1. INTRODUCCIóNTOP
La audiodescripción (AD) es una modalidad de traducción intersemiótica que convierte un contenido visual en palabras. Se trasladan los elementos visuales, así como ciertos elementos sonoros difíciles de comprender sin las imágenes, a elementos lingüísticos sonoros. La AD se aplica a distintos tipos de contenidos, como pueden ser, por ejemplo, películas, obras de teatro y óperas. La AD permite que personas sin acceso a las imágenes como las personas con discapacidad visual puedan acceder a contenidos audiovisuales (Matamala, 2019). En el estándar UNE 153020, se recomienda que la voz de los audiodescriptores en español sea neutra (AENOR, 2005). En cambio, autores como Cabeza-Cáceres (2013), por ejemplo, afirman que hay tres maneras de llevar a cabo una audiodescripción: una más uniforme y plana, en línea con la entonación habitual de la tradición española o alemana; una adaptada, tradicionalmente más propia del entorno británico, y la enfática, más expresiva y habitual en los contenidos de Estados Unidos; la elección de cualquiera de ellas no afecta a la comprensión de lo que se está describiendo. La primera manera se corresponde con una voz más neutra, ya que apenas presenta cambios prosódicos; la segunda se relaciona con el hecho de que una película sea infantil, o que se esté audiodescribiendo un partido de fútbol, es decir, depende de la tipología de las piezas que se están audiodescribiendo; la tercera está relacionada con una voz que puede resultar más o menos agradable debido a la expresividad con la que se emite.
De la misma forma que no se encuentra una definición propia de la neutralidad, tampoco existe una definición precisa para el concepto de agradabilidad, pues, como señala Iglesias Fernández (2006, 2013), se ha definido de forma subjetiva, combinándolo con diversos parámetros, como la entonación, la fluidez, el tempo y la dicción.
El análisis de las voces de los audiodescriptores puede ayudarnos a caracterizar las voces neutras y determinar, así, si la agradabilidad de estas voces depende de la neutralidad que el usuario haya percibido en ellas.
2. ESTADO DE LA CUESTIÓNTOP
Cualquier tipo de emoción o afectividad en la locución pasa por el empleo de unos rasgos prosódicos determinados. Según Alter (2002), la prosodia de las emociones viene caracterizada por los rasgos suprasegmentales de los valores de la F0 (pitch o frecuencia de vibración de las cuerdas vocales del hablante), del tempo y de la intensidad. Otros autores (véase, por ejemplo, Kraxenberger et al., 2018) han establecido que se puede predecir el contenido emocional de la lectura de poemas a través de los valores de la F0 y de la velocidad de elocución. Hay también muchos estudios que caracterizan los rasgos prosódicos utilizados para expresar la alegría y la tristeza. En el caso de la alegría, se manifiesta a través de valores más altos de la F0 media y de la intensidad media, así como de un tempo más rápido; la expresión de la tristeza, por el contrario, se ha asociado con valores más bajos de estos parámetros (Scherer, 1986, 2013; Banse y Scherer, 1996; Ververidis y Kotropoulos, 2006; Pell et al., 2009 y Stolarski, 2015, entre otros).
Opuesto a los términos emoción, afectividad o expresividad existe el término “neutro”. No obstante, la definición de este término no es muy clara y, a veces, va ligada a un parámetro prosódico determinado, como es el caso de la entonación “neutra”, que hace referencia a una entonación no marcada propia de una oración declarativa. En el Diccionario de Lingüística y Fonética de Crystal (2008) se alude al término “neutro” como algo no marcado, es decir, a una ausencia de rasgos. No obstante, si en la entonación se puede hablar de la ausencia de rasgos, una entonación declarativa frente a una interrogativa, por ejemplo, esto no se puede hacer extensivo ni al tono, ni a la velocidad de elocución, ni a la intensidad. Cada hablante tiene un tono y una velocidad de elocución intrínseca a la hora de hablar y un volumen de voz determinado, con lo que sería muy difícil decidir qué significa neutralidad en el empleo de estos rasgos prosódicos.
De la misma forma, Hidalgo Navarro (2017) señala que no existe en lo coloquial una entonación neutra en sentido estricto, pues las palabras siempre están en un contexto situacional y siempre queremos transmitir algo de una forma determinada. ¿Qué determina lo que es neutro en la velocidad de elocución o cuándo podemos decidir que un hablante tiene un volumen neutro a la hora de hablar? En este trabajo partimos de una definición de “voz neutra” como aquella que no muestra valores extremos, ni demasiado altos, ni excesivamente bajos: cuanto menos rango haya entre los valores máximos y mínimos, menos diferencia habrá de esos valores y menos posibilidades de modulación de la voz.
