En 10 idiomas de cinco continentes, la respuesta media a una pregunta empieza apenas 208 milisegundos después de que la pregunta termina (Stivers et al., PNAS 2009). Eso es mucho menos que los aproximadamente 600 ms que tarda una persona en empezar a nombrar una sola imagen (Levinson y Torreira, Frontiers in Psychology 2015), de modo que los hablantes deben planificar su respuesta mientras la otra persona todavía habla. Las videollamadas rompen este ritmo: las parejas que cambiaban de turno en 135 ms cara a cara necesitaron 487 ms por Zoom (Boland et al., Journal of Experimental Psychology: General 2022). Este informe trata sobre la conversación humana; para saber cómo decide el software que un hablante ha terminado, consulta nuestras estadísticas de detección de fin de turno e interrupción de la voz (barge-in). Reunimos datos de PNAS, el Max Planck Institute for Psycholinguistics, el Journal of Pragmatics, Interspeech, Child Development, la UIT y más de una docena de otras fuentes revisadas por pares.
TL;DR
- La respuesta media a una pregunta empieza +208 ms después de que esta termina, desde +7 ms en japonés hasta +469 ms en danés (Stivers et al., PNAS 2009).
- Alrededor del 40% de todos los intervalos entre hablantes en tres corpus de conversación son solapamientos (Heldner y Edlund, Journal of Phonetics 2010).
- 10.950 conversaciones telefónicas en inglés de EE. UU. muestran una pausa media de 0,300 s entre turnos (Cavalcanti y Skantze, Interspeech 2025).
- Empezar a nombrar una sola imagen lleva unos 600 ms (Levinson y Torreira, Frontiers in Psychology 2015, citando a Indefrey y Levelt 2004).
- Los oyentes empiezan a planificar dentro de medio segundo después de que la respuesta se puede recuperar, a veces unos 2,4 s antes de que termine la pregunta (Bögels, Magyari y Levinson, Scientific Reports 2015).
- Las respuestas no preferidas superan claramente a las preferidas solo tras pausas de 700 ms o más (Kendrick y Torreira, Discourse Processes 2015).
- Los tiempos medios de respuesta más rápidos predicen una mayor sensación de conexión, b = −0,28, P < 0,001 (Templeton et al., PNAS 2022).
- Los bebés solapan algo más de un tercio de sus vocalizaciones con las de sus madres a los 3 a 5 meses, cerca del 20% a los 18 meses (Hilbrink, Gattis y Levinson, Frontiers in Psychology 2015).
- En 26 estudios, los bebés tardan en promedio cerca de 1 s en responder (Nguyen et al., Child Development 2022).
- Las transiciones de turno pasaron de 135 ms cara a cara a 487 ms por Zoom para las mismas parejas (Boland et al., Journal of Experimental Psychology: General 2022).
- Un retardo unidireccional inferior a 150 ms ofrece una interactividad esencialmente transparente; 400 ms es el techo de planificación (Recomendación ITU-T G.114, 2003).
1. Pausa Media entre Turnos en los Distintos Idiomas
El hallazgo principal de la mayor comparación entre idiomas no es que las culturas difieran, sino lo poco que difieren. En el estudio de Stivers y colegas con 10 idiomas, el desfase de respuesta más común fue exactamente 0 ms, y la media de cada idioma quedó a unos 250 ms, por encima o por debajo, de la media agrupada. El danés, el idioma más lento de la muestra, aun así respondió en menos de medio segundo en promedio (+469 ms). Los autores sugieren que las descripciones etnográficas de culturas conversacionales llamativamente “lentas” o “rápidas” reflejan una sensibilidad a diferencias de ritmo de apenas unos cientos de milisegundos.
