Trên 10 ngôn ngữ ở năm châu lục, câu trả lời trung bình cho một câu hỏi bắt đầu chỉ 208 mili giây sau khi câu hỏi kết thúc (Stivers và cs., PNAS 2009). Con số đó ngắn hơn nhiều so với khoảng 600 ms mà một người cần để bắt đầu gọi tên một bức tranh duy nhất (Levinson và Torreira, Frontiers in Psychology 2015), nên người nói phải lên kế hoạch cho câu trả lời trong khi người kia vẫn đang nói. Cuộc gọi video phá vỡ nhịp điệu này: những cặp đôi chuyển lượt lời trong 135 ms khi gặp trực tiếp cần tới 487 ms qua Zoom (Boland và cs., Journal of Experimental Psychology: General 2022). Bài tổng hợp này đề cập đến hội thoại của con người; để biết phần mềm quyết định một người nói đã nói xong như thế nào, xem thống kê về phát hiện kết thúc lượt lời và ngắt lời (barge-in) của chúng tôi. Chúng tôi tổng hợp dữ liệu từ PNAS, Max Planck Institute for Psycholinguistics, Journal of Pragmatics, Interspeech, Child Development, ITU và hơn một chục nguồn được bình duyệt khác.
Tóm tắt nhanh
- Câu trả lời trung bình cho một câu hỏi bắt đầu +208 ms sau khi câu hỏi kết thúc, từ +7 ms ở tiếng Nhật đến +469 ms ở tiếng Đan Mạch (Stivers và cs., PNAS 2009).
- Khoảng 40% tất cả các khoảng giữa hai người nói trong ba kho ngữ liệu hội thoại là chồng lấn (Heldner và Edlund, Journal of Phonetics 2010).
- 10.950 cuộc trò chuyện điện thoại tiếng Anh Mỹ cho thấy khoảng lặng trung bình giữa các lượt lời là 0,300 s (Cavalcanti và Skantze, Interspeech 2025).
- Bắt đầu gọi tên một bức tranh duy nhất mất khoảng 600 ms (Levinson và Torreira, Frontiers in Psychology 2015, trích dẫn Indefrey và Levelt 2004).
- Người nghe bắt đầu lên kế hoạch trong vòng nửa giây sau khi có thể truy xuất đáp án, đôi khi khoảng 2,4 s trước khi câu hỏi kết thúc (Bögels, Magyari và Levinson, Scientific Reports 2015).
- Các phản hồi không được ưu tiên chỉ vượt trội rõ rệt so với phản hồi được ưu tiên sau những khoảng lặng từ 700 ms trở lên (Kendrick và Torreira, Discourse Processes 2015).
- Thời gian phản hồi trung bình nhanh hơn dự báo cảm giác gắn kết mạnh hơn, b = −0,28, P < 0,001 (Templeton và cs., PNAS 2022).
- Trẻ sơ sinh chồng lấn hơn một phần ba số lần phát âm của mình với mẹ ở độ tuổi 3 đến 5 tháng, khoảng 20% ở 18 tháng (Hilbrink, Gattis và Levinson, Frontiers in Psychology 2015).
- Qua 26 nghiên cứu, trẻ sơ sinh mất trung bình khoảng 1 s để phản hồi (Nguyen và cs., Child Development 2022).
- Thời gian chuyển lượt lời tăng từ 135 ms khi gặp trực tiếp lên 487 ms qua Zoom đối với cùng những cặp đôi đó (Boland và cs., Journal of Experimental Psychology: General 2022).
- Độ trễ một chiều dưới 150 ms mang lại khả năng tương tác về cơ bản là trong suốt; 400 ms là mức trần quy hoạch (Khuyến nghị ITU-T G.114, 2003).
