Em 10 idiomas de cinco continentes, a resposta média a uma pergunta começa apenas 208 milissegundos depois que a pergunta termina (Stivers et al., PNAS 2009). Isso é muito menos do que os cerca de 600 ms que uma pessoa leva para começar a nomear uma única figura (Levinson e Torreira, Frontiers in Psychology 2015), de modo que os falantes precisam planejar a resposta enquanto o outro ainda está falando. As videochamadas quebram esse ritmo: pares que alternavam turnos em 135 ms frente a frente precisaram de 487 ms no Zoom (Boland et al., Journal of Experimental Psychology: General 2022). Este levantamento trata da conversa humana; para saber como o software decide que um falante terminou, veja nossas estatísticas de detecção de fim de turno e interrupção da fala (barge-in). Reunimos dados da PNAS, do Max Planck Institute for Psycholinguistics, do Journal of Pragmatics, da Interspeech, da Child Development, da ITU e de mais de uma dúzia de outras fontes revisadas por pares.
TL;DR
- A resposta média a uma pergunta começa +208 ms depois que ela termina, de +7 ms em japonês a +469 ms em dinamarquês (Stivers et al., PNAS 2009).
- Cerca de 40% de todos os intervalos entre falantes em três corpora de conversas são sobreposições (Heldner e Edlund, Journal of Phonetics 2010).
- 10.950 conversas telefônicas em inglês dos EUA mostram uma pausa média de 0,300 s entre turnos (Cavalcanti e Skantze, Interspeech 2025).
- Começar a nomear uma única figura leva cerca de 600 ms (Levinson e Torreira, Frontiers in Psychology 2015, citando Indefrey e Levelt 2004).
- Os ouvintes começam a planejar até meio segundo depois de a resposta poder ser recuperada, às vezes cerca de 2,4 s antes do fim da pergunta (Bögels, Magyari e Levinson, Scientific Reports 2015).
- As respostas não preferidas superam claramente as preferidas apenas após pausas de 700 ms ou mais (Kendrick e Torreira, Discourse Processes 2015).
- Tempos médios de resposta mais rápidos predizem uma sensação de conexão mais forte, b = −0,28, P < 0,001 (Templeton et al., PNAS 2022).
- Os bebês sobrepõem pouco mais de um terço de suas vocalizações às das mães aos 3 a 5 meses, cerca de 20% aos 18 meses (Hilbrink, Gattis e Levinson, Frontiers in Psychology 2015).
- Em 26 estudos, os bebês levam em média cerca de 1 s para responder (Nguyen et al., Child Development 2022).
- As transições de turno passaram de 135 ms frente a frente para 487 ms no Zoom para os mesmos pares (Boland et al., Journal of Experimental Psychology: General 2022).
- Um atraso unidirecional abaixo de 150 ms oferece interatividade essencialmente transparente; 400 ms é o teto de planejamento (Recomendação ITU-T G.114, 2003).
1. Pausa Média entre Turnos nos Diferentes Idiomas
O principal achado da maior comparação entre idiomas não é que as culturas diferem, mas o quão pouco diferem. No estudo de Stivers e colegas com 10 idiomas, o deslocamento de resposta mais comum foi exatamente 0 ms, e a média de cada idioma ficou a cerca de 250 ms, para mais ou para menos, da média agrupada. O dinamarquês, o idioma mais lento da amostra, ainda respondeu em menos de meio segundo em média (+469 ms). Os autores sugerem que as descrições etnográficas de culturas conversacionais surpreendentemente “lentas” ou “rápidas” refletem uma sensibilidade a diferenças de ritmo de apenas algumas centenas de milissegundos.
A medida usada aqui é o deslocamento de transferência de turno (FTO, do inglês floor transfer offset): o tempo entre o fim do turno de um falante e o início do turno do falante seguinte, em que um valor negativo significa que o próximo falante começou antes, em sobreposição. As médias por idioma, como tabuladas por Levinson e Torreira (Tabela 1), foram: Tzeltal 67 ms, Yélî Dnye 71 ms, holandês 108 ms, coreano 182 ms, inglês 236 ms, italiano 309 ms, lao 419 ms e ‡Ākhoe Hai‖om 423 ms. Grandes corpora telefônicos em inglês ficam na mesma faixa: média de 187 ms no Switchboard e de 0,300 s no Fisher.