La medida utilizada aquí es el desfase de transferencia del turno (FTO, del inglés floor transfer offset): el tiempo desde el final del turno de un hablante hasta el inicio del turno del siguiente, donde un valor negativo significa que el siguiente hablante empezó antes, en solapamiento. Las medias por idioma, tal como las tabulan Levinson y Torreira (Tabla 1), fueron: Tzeltal 67 ms, Yélî Dnye 71 ms, neerlandés 108 ms, coreano 182 ms, inglés 236 ms, italiano 309 ms, lao 419 ms y ‡Ākhoe Hai‖om 423 ms. Los grandes corpus telefónicos en inglés caen en la misma franja: una media de 187 ms en Switchboard y de 0,300 s en Fisher.
| Métrica | Valor | Fuente |
|---|---|---|
| Tamaño de la comparación de 10 idiomas | 350 preguntas consecutivas por idioma, 101 conversaciones en total | Stivers et al., PNAS 2009 |
| Tiempo medio desde el final de la pregunta hasta el inicio de la respuesta, 10 idiomas agrupados | +208 ms | Stivers et al., PNAS 2009 |
| Desfase de respuesta más frecuente (moda) y mediano, 10 idiomas agrupados | Moda 0 ms, mediana +100 ms | Stivers et al., PNAS 2009 |
| Idioma más rápido frente al más lento, según la media del desfase de respuesta | Japonés +7 ms frente a danés +469 ms | Stivers et al., PNAS 2009 |
| Media y mediana del desfase de transferencia del turno, corpus telefónico Switchboard en inglés (19.754 transiciones de turno, 348 conversaciones) | Media 187 ms, mediana 168 ms | Roberts, Torreira y Levinson, Frontiers in Psychology 2015 |
| Desfase medio de transición de turno, corpus telefónico Fisher en inglés de EE. UU. (10.950 conversaciones, 11.684 hablantes) | 0,300 s (SD = 0,228) | Cavalcanti y Skantze, Interspeech 2025 |
| Pausa media en las conversaciones diádicas usadas para definir las pausas largas | 248 ms (desviación estándar = 598 ms) | Templeton et al., Philosophical Transactions B 2023 |
Nota de contexto: las cifras de los 10 idiomas cubren solo respuestas a preguntas, no todos los cambios de turno, y los datos más recientes disponibles para esa comparación son de 2009. El estudio de Fisher de 2025 añade un giro: la demografía casi no importa (el sexo explicó cerca del 3,2% de la variación y la edad el 1,3%), mientras que la pareja concreta de hablantes fue lo que más pesó, algo que los autores llaman “diadosincrasia” (Cavalcanti y Skantze, Interspeech 2025).
2. Tasas de Solapamiento y Forma de la Distribución de las Pausas
Un promedio de unos 200 ms esconde una gran dispersión. Medido en cada cambio de hablante, el solapamiento no es una falla poco frecuente, sino una parte rutinaria del habla: en los corpus analizados por Heldner y Edlund, alrededor del 40% de todos los intervalos entre hablantes eran solapamientos. Un intervalo entre hablantes es el silencio o el solapamiento en el momento en que un hablante se detiene y el otro empieza.
Aun así, el solapamiento ocupa muy poco de la grabación real. En el corpus telefónico Switchboard, solo el 3,8% del audio tiene a las dos personas hablando a la vez, porque la mayoría de los solapamientos son breves. Heldner y Edlund también encontraron que solo del 14 al 19% de las pausas eran más cortas que 200 ms, de modo que las transiciones “sin pausa y sin solapamiento” son mucho menos comunes de lo que sugieren las descripciones de manual.
