados sobre distintos mecanismos humanos de disimulo, el funcionamiento laríngeo resulta más difícil de modificar o impostar, pues no parece que tengamos un control tan preciso y consciente de nuestro sistema fonador, en comparación al que ejercemos sobre el articulatorio (cf. por ejemplo, Alves et al, 2012Alves, H., Fernández Trinidad, M., Gil Fernández, J., Infante, P., Lahoz-Bengoechea, J. M., Pérez Sanz, C. y San Segundo, E. (2012). Disguised voices: A perceptual experiment. 3rd European Conference of the International Association of Forensic Linguistic
, 2014Alves, H., Gil Fernández, J., Pérez Sanz, C. y San Segundo, E. (2014). La cualidad individual de la voz y la identificación del locutor: el proyecto CIVIL. En Y. Congosto, M. L. Montero Curiel, y A. Salvador Plans (Eds.), Fonética experimental, educación superior e investigación (Vol. 1, pp. 591-612). Madrid: Arco/Libros.
; Fernández Trinidad y Rojo, 2019Fernández Trinidad, M. y Rojo, J. (2019). Perceptual cues for individual voice quality. En J. Gil Fernández y M. Gibson (Eds.), Romance Phonetics and Phonology (pp. 161-176). Oxford University Press.
, y los trabajos recogidos en Lahoz-Bengoechea, Villa y Gil Fernández, 2017Lahoz-Bengoechea, J. M., Villa Villa, J. y Gil Fernández, J. (2017). Fillers in disguised accented speech. 13th Biennial Conference of the International Association of Forensic Linguists.
).

En la comparación forense de voces sigue siendo de utilidad el método denominado “mixto” o “híbrido”, es decir, la complementariedad del análisis acústico-perceptivo “clásico” o “tradicional” llevado a cabo por expertos fonetistas con el análisis automático (por ejemplo, Drygajlo et al., 2015Drygajlo, A., Jessen, M., Gfroerer, S., Wagner, I., Vermeulen, J. y Niemi, T. (2015). Methodological Guidelines for Best Practice in Forensic Semiautomatic and Automatic Speaker Recognition. Frankfurt: Verlag für Polizeiwissenschaft. https://enfsi.eu/wp-content/uploads/2016/09/guidelines_fasr_and_fsasr_0.pdf
; Gold y French, 2011Gold, E. y French, P. (2011). International practices in forensic speaker comparison. International Journal of Speech, Language, and the Law, 18(2), 293-307. http://dx.doi.org/10.1558/ijsll.v18i2.293
). Es innegable la eficiencia de los sistemas automáticos que, hoy en día, alcanzan una prestación con altos grados de precisión, especialmente si las muestras son suficientemente comparables. Sin embargo, como contrapartida negativa, son más difícilmente interpretables, pues cada vez está más alejada la posibilidad de comprender ˗y, en consecuencia, explicar˗ el modo en que los algoritmos funcionan realmente⁴En este punto conviene recordar (§3.2) el comportamiento de los parámetros cepstrales de la onda glotal, los rasgos que mayor variación experimentaron en el cambio de voz analizado. El estudio pormenorizado de este grupo podría ser pertinente para comprender el peor rendimiento que los reconocedores automáticos tienen con las voces disimuladas, incluso cuando han sido previamente entrenados con una base de datos apropiada (Künzel, González-Rodríguez y Ortega García, 2004). (Gunning et al., 2019Gunning, D., Stefik, M., Choi, J., Miller, T., Stumpf, S. y Yang, G-Z. (2019). XAI- Explainable artificial intelligence. Science Robotics, 4(37), eaay7120. http://dx.doi.org/10.1126/scirobotics.aay7120
). Además, la capacidad analítica de los especialistas continúa siendo, hasta el momento, irremplazable.

Este trabajo demuestra, por un lado, que un análisis que dé cuenta de la función glótica, como el que ofrece la herramienta BioMet®Soft, resulta provechoso para el estudio de la fonación, puesto que ha permitido observar con precisión el comportamiento laríngeo de los locutores a partir de las muestras de audio. Los valores correspondientes a los parámetros glotales fueron fácil y cómodamente extraíbles a partir de la señal acústica.

De otra parte, del análisis con CPA también se derivan resultados prometedores, pues se ha demostrado que es posible abordar el estudio de la cualidad de voz, en concreto de los parámetros que dan cuenta del comportamiento laríngeo, disminuyendo el número de factores a unos pocos CPs, independientes, interpretables y, por tanto, explicables.

Estos son aspectos decisivos, pues varios estudios (por ejemplo, González-Rodríguez et al. 2014González-Rodríguez, J., Gil, J., Pérez, R. y Franco-Pedroso, J. (2014). What are we missing with i-vectors? A perceptual analysis of i-vector based falsely accepted trials. Proceedings of Odyssey 14. The Speaker and Language Recognition Workshop (pp. 33-40).
; Jessen, 1997Jessen, M. (1997). Speaker-specific information in voice quality parameters. The International Journal of Speech, Language, and the Law, 4(1), 84-103. http://dx.doi.org/10.1558/ijsll.v4i1.84
; San Segundo y Gómez-Vilda, 2017San Segundo, E. y Gómez-Vilda, P. (2014). Evaluating the forensic importance of glottal source features through the voice analysis of twins and non-twin siblings. Language and Law/Linguagem e Direito, 1(2), 22-41.
, entre otros) han señalado la importancia de considerar la cualidad de voz laríngea en el ámbito de la fonética forense por su potencial discriminante. Sin embargo, como se ha explicado, por ejemplo, en Gil Fernández y San Segundo, (2014)Gil Fernández, J. y San Segundo, E. (2014). La cualidad de voz en fonética judicial. En E. Garayzábal, M. Jiménez y M. Reigosa (Coords.), Lingüística Forense. La Lingüística en el ámbito legal y policial (pp. 154 -199). Madrid: Euphonía Ediciones.
, su estudio se excluye a menudo por suponer una máxima complejidad de análisis y de interpretación.

El análisis tradicional realizado por fonetistas, apoyado en una herramienta como la que se ha utilizado para este estudio, y complementado con un análisis por CPA, demuestra que es viable reducir los rasgos laríngeos que caracterizan la fonación a unos pocos factores independientes entre sí e interpretables.