1. Khoảng Lặng Trung Bình Giữa Các Lượt Lời Ở Nhiều Ngôn Ngữ
Phát hiện nổi bật của so sánh liên ngôn ngữ lớn nhất không phải là các nền văn hóa khác nhau, mà là chúng khác nhau ít đến mức nào. Trong nghiên cứu 10 ngôn ngữ của Stivers và các đồng nghiệp, độ lệch phản hồi phổ biến nhất chính xác là 0 ms, và trung bình của mọi ngôn ngữ nằm trong khoảng chừng 250 ms ở cả hai phía của trung bình gộp. Tiếng Đan Mạch, ngôn ngữ chậm nhất trong mẫu, vẫn trả lời trong chưa đầy nửa giây tính trung bình (+469 ms). Các tác giả cho rằng những mô tả dân tộc học về các nền văn hóa hội thoại “chậm” hay “nhanh” một cách nổi bật phản ánh sự nhạy cảm với những khác biệt về nhịp chỉ vài trăm mili giây.
Thước đo được dùng ở đây là độ lệch chuyển quyền nói (floor transfer offset, FTO): thời gian từ khi lượt lời của một người nói kết thúc đến khi lượt lời của người nói kế tiếp bắt đầu, trong đó giá trị âm nghĩa là người nói kế tiếp bắt đầu sớm, tức là chồng lấn. Các trung bình theo từng ngôn ngữ, như được Levinson và Torreira (Bảng 1) lập bảng, là Tzeltal 67 ms, Yélî Dnye 71 ms, tiếng Hà Lan 108 ms, tiếng Hàn 182 ms, tiếng Anh 236 ms, tiếng Ý 309 ms, tiếng Lào 419 ms và ‡Ākhoe Hai‖om 423 ms. Các kho ngữ liệu điện thoại tiếng Anh lớn cũng rơi vào cùng dải này: trung bình 187 ms ở Switchboard và 0,300 s ở Fisher.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Quy mô của so sánh 10 ngôn ngữ | 350 câu hỏi liên tiếp mỗi ngôn ngữ, tổng cộng 101 cuộc hội thoại | Stivers và cs., PNAS 2009 |
| Thời gian trung bình từ khi câu hỏi kết thúc đến khi phản hồi bắt đầu, gộp 10 ngôn ngữ | +208 ms | Stivers và cs., PNAS 2009 |
| Độ lệch phản hồi xuất hiện thường xuyên nhất (mốt) và trung vị, gộp 10 ngôn ngữ | Mốt 0 ms, trung vị +100 ms | Stivers và cs., PNAS 2009 |
| Ngôn ngữ nhanh nhất so với chậm nhất, theo độ lệch phản hồi trung bình | tiếng Nhật +7 ms so với tiếng Đan Mạch +469 ms | Stivers và cs., PNAS 2009 |
| Độ lệch chuyển quyền nói trung bình và trung vị, kho ngữ liệu điện thoại tiếng Anh Switchboard (19.754 lần chuyển lượt lời, 348 cuộc hội thoại) | Trung bình 187 ms, trung vị 168 ms | Roberts, Torreira và Levinson, Frontiers in Psychology 2015 |
| Độ lệch chuyển lượt trung bình, kho ngữ liệu điện thoại tiếng Anh Mỹ Fisher (10.950 cuộc hội thoại, 11.684 người nói) | 0,300 s (độ lệch chuẩn = 0,228) | Cavalcanti và Skantze, Interspeech 2025 |
| Khoảng lặng trung bình trong các cuộc hội thoại song phương dùng để xác định khoảng lặng dài | 248 ms (độ lệch chuẩn = 598 ms) | Templeton và cs., Philosophical Transactions B 2023 |
Ghi chú bối cảnh: các số liệu 10 ngôn ngữ chỉ bao gồm các phản hồi cho câu hỏi, không phải mọi lần chuyển lượt lời, và dữ liệu mới nhất hiện có cho so sánh đó là từ năm 2009. Nghiên cứu Fisher năm 2025 bổ sung một điểm bất ngờ: yếu tố nhân khẩu học hầu như không quan trọng (giới tính giải thích khoảng 3,2% biến thiên và tuổi 1,3%), trong khi cặp người nói cụ thể lại quan trọng nhất, điều mà các tác giả gọi là “dyadosyncrasy” (nét riêng của từng cặp đối thoại) (Cavalcanti và Skantze, Interspeech 2025).