| Métrica | Valor | Fuente |
|---|---|---|
| Proporción de intervalos entre hablantes que son solapamientos (Spoken Dutch Corpus / HCRC Map Task Corpus / Swedish Map Task Corpus) | 40,0% / 41,7% / 40,0% | Heldner y Edlund, Journal of Phonetics 2010 |
| Proporción de intervalos entre hablantes (pausas y solapamientos) más cortos que 500 ms | 70-82% | Heldner y Edlund, Journal of Phonetics 2010 |
| Proporción de intervalos entre hablantes que son solapamientos o pausas demasiado cortas para notarse | 55-59% | Heldner y Edlund, Journal of Phonetics 2010 |
| Proporción del audio telefónico de Switchboard con ambos hablantes hablando a la vez | 3,8% (77% un solo hablante, 19,2% silencio) | Levinson y Torreira, Frontiers in Psychology 2015 |
| Proporción de transferencias de turno de Switchboard que empiezan en solapamiento | 30,1% | Levinson y Torreira, Frontiers in Psychology 2015 |
| Señales de escucha (backchannels) solapadas por el turno siguiente frente a otros turnos solapados (Switchboard) | 35% frente a 28% | Roberts, Torreira y Levinson, Frontiers in Psychology 2015 |
| Habla solapada como proporción de todo el habla, 6 idiomas, cerca de una hora cada uno | 10,5% (español) a 20,8% (coreano); inglés 12,6% | Liesenfeld, Lopez y Dingemanse 2023 |
| Duración media del turno en la misma muestra de 6 idiomas | 2.538 ms (mandarín) a 4.620 ms (español) | Liesenfeld, Lopez y Dingemanse 2023 |
Las definiciones difieren, lo que explica por qué las proporciones de solapamiento no coinciden entre filas: Heldner y Edlund cuentan los solapamientos entre todos los intervalos entre hablantes, el 30,1% de Switchboard cuenta transferencias de turno, y la muestra de 6 idiomas de Liesenfeld, Lopez y Dingemanse mide el solapamiento como proporción del tiempo de habla. Una señal de escucha (backchannel) es una respuesta breve del oyente, como “ajá” o “sí”, que no reclama el turno de palabra. Los datos más recientes disponibles para los corpus en neerlandés, inglés y sueco son de 2010.
3. Cuánto Tarda en Planificarse una Respuesta
Este es el enigma central de la investigación sobre la toma de turnos. Producir una sola palabra lleva unos 600 ms desde que se ve una imagen hasta que se empieza a hablar, y una oración simple lleva unos 1.500 ms, y sin embargo la pausa media de 208 ms de la sección 1 equivale a cerca de un tercio de la cifra de una sola palabra (208 / 600 = 0,35). La única forma de que los números cuadren es que los oyentes empiecen a planificar su respuesta mientras todavía escuchan.
La evidencia de EEG lo respalda. En el experimento de Bögels, Magyari y Levinson, las señales cerebrales de planificación de la respuesta aparecieron dentro de medio segundo después de que la respuesta a una pregunta se volviera recuperable, en algunas preguntas unos 2,4 segundos antes de que la pregunta terminara. Las respuestas que podían planificarse pronto salieron más rápido: 950 ms menos 640 ms da una diferencia de unos 310 ms entre las dos condiciones (cálculo propio a partir de las medias informadas). El mismo problema de presupuesto de tiempo impulsa hoy el diseño del software de voz, como muestran nuestros benchmarks de tiempo hasta el primer audio en agentes de voz.
| Métrica | Valor | Fuente |
|---|---|---|
| Tiempo desde que se ve una imagen hasta que se empieza a nombrarla (estimación) | unos 600 ms | Levinson y Torreira, Frontiers in Psychology 2015, citando a Indefrey y Levelt 2004 |
| Tiempo hasta que empieza el habla al describir en una oración una escena simple (por ejemplo, un niño pateando una pelota) | unos 1.500 ms | Levinson y Torreira, Frontiers in Psychology 2015 |
| Momento de una señal temprana de EEG de preparación de la respuesta, respecto al final del turno entrante | aprox. 1.200 ms antes del final, hacia la mitad del turno | Levinson y Torreira, Frontiers in Psychology 2015, citando a Magyari et al. 2014 |
| Participantes y estímulos en el experimento de EEG de pregunta y respuesta | 24 participantes (experimento principal), 94 pares de preguntas en neerlandés | Bögels, Magyari y Levinson, Scientific Reports 2015 |
| Tiempo medio de respuesta cuando la respuesta estaba disponible al inicio de la pregunta frente a solo al final | M = 640 ms (moda en torno a 400 ms) frente a M = 950 ms (moda en torno a 750 ms) | Bögels, Magyari y Levinson, Scientific Reports 2015 |
| Con cuánta antelación podía recuperarse la respuesta en las preguntas de respuesta temprana | alrededor de 2,4 segundos antes del final de la pregunta, en promedio | Bögels, Magyari y Levinson, Scientific Reports 2015 |
| Oyentes en un experimento sueco sobre señales de final de turno, y el cambio más perturbador en los últimos 500 ms de un turno | N = 32; aumentar la velocidad del habla (p < 0,005) | Feindt et al., Interspeech 2023 |
Nota de contexto: en el estudio sueco de Interspeech 2023, acelerar el final de un turno alargó los tiempos de reacción cuando el hablante conservaba el turno, pero los acortó cuando lo cedía, señal de que los oyentes leen la velocidad del habla como una pista de final de turno. Los datos más recientes disponibles para las latencias de denominación son de 2004 y anteriores.