| Métrica | Valor | Fonte |
|---|---|---|
| Tamanho da comparação de 10 idiomas | 350 perguntas consecutivas por idioma, 101 conversas no total | Stivers et al., PNAS 2009 |
| Tempo médio do fim da pergunta ao início da resposta, 10 idiomas agrupados | +208 ms | Stivers et al., PNAS 2009 |
| Deslocamento de resposta mais frequente (moda) e mediano, 10 idiomas agrupados | Moda 0 ms, mediana +100 ms | Stivers et al., PNAS 2009 |
| Idioma mais rápido versus mais lento, pela média do deslocamento de resposta | Japonês +7 ms versus dinamarquês +469 ms | Stivers et al., PNAS 2009 |
| Média e mediana do deslocamento de transferência de turno, corpus telefônico Switchboard em inglês (19.754 transições de turno, 348 conversas) | Média 187 ms, mediana 168 ms | Roberts, Torreira e Levinson, Frontiers in Psychology 2015 |
| Deslocamento médio de transição de turno, corpus telefônico Fisher em inglês dos EUA (10.950 conversas, 11.684 falantes) | 0,300 s (SD = 0,228) | Cavalcanti e Skantze, Interspeech 2025 |
| Pausa média nas conversas diádicas usadas para definir pausas longas | 248 ms (desvio-padrão = 598 ms) | Templeton et al., Philosophical Transactions B 2023 |
Nota de contexto: os números dos 10 idiomas cobrem apenas respostas a perguntas, e não todas as trocas de turno, e os dados mais recentes disponíveis para essa comparação são de 2009. O estudo do Fisher de 2025 traz uma reviravolta: a demografia pesa pouco (o sexo explicou cerca de 3,2% da variação e a idade 1,3%), enquanto a combinação específica de falantes foi o que mais importou, algo que os autores chamam de “diadossincrasia” (Cavalcanti e Skantze, Interspeech 2025).
2. Taxas de Sobreposição e o Formato da Distribuição das Pausas
Uma média de cerca de 200 ms esconde uma grande dispersão. Medida a cada troca de falante, a sobreposição não é uma falha rara, e sim parte rotineira da fala: nos corpora analisados por Heldner e Edlund, cerca de 40% de todos os intervalos entre falantes eram sobreposições. Um intervalo entre falantes é o silêncio ou a sobreposição no momento em que um falante para e o outro começa.
Ainda assim, a sobreposição ocupa pouquíssimo da gravação real. No corpus telefônico Switchboard, apenas 3,8% do áudio tem as duas pessoas falando ao mesmo tempo, porque a maioria das sobreposições é breve. Heldner e Edlund também constataram que apenas 14 a 19% das pausas eram mais curtas que 200 ms, de modo que as transições “sem pausa e sem sobreposição” são muito menos comuns do que sugerem as descrições de manual.
| Métrica | Valor | Fonte |
|---|---|---|
| Parcela dos intervalos entre falantes que são sobreposições (Spoken Dutch Corpus / HCRC Map Task Corpus / Swedish Map Task Corpus) | 40,0% / 41,7% / 40,0% | Heldner e Edlund, Journal of Phonetics 2010 |
| Parcela dos intervalos entre falantes (pausas e sobreposições) mais curtos que 500 ms | 70-82% | Heldner e Edlund, Journal of Phonetics 2010 |
| Parcela dos intervalos entre falantes que são sobreposições ou pausas curtas demais para serem percebidas | 55-59% | Heldner e Edlund, Journal of Phonetics 2010 |
| Parcela do áudio telefônico do Switchboard com os dois falantes falando ao mesmo tempo | 3,8% (77% apenas um falante, 19,2% silêncio) | Levinson e Torreira, Frontiers in Psychology 2015 |
| Parcela das transferências de turno do Switchboard que começam em sobreposição | 30,1% | Levinson e Torreira, Frontiers in Psychology 2015 |
| Sinais de escuta (backchannels) sobrepostos pelo turno seguinte versus outros turnos sobrepostos (Switchboard) | 35% versus 28% | Roberts, Torreira e Levinson, Frontiers in Psychology 2015 |
| Fala sobreposta como parcela de toda a fala, 6 idiomas, cerca de uma hora cada | 10,5% (espanhol) a 20,8% (coreano); inglês 12,6% | Liesenfeld, Lopez e Dingemanse 2023 |
| Duração média do turno na mesma amostra de 6 idiomas | 2.538 ms (mandarim) a 4.620 ms (espanhol) | Liesenfeld, Lopez e Dingemanse 2023 |
As definições diferem, o que explica por que as parcelas de sobreposição não coincidem entre as linhas: Heldner e Edlund contam as sobreposições entre todos os intervalos entre falantes, os 30,1% do Switchboard contam transferências de turno, e a amostra de 6 idiomas de Liesenfeld, Lopez e Dingemanse mede a sobreposição como parcela do tempo de fala. Um sinal de escuta (backchannel) é uma resposta curta do ouvinte, como “hum-hum” ou “é”, que não reivindica a vez de falar. Os dados mais recentes disponíveis para os corpora em holandês, inglês e sueco são de 2010.