2. Tỷ Lệ Chồng Lấn và Hình Dạng Phân Bố Khoảng Lặng
Mức trung bình khoảng 200 ms che giấu một độ phân tán rộng. Khi đo tại mỗi lần đổi người nói, chồng lấn không phải là sự cố hiếm hoi mà là một phần thường lệ của hội thoại: trong các kho ngữ liệu được Heldner và Edlund phân tích, khoảng 40% tất cả các khoảng giữa hai người nói là chồng lấn. Khoảng giữa hai người nói là sự im lặng hoặc sự chồng lấn tại thời điểm một người nói dừng lại và người kia bắt đầu.
Tuy vậy, chồng lấn chiếm rất ít trong bản ghi âm thực tế. Trong kho ngữ liệu điện thoại Switchboard, chỉ 3,8% âm thanh có cả hai người cùng nói một lúc, vì phần lớn các chồng lấn rất ngắn. Heldner và Edlund cũng thấy rằng chỉ 14 đến 19% khoảng lặng ngắn hơn 200 ms, nên các lần chuyển lượt “không có khoảng lặng, không chồng lấn” hiếm hơn nhiều so với những gì sách giáo khoa mô tả.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Tỷ lệ các khoảng giữa hai người nói là chồng lấn (Spoken Dutch Corpus / HCRC Map Task Corpus / Swedish Map Task Corpus) | 40,0% / 41,7% / 40,0% | Heldner và Edlund, Journal of Phonetics 2010 |
| Tỷ lệ các khoảng giữa hai người nói (khoảng lặng và chồng lấn) ngắn hơn 500 ms | 70-82% | Heldner và Edlund, Journal of Phonetics 2010 |
| Tỷ lệ các khoảng giữa hai người nói là chồng lấn hoặc là khoảng lặng quá ngắn để nhận ra | 55-59% | Heldner và Edlund, Journal of Phonetics 2010 |
| Tỷ lệ âm thanh điện thoại Switchboard có cả hai người nói cùng lúc | 3,8% (77% chỉ một người nói, 19,2% im lặng) | Levinson và Torreira, Frontiers in Psychology 2015 |
| Tỷ lệ các lần chuyển quyền nói ở Switchboard bắt đầu bằng chồng lấn | 30,1% | Roberts, Torreira và Levinson, Frontiers in Psychology 2015 |
| Tín hiệu phản hồi của người nghe (backchannel) bị lượt lời kế tiếp chồng lấn so với các lượt lời khác bị chồng lấn (Switchboard) | 35% so với 28% | Roberts, Torreira và Levinson, Frontiers in Psychology 2015 |
| Lời nói chồng lấn tính theo tỷ lệ trên toàn bộ lời nói, 6 ngôn ngữ, mỗi ngôn ngữ khoảng một giờ | 10,5% (tiếng Tây Ban Nha) đến 20,8% (tiếng Hàn); tiếng Anh 12,6% | Liesenfeld, Lopez và Dingemanse 2023 |
| Thời lượng lượt lời trung bình trong cùng mẫu 6 ngôn ngữ | 2.538 ms (tiếng Quan Thoại) đến 4.620 ms (tiếng Tây Ban Nha) | Liesenfeld, Lopez và Dingemanse 2023 |
Các định nghĩa khác nhau, điều này giải thích vì sao tỷ lệ chồng lấn không khớp giữa các hàng: Heldner và Edlund đếm chồng lấn trong số tất cả các khoảng giữa hai người nói, con số 30,1% của Switchboard đếm các lần chuyển quyền nói, còn mẫu 6 ngôn ngữ trong Liesenfeld, Lopez và Dingemanse đo chồng lấn theo tỷ lệ trên thời gian nói. Tín hiệu phản hồi của người nghe (backchannel) là một phản hồi ngắn của người nghe như “mm-hm” hoặc “yeah” mà không giành quyền nói. Dữ liệu mới nhất hiện có cho các kho ngữ liệu tiếng Hà Lan, tiếng Anh và tiếng Thụy Điển là từ năm 2010.