4. Qué Señala una Pausa: Preferencia, Acuerdo y Conexión
Como la pausa predeterminada es tan corta, una algo más larga tiene significado. La confirmación llega más rápido que su contrario: las respuestas confirmatorias fueron entre 100 y 500 ms más rápidas en promedio que las no confirmatorias en los 10 idiomas de la comparación de la sección 1. En corpus telefónicos, Kendrick y Torreira encontraron que las negativas y otras respuestas no preferidas superaron claramente a las preferidas solo cuando la pausa alcanzaba 700 ms o más.
La rapidez también se interpreta como sintonía. En el estudio de PNAS de 2022 de Templeton y colegas, los tiempos de respuesta más cortos predijeron una mayor sensación de conexión, y oyentes externos valoraron como más agradables las versiones editadas y aceleradas de las conversaciones que las lentas. Pero la regla se invierte entre amigos: en un estudio de seguimiento de 2023, los amigos tuvieron más silencios largos que los desconocidos, y esos silencios no les resultaban incómodos.
| Métrica | Valor | Fuente |
|---|---|---|
| Rapidez de las respuestas confirmatorias frente a las no confirmatorias a preguntas | 100 a 500 ms más rápidas en promedio, en los 10 idiomas | Stivers et al., PNAS 2009 |
| Duración de la pausa a partir de la cual las respuestas no preferidas superan claramente a las preferidas (195 respuestas en corpus telefónicos) | 700 ms o más | Kendrick y Torreira, Discourse Processes 2015 |
| Pausa media tras un turno que contiene una acción de respuesta frente a tras otros turnos (Switchboard) | 150 ms frente a 202 ms | Roberts, Torreira y Levinson, Frontiers in Psychology 2015 |
| Efecto del tiempo medio de respuesta de una persona sobre la sensación de conexión (66 participantes, cada uno en 10 conversaciones de diez minutos) | b = −0,28, SE = 0,05, P < 0,001 | Templeton et al., PNAS 2022 |
| Pausa media en versiones editadas rápida, original y lenta de las mismas conversaciones, valoradas por 450 oyentes en línea | 55,68 ms / 278,55 ms / 557,14 ms; el tiempo de respuesta predijo de forma inversa el agrado percibido, F(2; 2.351,9) = 49,44, P < 0,001 | Templeton et al., PNAS 2022 |
| Umbral usado para definir una pausa larga en la conversación | más de 2 s, aproximadamente 3 desviaciones estándar respecto a la media | Templeton et al., Philosophical Transactions B 2023 |
| Conversaciones analizadas y qué grupo tuvo más pausas largas | 261 parejas de desconocidos y 65 conversaciones entre amigos; los amigos tuvieron más pausas largas que los desconocidos | Templeton et al., Philosophical Transactions B 2023 |
Nota de contexto: los hallazgos de Templeton provienen de muestras de un solo grupo de investigación (66 participantes en el estudio de 2022, 261 parejas de desconocidos en el de 2023), así que conviene tomarlos como evidencia sobre esos participantes y no sobre todos los hablantes. Una respuesta “no preferida” es aquella que la pregunta no invitaba, como rechazar una invitación o disentir.
5. Cómo Desarrollan los Niños el Tiempo de los Turnos
La toma de turnos empieza antes que las palabras, y el camino no es una línea recta. Los bebés de 3 a 5 meses son rápidos pero desordenados: en el estudio longitudinal de Hilbrink, Gattis y Levinson con 12 parejas madre-bebé (8.555 transiciones de turno), los bebés produjeron algo más de un tercio de sus vocalizaciones en solapamiento con sus madres. Hacia los 9 y los 12 meses sus pausas se alargaron mucho, mientras que el tiempo de las madres se mantuvo estable.