3. Quanto Tempo Leva para Planejar uma Resposta
Este é o enigma central da pesquisa sobre alternância de turnos. Produzir uma única palavra leva cerca de 600 ms, da visão de uma figura ao início da fala, e uma frase simples leva cerca de 1.500 ms, e no entanto a pausa média de 208 ms da seção 1 equivale a cerca de um terço do valor de uma palavra isolada (208 / 600 = 0,35). A única forma de os números fecharem é se os ouvintes começarem a planejar a resposta enquanto ainda escutam.
A evidência de EEG apoia isso. No experimento de Bögels, Magyari e Levinson, assinaturas cerebrais de planejamento da resposta apareceram até meio segundo depois de a resposta a uma pergunta se tornar recuperável, em algumas perguntas cerca de 2,4 segundos antes do fim da pergunta. As respostas que podiam ser planejadas cedo saíram mais rápido: 950 ms menos 640 ms dá uma diferença de cerca de 310 ms entre as duas condições (nosso cálculo a partir das médias informadas). O mesmo problema de orçamento de tempo hoje orienta o projeto de software de voz, como mostram nossos benchmarks de tempo até o primeiro áudio em agentes de voz.
| Métrica | Valor | Fonte |
|---|---|---|
| Tempo entre ver uma figura e começar a nomeá-la (estimativa) | cerca de 600 ms | Levinson e Torreira, Frontiers in Psychology 2015, citando Indefrey e Levelt 2004 |
| Tempo até o início da fala ao descrever uma cena simples (por exemplo, menino chutando uma bola) em uma frase | cerca de 1.500 ms | Levinson e Torreira, Frontiers in Psychology 2015 |
| Momento de um sinal precoce de EEG de preparação da resposta, em relação ao fim do turno recebido | aprox. 1.200 ms antes do fim, cerca da metade do turno | Levinson e Torreira, Frontiers in Psychology 2015, citando Magyari et al. 2014 |
| Participantes e estímulos no experimento de EEG com pergunta e resposta | 24 participantes (experimento principal), 94 pares de perguntas em holandês | Bögels, Magyari e Levinson, Scientific Reports 2015 |
| Tempo médio de resposta quando a resposta estava disponível no início da pergunta versus só no final | M = 640 ms (moda em torno de 400 ms) versus M = 950 ms (moda em torno de 750 ms) | Bögels, Magyari e Levinson, Scientific Reports 2015 |
| Com que antecedência a resposta podia ser recuperada nas perguntas com resposta antecipada | cerca de 2,4 segundos antes do fim da pergunta, em média | Bögels, Magyari e Levinson, Scientific Reports 2015 |
| Ouvintes em um experimento sueco sobre pistas de fim de turno, e a alteração mais perturbadora nos últimos 500 ms de um turno | N = 32; aumento da taxa de fala (p < 0,005) | Feindt et al., Interspeech 2023 |
Nota de contexto: no estudo sueco da Interspeech 2023, acelerar o final de um turno alongou os tempos de reação quando o falante estava mantendo o turno, mas os encurtou quando o falante o estava cedendo, sinal de que os ouvintes leem a taxa de fala como pista de fim de turno. Os dados mais recentes disponíveis para as latências de nomeação são de 2004 e anteriores.
4. O Que uma Pausa Sinaliza: Preferência, Concordância e Conexão
Como a pausa padrão é tão curta, uma pausa um pouco mais longa carrega significado. A confirmação vem mais rápido do que o seu oposto: as respostas confirmatórias foram, em média, de 100 a 500 ms mais rápidas do que as não confirmatórias em todos os 10 idiomas da comparação da seção 1. Em corpora de conversas telefônicas, Kendrick e Torreira constataram que recusas e outras respostas não preferidas superaram claramente as preferidas apenas quando a pausa chegava a 700 ms ou mais.