No obstante, la tendencia a registros más graves, tanto entre hombres como entre mujeres, parece ser que es lo que caracteriza a una voz radiogénica en español (Rodero, 2001, 2002), definida esta como una voz agradable, armónica, relajada, cálida y transparente (Rodríguez Bravo, 1989). Los usuarios con problemas de visión también prefieren en las audiodescripciones de voces sintéticas una voz grave (Podsiadło y Shweta, 2016), pero sin que exprese ningún tipo de emociones, lo que permitiría reducir la fatiga auditiva y aumentaría la inteligibilidad cuando se tratara de producciones orales sintéticas.
En este trabajo, se han analizado en un corpus de audiodescripciones los parámetros acústicos relacionados con el tono, la intensidad y la velocidad de elocución de los audiodescriptores, masculinos y femeninos, que han sido considerados por separado, ya que, por razones fisiológicas, los valores de la F0 de la mujer siempre son más altos que los de los hombres. Finalmente, se ha preparado una prueba de percepción en la que las participantes, con o sin pérdida de visión, debían decidir, entre tres voces masculinas y tres femeninas, qué voz consideraban más neutra y cuál de ellas les parecía más agradable. Existen investigaciones que indican que las habilidades en la percepción auditiva de las personas con problemas de visión no son las mismas que las de las personas que tienen este tipo de impedimento. Las personas con pérdida de visión no son las mismas que las de las personas que tienen este tipo de impedimento. Las personas con pérdida de visión perciben mejor y más rápido los cambios relacionados con la voz, compensan así su falta de visión (por ejemplo, Gougoux et al., 2004; Gougoux et al., 2009). En este trabajo se han distinguido estos dos grupos en el test de percepción para observar si existen diferencias debidas a las capacidades visuales a la hora de seleccionar la voz agradable y la voz neutra. El objetivo es determinar la relación entre neutralidad y agradabilidad, y saber si los hablantes con pérdida de visión perciben estas voces de la misma manera que los que no presentan tal pérdida.
Nuestra hipótesis de partida considerando los artículos consultados es que las voces, tanto masculinas como femeninas, que se consideren agradables se relacionarán con registros de voz graves y, en este sentido, se percibirán como neutras, pues en las frecuencias graves hay menor posibilidad de modulación. Por lo tanto, habrá una relación entre neutralidad y agradabilidad. Además, se supone que las mejoras en las habilidades auditivas de los hablantes con dificultades de visión no alterarán la selección de lo que consideran neutro o agradable en comparación con los hablantes que no tienen ese problema visual.
3. PROCEDIMIENTO EXPERIMENTALTOP
Las grabaciones de los audiodescriptores profesionales empleadas para preparar los estímulos de la prueba de percepción se han obtenido del corpus Visuals Into Words (VIW) (Matamala, 2018). Este corpus es de acceso abierto y permite comparar la audiodescripción (AD) de diferentes profesionales sobre el mismo contenido visual. El corpus se basa en un cortometraje, ¿Qué pasa mientras? La película fue creada especialmente para el proyecto Visuals into Words (VIW, pagines.uab.cat/viw) con el fin de disponer de un corpus de diferentes voces de audiodescriptores profesionales (Matamala y Villegas, 2016). La versión original en inglés fue doblada al español y al catalán. Las audiodescripciones fueron encargadas a profesionales en los tres idiomas. El subcorpus utilizado para nuestro análisis está compuesto por 10 audiodescriptores profesionales del español, cinco voces masculinas y cinco femeninas. El corpus está compuesto por 480 unidades audiodescriptivas. Estas unidades pueden definirse como segmentos textuales relacionados con la representación visual. Cada unidad se ha dividido en grupos de entonación, y se han medido, mediante el programa PRAAT (Boersma y Weenink, 2019), los valores medios de F0 (Hz), de amplitud (dB) y de duración (ms) de cada grupo. Estos parámetros nos han permitido identificar diferencias entre las voces de los hablantes. La Figura 1 muestra un ejemplo del análisis del habla realizado con PRAAT. La línea punteada se corresponde con la intensidad y la línea continua con el tono del hablante.