Un informe anterior con autores en común describió la misma desaceleración: los niños empezaron a la par de sus madres, pero mostraron pausas significativamente más largas en la muestra de los 12 meses (Casillas et al., SemDial 2013). En 26 estudios, la evidencia agrupada sitúa la latencia de respuesta de los bebés en cerca de un segundo, varias veces más larga que los promedios de los adultos de la sección 1.
| Métrica | Valor | Fuente |
|---|---|---|
| Transición de turno media en la protoconversación madre-bebé a los 3 meses aproximadamente | unos 1,5 s | Levinson y Torreira, Frontiers in Psychology 2015, citando a Bateson 1975 |
| Vocalizaciones del bebé producidas en solapamiento con la madre a los 3, 4 y 5 meses | algo más de un tercio | Hilbrink, Gattis y Levinson, Frontiers in Psychology 2015 |
| Turnos de la madre producidos en solapamiento con el bebé a los 3, 4 y 5 meses | entre el 14 y el 21% | Hilbrink, Gattis y Levinson, Frontiers in Psychology 2015 |
| Turnos del bebé producidos en solapamiento a los 18 meses | cerca del 20%, similar al de las madres | Hilbrink, Gattis y Levinson, Frontiers in Psychology 2015 |
| Niños que solapan el final del turno de la madre antes de los 5 meses frente a 1 año y 8 meses | casi el 40% de las veces frente a aproximadamente el 4% | Casillas et al., SemDial 2013 |
| Latencia de respuesta del bebé agrupada en 26 estudios (78 estimaciones, 429 bebés) | cerca de 1 s en promedio | Nguyen et al., Child Development 2022 |
| Cambio en la latencia de respuesta del bebé cuando la latencia del adulto aumenta 1 s (por ejemplo, de 400 a 1.400 ms) | un aumento de más de 1 s | Nguyen et al., Child Development 2022 |
La última fila es la más práctica: el metaanálisis de 2022 encontró que los bebés imitan el ritmo de su interlocutor, de modo que los adultos más lentos reciben respuestas de bebés más lentos. Los datos más recientes disponibles para las muestras longitudinales de bebés son de 2013 a 2015.
6. Latencia en Videollamadas y Toma de Turnos
Las videollamadas añaden solo decenas de milisegundos de retardo de audio, pero el efecto sobre la toma de turnos es desproporcionado. En los experimentos de Boland y colegas, las mismas parejas que cambiaban de turno en 135 ms cara a cara tardaron 487 ms por Zoom, un aumento de 352 ms (487 menos 135) frente a un retardo de transmisión estimado de apenas 30-70 ms. En una tarea de preguntas de sí o no, la diferencia entre las respuestas locales y remotas fue de 679 ms (976 menos 297). Los autores sostienen que el retardo altera los mecanismos de sincronización que la gente usa para iniciar un turno, y no solo la señal.
Los datos de campo de videollamadas clínicas cuentan la misma historia. Seuren y colegas encontraron que unos 100 ms de latencia apenas afectaban la toma de turnos, mientras que con 700 ms los participantes tenían dificultades de forma rutinaria, con silencios no intencionados y hablas simultáneas. Los ingenieros de redes llevan tiempo planificando en torno a límites similares, como tratamos en nuestras estadísticas de jitter buffer en VoIP y calidad del habla.