A rapidez também é lida como sintonia. No estudo da PNAS de 2022 de Templeton e colegas, tempos de resposta mais curtos predisseram uma sensação de conexão mais forte, e ouvintes externos avaliaram versões editadas e aceleradas das conversas como mais agradáveis do que as lentas. Mas a regra se inverte entre amigos: em um estudo de acompanhamento de 2023, os amigos tiveram mais silêncios longos do que os desconhecidos, e esses silêncios não eram constrangedores para eles.
| Métrica | Valor | Fonte |
|---|---|---|
| Rapidez das respostas confirmatórias versus não confirmatórias a perguntas | 100 a 500 ms mais rápidas em média, em todos os 10 idiomas | Stivers et al., PNAS 2009 |
| Duração da pausa em que as respostas não preferidas superam claramente as preferidas (195 respostas em corpora telefônicos) | 700 ms ou mais | Kendrick e Torreira, Discourse Processes 2015 |
| Pausa média após um turno que contém uma ação responsiva versus após outros turnos (Switchboard) | 150 ms versus 202 ms | Roberts, Torreira e Levinson, Frontiers in Psychology 2015 |
| Efeito do tempo médio de resposta de uma pessoa sobre a sensação de conexão (66 participantes, cada um em 10 conversas de dez minutos) | b = −0,28, SE = 0,05, P < 0,001 | Templeton et al., PNAS 2022 |
| Pausa média em versões editadas rápida, original e lenta das mesmas conversas, avaliadas por 450 ouvintes on-line | 55,68 ms / 278,55 ms / 557,14 ms; o tempo de resposta predisse inversamente o prazer percebido, F(2; 2.351,9) = 49,44, P < 0,001 | Templeton et al., PNAS 2022 |
| Limiar usado para definir uma pausa longa em conversa | acima de 2 s, cerca de 3 desvios-padrão da média | Templeton et al., Philosophical Transactions B 2023 |
| Conversas analisadas e qual grupo teve mais pausas longas | 261 duplas de desconhecidos e 65 conversas entre amigos; os amigos tiveram mais pausas longas do que os desconhecidos | Templeton et al., Philosophical Transactions B 2023 |
Nota de contexto: os achados de Templeton vêm de amostras de um único grupo de pesquisa (66 participantes no estudo de 2022, 261 duplas de desconhecidos no de 2023), portanto devem ser tratados como evidência sobre esses participantes, e não sobre todos os falantes. Uma resposta “não preferida” é aquela que a pergunta não convidava, como recusar um convite ou discordar.
5. Como as Crianças Desenvolvem o Tempo dos Turnos
A alternância de turnos começa antes das palavras, e o caminho não é uma linha reta. Bebês de 3 a 5 meses são rápidos, mas desorganizados: no estudo longitudinal de Hilbrink, Gattis e Levinson com 12 pares mãe-bebê (8.555 transições de turno), os bebês produziram pouco mais de um terço de suas vocalizações em sobreposição com as mães. Por volta dos 9 e dos 12 meses, suas pausas ficaram muito mais longas, enquanto o tempo das mães se manteve estável.
Um relato anterior, com autores em comum, descreveu a mesma desaceleração: as crianças começaram em pé de igualdade com as mães, mas mostraram pausas significativamente mais longas na amostra de 12 meses (Casillas et al., SemDial 2013). Em 26 estudos, a evidência agrupada situa a latência de resposta dos bebês em cerca de um segundo, várias vezes mais longa do que as médias dos adultos da seção 1.
| Métrica | Valor | Fonte |
|---|---|---|
| Transição de turno média na protoconversação mãe-bebê por volta dos 3 meses | cerca de 1,5 s | Levinson e Torreira, Frontiers in Psychology 2015, citando Bateson 1975 |
| Vocalizações do bebê produzidas em sobreposição com a mãe aos 3, 4 e 5 meses | pouco mais de um terço | Hilbrink, Gattis e Levinson, Frontiers in Psychology 2015 |
| Turnos da mãe produzidos em sobreposição com o bebê aos 3, 4 e 5 meses | entre 14 e 21% | Hilbrink, Gattis e Levinson, Frontiers in Psychology 2015 |
| Turnos do bebê produzidos em sobreposição aos 18 meses | cerca de 20%, semelhante ao das mães | Hilbrink, Gattis e Levinson, Frontiers in Psychology 2015 |
| Crianças que sobrepõem o fim do turno da mãe antes dos 5 meses versus com 1 ano e 8 meses | quase 40% das vezes versus aproximadamente 4% | Casillas et al., SemDial 2013 |
| Latência de resposta do bebê agrupada em 26 estudos (78 estimativas, 429 bebês) | cerca de 1 s em média | Nguyen et al., Child Development 2022 |
| Variação na latência de resposta do bebê quando a latência do adulto aumenta 1 s (por exemplo, de 400 para 1.400 ms) | aumento de mais de 1 s | Nguyen et al., Child Development 2022 |
A última linha é a mais prática: a metanálise de 2022 constatou que os bebês espelham o ritmo do parceiro, de modo que adultos mais lentos recebem respostas de bebês mais lentos. Os dados mais recentes disponíveis para as amostras longitudinais de bebês são de 2013 a 2015.