|
Figura 1: Oscilograma, curva de F0 y curva de intensidad del fragmento el perro olisquea producido por la informante de la empresa Aptent. |
Después de extraer los datos acústicos de los 10 locutores en un total de 1116 grupos de entonación, se seleccionaron las tres hablantes femeninas y los tres hablantes masculinos que presentaran más diferencia entre ellos, en los valores de los rasgos prosódicos considerados, con respecto al valor medio de todos los hablantes de cada sexo. En la Tabla 1 se muestran las voces seleccionadas para el test de percepción. Se indica, tomando como referencia la media de cada grupo analizado (hombre/mujer), con el signo “+” los valores máximos, con “–“ los valores mínimos y con “med”, los valores medios. En el caso de las hablantes femeninas, siempre hay algún parámetro que las identifica por tener un valor máximo o por tener un valor mínimo; en el caso de los hablantes masculinos, no siempre los valores de los parámetros acústicos nos servían para identificarlos porque no había diferencias significativas entre ellos. Esto es lo que ocurre con el Locutor 1, de la empresa Edsol, pues presenta un tempo y un volumen de voz que no lo caracteriza frente a los otros dos hablantes, pero el valor de la F0 nos permite diferenciar a los tres. Para una información más detallada acerca de cómo se clasificaron los locutores según los rasgos prosódicos, véase Machuca, Matamala y Ríos (2020).
Tabla 1: Diferenciación de los audiodescriptores a partir de los valores de los parámetros acústicos.
| Sexo | Tempo | F0 | Amplitud | |
| Locutor 1 (Aptent) | Mujer | + | + | + |
| Locutor 2 (Aristia) | Mujer | - | - | med |
| Locutor 3 (Kalleidoscope) | Mujer | + | med | - |
| Locutor 1 (Edsol) | Hombre | med | - | med |
| Locutor 2 (Ericsson) | Hombre | - | + | - |
| Locutor 3 (Soni2) | Hombre | + | med | + |
Una vez seleccionados los audiodescriptores que se iban a emplear en la parte perceptiva, se elaboró la prueba de percepción con el objetivo de obtener las preferencias de los oyentes en términos de neutralidad y de agradabilidad. La prueba de percepción siguió un procedimiento aprobado por el comité de ética de la UAB, y tuvo una duración aproximada de 30 minutos. Aunque, en un principio, la prueba fue completada por 62 participantes, como únicamente dos de ellos eran hombres, se excluyeron para evitar un posible efecto de género, por lo que, al final, solo se analizaron los datos de las 60 mujeres participantes. Para determinar el efecto de la discapacidad visual, las participantes se dividieron en dos grupos: 29 sin pérdida de visión y 31 con pérdida de visión. Se crearon 9 estímulos para la prueba. Cada uno de ellos estaba compuesto por dos voces del mismo sexo. Se obtuvieron en total 540 respuestas, 60 para cada comparación (60 sujetos * 9 estímulos). 279 de las participantes con pérdida de visión y 261 de las participantes sin pérdida.
Las participantes, usando un formulario Google en línea, debían seleccionar de las dos voces de cada estímulo, primero, la que les parecía más neutra, y, segundo, la que les parecía más agradable. Para finalizar la prueba, los sujetos debían definir brevemente y con sus propias palabras qué consideraban una voz neutra; de esta forma partíamos de su definición sobre voz neutra para observar si en ella había alguna referencia a la agradabilidad.
Las respuestas se recopilaron en un archivo de Excel para su posterior análisis estadístico. Se realizaron pruebas de chi-cuadrado con el programa de software SPSS (v. 25). En todos los casos, la variable independiente fueron las respuestas y la variable dependiente cada uno de los grupos de sujetos (con pérdida de visión vs. sin pérdida de visión).
4. RESULTADOSTOP
Los resultados se presentarán en función de las preguntas que debían contestar las participantes en el formulario: sobre la neutralidad y sobre la agradabilidad.
4.1 Neutralidad
Como ya hemos mencionado, los resultados se presentan por separado para las voces masculinas y para las femeninas.
En cuanto a las voces femeninas (Figura 2), no se encontraron diferencias entre las participantes con o sin pérdida de visión a la hora de elegir la voz que sonaba más neutra. Los porcentajes entre la locutora 2 y la 3 no muestran diferencias significativas (χ (2) = 540, p = 0,42, > 0,05), aunque el porcentaje de participantes que seleccionan la voz de la locutora 2 como más neutra es ligeramente mayor para las participantes sin pérdida de visión. Por otro lado, al comparar la locutora 1 con los otras audiodescriptoras, las respuestas indican que las participantes, independientemente de sus capacidades visuales, no aprecian esa voz como neutra. Recordemos que la locutora 1 presentaba los valores máximos de tono, la velocidad de habla más alta y la intensidad más alta en el volumen de la voz (ver Tabla 1).
|
Figura 2: Preferencias de neutralidad de las voces de las audiodescriptoras del español (en porcentajes). |
Las participantes, tal como se observa en la Figura 3, donde se ilustran los resultados para los audiodescriptores masculinos, no clasifican la voz del locutor 3 como neutra, con porcentajes menores en comparación con los otros dos. El locutor 3 presenta valores máximos para dos de los parámetros analizados: el tiempo empleado en articular los grupos de entonación y el volumen con que los ha realizado. Los resultados también muestran que las participantes prefieren la voz del locutor 2 como representante de una voz neutra. No se encuentran diferencias significativas en los audiodescriptores masculinos si consideramos las condiciones visuales de las participantes (χ (2) = 540, p = 0,26, > 0,05). Además, ha sido elegido como representante de la voz neutra el mismo locutor tanto para sujetos videntes como para no videntes.