| Métrica | Valor | Fuente |
|---|---|---|
| Respuestas de sí o no a preguntas polares pregrabadas: latencia media de las respuestas locales frente a las remotas (Zoom) | 297 ms frente a 976 ms | Boland et al., Journal of Experimental Psychology: General 2022 |
| Tiempo de transición de turno para las mismas parejas, cara a cara frente a por Zoom | 135 ms frente a 487 ms | Boland et al., Journal of Experimental Psychology: General 2022 |
| Retardo estimado de transmisión de audio en los experimentos con Zoom | 30-70 ms | Boland et al., Journal of Experimental Psychology: General 2022 |
| Consultas por video analizadas y problemas de toma de turnos encontrados | 25 consultas (7 h 57 min); 130 silencios perceptibles y 172 solapamientos | Seuren et al., Journal of Pragmatics 2021 |
| Latencia con la que la toma de turnos apenas se ve afectada frente a con la que se altera de forma rutinaria | unos 100 ms frente a 700 ms | Seuren et al., Journal of Pragmatics 2021 |
| Retardo unidireccional por debajo del cual la mayoría de las aplicaciones tienen una interactividad esencialmente transparente | menos de 150 ms | Recomendación ITU-T G.114, 2003 |
| Retardo unidireccional que no debe superarse en la planificación general de redes | 400 ms | Recomendación ITU-T G.114, 2003 |
| Retardo unidireccional sin impacto significativo en la calidad global percibida del habla en una conversación muy interactiva (retardos probados de hasta 1.600 ms) | hasta 400 ms | Egger, Schatz y Scherer, Interspeech 2010 |
Nota sobre valores atípicos: la propia ITU-T G.114 advierte que las tareas muy interactivas, incluidas algunas de voz y videoconferencia, pueden verse afectadas por retardos inferiores a 100 ms, y la prueba de Interspeech 2010 encontró que la sensibilidad al retardo aumenta con lo interactiva que sea la conversación. Las valoraciones de calidad y el tiempo de los turnos son medidas distintas, por lo que un retardo de 400 ms puede valorarse como aceptable y aun así producir hablas simultáneas. Las cadenas por capas, como la interpretación en directo, suman su propio retardo encima, como muestran nuestras estadísticas de latencia de la traducción de voz a voz. Los datos más recientes disponibles para la G.114 son de la edición de 2003, que sigue en vigor.
Resumen: Duración de las Pausas en la Toma de Turnos en Cifras
| Métrica | Valor | Fuente |
|---|---|---|
| Desfase medio de respuesta tras preguntas, 10 idiomas agrupados | +208 ms | Stivers et al., PNAS 2009 |
| Proporción de intervalos entre hablantes que son solapamientos | alrededor del 40% | Heldner y Edlund, Journal of Phonetics 2010 |
| Proporción de intervalos entre hablantes más cortos que 500 ms | 70-82% | Heldner y Edlund, Journal of Phonetics 2010 |
| Media y mediana del desfase de transferencia del turno, Switchboard | 187 ms y 168 ms | Roberts, Torreira y Levinson, Frontiers in Psychology 2015 |
| Pausa media, corpus Fisher (10.950 conversaciones telefónicas en inglés de EE. UU.) | 0,300 s | Cavalcanti y Skantze, Interspeech 2025 |
| Tiempo desde que se ve una imagen hasta que se empieza a nombrarla | unos 600 ms | Levinson y Torreira, Frontiers in Psychology 2015 |
| Habla solapada como proporción de todo el habla, 6 idiomas | 10,5% a 20,8% | Liesenfeld, Lopez y Dingemanse 2023 |
| Tiempo de respuesta, respuesta disponible al inicio frente a al final de la pregunta | 640 ms frente a 950 ms | Bögels, Magyari y Levinson, Scientific Reports 2015 |
| Con cuánta antelación podía recuperarse la respuesta en las preguntas de respuesta temprana | alrededor de 2,4 s antes de que termine la pregunta | Bögels, Magyari y Levinson, Scientific Reports 2015 |
| Duración de la pausa a partir de la cual predominan claramente las respuestas no preferidas | 700 ms o más | Kendrick y Torreira, Discourse Processes 2015 |
| Efecto del tiempo medio de respuesta sobre la sensación de conexión | b = −0,28, P < 0,001 | Templeton et al., PNAS 2022 |
| Grupo con más pausas largas (de más de 2 s) | amigos, no desconocidos | Templeton et al., Philosophical Transactions B 2023 |
| Vocalizaciones del bebé en solapamiento, 3 a 5 meses frente a 18 meses | algo más de un tercio frente a cerca del 20% | Hilbrink, Gattis y Levinson, Frontiers in Psychology 2015 |
| Niños que solapan el final del turno de la madre, antes de los 5 meses frente a 1 año y 8 meses | casi el 40% frente a aproximadamente el 4% | Casillas et al., SemDial 2013 |