6. Latência em Videochamadas e Alternância de Turnos
As videochamadas acrescentam apenas dezenas de milissegundos de atraso de áudio, mas o efeito sobre a alternância de turnos é desproporcional. Nos experimentos de Boland e colegas, os mesmos pares que alternavam turnos em 135 ms frente a frente levaram 487 ms no Zoom, um aumento de 352 ms (487 menos 135) contra um atraso de transmissão estimado de apenas 30-70 ms. Em uma tarefa de perguntas sim/não, a diferença entre as respostas locais e remotas foi de 679 ms (976 menos 297). Os autores argumentam que o atraso perturba os mecanismos de sincronização que as pessoas usam para iniciar um turno, e não apenas o sinal.
Dados de campo de videochamadas clínicas contam a mesma história. Seuren e colegas constataram que cerca de 100 ms de latência mal afetavam a alternância de turnos, enquanto com 700 ms os participantes tinham dificuldades rotineiras, com silêncios não intencionais e falas simultâneas. Os engenheiros de rede há muito planejam em torno de limites semelhantes, como abordamos em nossas estatísticas de jitter buffer em VoIP e qualidade de fala.
| Métrica | Valor | Fonte |
|---|---|---|
| Respostas sim/não a perguntas polares pré-gravadas: latência média das respostas locais versus remotas (Zoom) | 297 ms versus 976 ms | Boland et al., Journal of Experimental Psychology: General 2022 |
| Tempo de transição de turno para os mesmos pares, frente a frente versus no Zoom | 135 ms versus 487 ms | Boland et al., Journal of Experimental Psychology: General 2022 |
| Atraso estimado de transmissão de áudio nos experimentos com Zoom | 30-70 ms | Boland et al., Journal of Experimental Psychology: General 2022 |
| Consultas por vídeo analisadas e problemas de alternância de turnos encontrados | 25 consultas (7 h 57 min); 130 silêncios perceptíveis e 172 sobreposições | Seuren et al., Journal of Pragmatics 2021 |
| Latência em que a alternância de turnos mal é afetada versus rotineiramente perturbada | cerca de 100 ms versus 700 ms | Seuren et al., Journal of Pragmatics 2021 |
| Atraso unidirecional abaixo do qual a maioria das aplicações tem interatividade essencialmente transparente | abaixo de 150 ms | Recomendação ITU-T G.114, 2003 |
| Atraso unidirecional que não deve ser ultrapassado no planejamento geral de redes | 400 ms | Recomendação ITU-T G.114, 2003 |
| Atraso unidirecional sem impacto significativo na qualidade geral percebida da fala em conversa altamente interativa (atrasos testados de até 1.600 ms) | até 400 ms | Egger, Schatz e Scherer, Interspeech 2010 |
Nota sobre pontos fora da curva: a própria ITU-T G.114 alerta que tarefas altamente interativas, incluindo algumas de fala e videoconferência, podem ser afetadas por atrasos abaixo de 100 ms, e o teste da Interspeech 2010 constatou que a sensibilidade ao atraso aumenta com o grau de interatividade da conversa. Notas de qualidade e sincronização dos turnos são medidas diferentes, e por isso um atraso de 400 ms pode ser avaliado como aceitável e ainda assim produzir falas simultâneas. Pipelines em camadas, como a interpretação ao vivo, somam seu próprio atraso por cima, como mostram nossas estatísticas de latência da tradução de fala para fala. Os dados mais recentes disponíveis para a G.114 são da edição de 2003, que continua em vigor.