|
Figura 3: Preferencias de neutralidad de las voces de los audiodescriptores del español (en porcentajes). |
4.2 Agradabilidad
Los resultados sobre agradabilidad muestran que no siempre existen diferencias entre los sujetos que presentan pérdida de visión y los que no presentan esta carencia a la hora de elegir una u otra voz, si consideramos los contrastes de las tres voces femeninas y de las tres masculinas (Tabla 1). Eso es lo que sucede con las voces femeninas, según la prueba de chi-cuadrado. Determinar la agradabilidad en las voces femeninas depende de si las participantes tienen o no problemas de visión (χ(2) = 540, p = 0,03, < 0,05), no obstante, como veremos más adelante, la locutora que se rechaza como agradable es la misma en los dos casos. La selección de las voces masculinas no presentan diferencias debido a este factor (χ(2) = 540, p = 0,598, > 0,05).
Como se puede observar en la Figura 4, que nos muestra los porcentajes de percepción de qué voz femenina les resulta más agradable a las participantes, las que presentan déficit visual no aprecian una distinción clara entre las voces de las locutoras 1 y 2, ambas presentan un porcentaje del 35 %. La locutora 3 posee un porcentaje un poco más bajo, del 30 %. Las dos voces preferidas, aunque con porcentajes que no difieren mucho, presentan los valores extremos de velocidad de habla y de F0 (la locutora 1 tiene los valores máximos y la 2, los mínimos), por lo que podríamos señalar que estos valores, por su oposición, no serían la causa de las preferencias. Además, las locutoras 1 y 3 presentan un valor máximo de velocidad de habla. En cambio, los valores de amplitud pueden servir para diferenciar las tres locutoras, la 1 con un valor máximo, la 2 con un valor medio y la 3 con un valor mínimo. Podríamos señalar que la agradabilidad viene determinada por un volumen de voz más bien alto de las voces femeninas.
|
Figura 4: Preferencias de agradabilidad de las voces de las audiodescriptoras del español (en porcentajes). |
En relación con las participantes que no tienen problemas de visión, los resultados son muy similares, aunque la locutora 1 muestra claramente un porcentaje más alto que la 2. En este caso, es evidente que hay un rechazo de la voz de la locutora 3, la que se corresponde con una voz con valores mÍnimos de amplitud, por lo tanto, con una apreciación de baja intensidad cuando se oye esta voz. con valores mínimos de amplitud, por lo tanto, con una apreciación de baja intensidad cuando se oye esta voz.
En cuanto a las voces masculinas, la Figura 5, que ilustra los porcentajes de la selección de las participantes en ese tipo de voces, muestra que, tanto los sujetos que tienen problemas visuales como los que no, prefieren el locutor 2. Recordemos que este locutor posee la voz más aguda y el volumen más bajo; además, tarda más en realizar los grupos de entonación.
|
Figura 5: Preferencias de agradabilidad de las voces de los audiodescriptores del español (en porcentajes). |
En el apartado de Metodología, habíamos mencionado que les pedíamos a los sujetos que indicaran al final de la prueba de percepción qué era para ellos una voz neutra. Se han clasificado las respuestas en relación a cinco tipos de categorías: la modulación tonal, la cualidad de la voz, el volumen de voz, la transmisión de emociones y el acento dialectal. Las respuestas no coinciden con el número de sujetos que había realizado la encuesta, ya que algunos de los sujetos han mencionado en la definición más de un parámetro. Hay un total de 27 respuestas para los hablantes con problemas de visión y de 35 para los hablantes sin dificultades de visión. En la Figura 6 se recogen los porcentajes de frecuencia de aparición de las categorías mencionadas.
|
Figura 6: Porcentaje de frecuencia de aparición de las categorías consideradas. |
Los sujetos con pérdida de visión entienden por voz neutra la que no transmite emociones (39,3 %), mientras que no le dan tanta importancia a la modulación tonal del hablante (17,9%). En cambio, los sujetos que no presentan problemas visuales describen como una voz neutra la que no transmite emociones (28, 6%) y no presenta cambios en la modulación tonal (31,4 %). El volumen de voz es irrelevante para la descripción de voz neutra, ya que en ambos grupos de sujetos se obtienen los porcentajes más bajos (3,6 % para los que tienen pérdida de visión y 2,9 % para los que no la tienen).