| Latencia de respuesta del bebé en 26 estudios | cerca de 1 s | Nguyen et al., Child Development 2022 |
| Tiempo de transición de turno, cara a cara frente a Zoom | 135 ms frente a 487 ms | Boland et al., Journal of Experimental Psychology: General 2022 |
| Latencia de respuesta de sí o no, local frente a remota por Zoom | 297 ms frente a 976 ms | Boland et al., Journal of Experimental Psychology: General 2022 |
| Latencia en videollamadas: apenas afectada frente a alterada de forma rutinaria | unos 100 ms frente a 700 ms | Seuren et al., Journal of Pragmatics 2021 |
| Retardo unidireccional: interactividad transparente frente a techo de planificación | menos de 150 ms frente a 400 ms | Recomendación ITU-T G.114, 2003 |
Metodología y Fuentes
- Stivers et al., Universals and cultural variation in turn-taking in conversation, PNAS 2009
- Levinson and Torreira, Timing in turn-taking and its implications for processing models of language, Frontiers in Psychology 2015
- Roberts, Torreira and Levinson, The effects of processing and sequence organization on the timing of turn taking: a corpus study, Frontiers in Psychology 2015
- Heldner and Edlund, Pauses, gaps and overlaps in conversations, Journal of Phonetics 2010
- Cavalcanti and Skantze, Dyadosyncrasy, Idiosyncrasy and Demographic Factors in Turn-Taking, Interspeech 2025
- Liesenfeld, Lopez and Dingemanse, The timing bottleneck, arXiv 2307.15493, 2023
- Bögels, Magyari and Levinson, Neural signatures of response planning occur midway through an incoming question in conversation, Scientific Reports 2015
- Feindt et al., Cues to next-speaker projection in conversational Swedish, Interspeech 2023
- Kendrick and Torreira, The timing and construction of preference: a quantitative study, Discourse Processes 2015
- Templeton et al., Fast response times signal social connection in conversation, PNAS 2022
- Templeton et al., Long gaps between turns are awkward for strangers but not for friends, Philosophical Transactions of the Royal Society B 2023
- Hilbrink, Gattis and Levinson, Early developmental changes in the timing of turn-taking, Frontiers in Psychology 2015
- Casillas et al., Turn-timing in naturalistic mother-child interactions: a longitudinal perspective, SemDial 2013
- Nguyen, Versyp, Cox and Fusaroli, A systematic review and Bayesian meta-analysis of the development of turn taking in adult-child vocal interactions, Child Development 2022
- Boland, Fonseca, Mermelstein and Williamson, Zoom disrupts the rhythm of conversation, Journal of Experimental Psychology: General 2022
- Seuren, Wherton, Greenhalgh and Shaw, Whose turn is it anyway? Latency and the organization of turn-taking in video-mediated interaction, Journal of Pragmatics 2021
- ITU-T Recommendation G.114, One-way transmission time, 2003
- Egger, Schatz and Scherer, It takes two to tango: assessing the impact of delay on conversational interactivity on perceived speech quality, Interspeech 2010
- Nota sobre los datos: el artículo original de los 10 idiomas informa en su texto del danés en +469 ms y del italiano en +310 ms, mientras que la tabla de la revisión de 2015 que lo reproduce indica 468 ms y 309 ms; usamos las cifras del artículo original cuando lo citamos directamente. La comparación de 10 idiomas mide solo respuestas a preguntas, por lo que sus medias no son directamente comparables con los promedios de corpus completos de Switchboard (187 ms) o Fisher (0,300 s). Las proporciones de solapamiento difieren por definición (40% de los intervalos entre hablantes, 30,1% de las transferencias de turno de Switchboard, 10,5-20,8% del tiempo de habla) y no deben compararse como si midieran lo mismo. La muestra de solapamiento de 6 idiomas cubre solo cerca de una hora de habla por idioma. La mayoría de los datos entre idiomas, de desarrollo infantil y de planificación tiene más de tres años; las novedades más recientes son el análisis de Fisher de Interspeech 2025 y los estudios de 2022-2023 sobre Zoom, rapidez de respuesta y pausas largas. Los hallazgos sobre Zoom provienen de experimentos controlados con un retardo de transmisión estimado, no medido llamada por llamada.
Última actualización: 8 de noviembre de 2026. Actualizamos este informe trimestralmente, y la próxima revisión se espera cuando las actas de Interspeech 2026 se indexen en el ISCA Archive.