Resumo: Duração das Pausas na Alternância de Turnos em Números
| Métrica | Valor | Fonte |
|---|---|---|
| Deslocamento médio de resposta após perguntas, 10 idiomas agrupados | +208 ms | Stivers et al., PNAS 2009 |
| Parcela dos intervalos entre falantes que são sobreposições | cerca de 40% | Heldner e Edlund, Journal of Phonetics 2010 |
| Parcela dos intervalos entre falantes mais curtos que 500 ms | 70-82% | Heldner e Edlund, Journal of Phonetics 2010 |
| Média e mediana do deslocamento de transferência de turno, Switchboard | 187 ms e 168 ms | Roberts, Torreira e Levinson, Frontiers in Psychology 2015 |
| Pausa média, corpus Fisher (10.950 conversas telefônicas em inglês dos EUA) | 0,300 s | Cavalcanti e Skantze, Interspeech 2025 |
| Tempo entre ver uma figura e começar a nomeá-la | cerca de 600 ms | Levinson e Torreira, Frontiers in Psychology 2015 |
| Fala sobreposta como parcela de toda a fala, 6 idiomas | 10,5% a 20,8% | Liesenfeld, Lopez e Dingemanse 2023 |
| Tempo de resposta, resposta disponível no início versus no final da pergunta | 640 ms versus 950 ms | Bögels, Magyari e Levinson, Scientific Reports 2015 |
| Com que antecedência a resposta podia ser recuperada nas perguntas com resposta antecipada | cerca de 2,4 s antes do fim da pergunta | Bögels, Magyari e Levinson, Scientific Reports 2015 |
| Duração da pausa em que as respostas não preferidas claramente predominam | 700 ms ou mais | Kendrick e Torreira, Discourse Processes 2015 |
| Efeito do tempo médio de resposta sobre a sensação de conexão | b = −0,28, P < 0,001 | Templeton et al., PNAS 2022 |
| Grupo com mais pausas longas (acima de 2 s) | amigos, não desconhecidos | Templeton et al., Philosophical Transactions B 2023 |
| Vocalizações do bebê em sobreposição, 3 a 5 meses versus 18 meses | pouco mais de um terço versus cerca de 20% | Hilbrink, Gattis e Levinson, Frontiers in Psychology 2015 |
| Crianças que sobrepõem o fim do turno da mãe, antes dos 5 meses versus com 1 ano e 8 meses | quase 40% versus aproximadamente 4% | Casillas et al., SemDial 2013 |
| Latência de resposta do bebê em 26 estudos | cerca de 1 s | Nguyen et al., Child Development 2022 |
| Tempo de transição de turno, frente a frente versus Zoom | 135 ms versus 487 ms | Boland et al., Journal of Experimental Psychology: General 2022 |
| Latência de resposta sim/não, local versus remota no Zoom | 297 ms versus 976 ms | Boland et al., Journal of Experimental Psychology: General 2022 |
| Latência em videochamadas: mal afetada versus rotineiramente perturbada | cerca de 100 ms versus 700 ms | Seuren et al., Journal of Pragmatics 2021 |
| Atraso unidirecional: interatividade transparente versus teto de planejamento | abaixo de 150 ms versus 400 ms | Recomendação ITU-T G.114, 2003 |
Metodologia e Fontes
- 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 os dados: o artigo original dos 10 idiomas informa no texto o dinamarquês em +469 ms e o italiano em +310 ms, enquanto a tabela da revisão de 2015 que o reproduz lista 468 ms e 309 ms; usamos os números do artigo original quando o citamos diretamente. A comparação dos 10 idiomas mede apenas respostas a perguntas, de modo que suas médias não são diretamente comparáveis com as médias de corpus inteiros do Switchboard (187 ms) ou do Fisher (0,300 s). As parcelas de sobreposição diferem por definição (40% dos intervalos entre falantes, 30,1% das transferências de turno do Switchboard, 10,5-20,8% do tempo de fala) e não devem ser comparadas como se medissem a mesma coisa. A amostra de sobreposição de 6 idiomas cobre apenas cerca de uma hora de fala por idioma. A maior parte dos dados entre idiomas, de desenvolvimento infantil e de planejamento tem mais de três anos; as novidades mais recentes são a análise do Fisher da Interspeech 2025 e os estudos de 2022-2023 sobre o Zoom, a rapidez de resposta e as pausas longas. Os achados sobre o Zoom vêm de experimentos controlados com um atraso de transmissão estimado, e não medido chamada a chamada.
Última atualização: 8 de novembro de 2026. Atualizamos este levantamento trimestralmente, e a próxima revisão deve ocorrer quando os anais da Interspeech 2026 forem indexados no ISCA Archive.