3. Mất Bao Lâu Để Lên Kế Hoạch Cho Một Câu Trả Lời
Đây là câu đố trung tâm của nghiên cứu về luân phiên lượt lời. Chỉ riêng việc nói ra một từ đã mất khoảng 600 ms kể từ lúc nhìn thấy bức tranh đến khi bắt đầu nói, còn một câu đơn giản mất khoảng 1.500 ms, vậy mà khoảng lặng trung bình 208 ms ở phần 1 chỉ bằng khoảng một phần ba con số của một từ đơn (208 / 600 = 0,35). Cách duy nhất để các con số khớp nhau là người nghe bắt đầu lên kế hoạch cho câu trả lời ngay khi vẫn đang lắng nghe.
Bằng chứng EEG ủng hộ điều đó. Trong thí nghiệm của Bögels, Magyari và Levinson, các dấu hiệu não bộ của việc lên kế hoạch phản hồi xuất hiện trong vòng nửa giây sau khi có thể truy xuất đáp án cho câu hỏi, ở một số câu hỏi là khoảng 2,4 giây trước khi câu hỏi kết thúc. Những câu trả lời có thể được lên kế hoạch sớm thì được đưa ra nhanh hơn: 950 ms trừ 640 ms cho chênh lệch khoảng 310 ms giữa hai điều kiện (phép tính của chúng tôi từ các giá trị trung bình được báo cáo). Cùng bài toán ngân sách thời gian ấy hiện đang định hình thiết kế phần mềm giọng nói, như các thước đo thời gian đến âm thanh đầu tiên của tác tử giọng nói của chúng tôi cho thấy.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Thời gian từ lúc nhìn thấy bức tranh đến khi bắt đầu gọi tên nó (ước tính) | khoảng 600 ms | Levinson và Torreira, Frontiers in Psychology 2015, trích dẫn Indefrey và Levelt 2004 |
| Thời gian trước khi bắt đầu nói khi mô tả một cảnh đơn giản (ví dụ cậu bé đá bóng) bằng một câu | khoảng 1.500 ms | Levinson và Torreira, Frontiers in Psychology 2015 |
| Thời điểm xuất hiện dấu hiệu EEG sớm của việc chuẩn bị phản hồi, so với lúc kết thúc lượt lời đang đến | khoảng 1.200 ms trước khi kết thúc, xấp xỉ giữa lượt lời | Levinson và Torreira, Frontiers in Psychology 2015, trích dẫn Magyari và cs. 2014 |
| Người tham gia và tác nhân kích thích trong thí nghiệm EEG hỏi đáp | 24 người tham gia (thí nghiệm chính), 94 cặp câu hỏi tiếng Hà Lan | Bögels, Magyari và Levinson, Scientific Reports 2015 |
| Thời gian phản hồi trung bình khi đáp án có sẵn sớm trong câu hỏi so với chỉ có ở cuối | M = 640 ms (mốt khoảng 400 ms) so với M = 950 ms (mốt khoảng 750 ms) | Bögels, Magyari và Levinson, Scientific Reports 2015 |
| Đáp án có thể được truy xuất sớm đến mức nào trong các câu hỏi có đáp án sớm | trung bình khoảng 2,4 giây trước khi câu hỏi kết thúc | Bögels, Magyari và Levinson, Scientific Reports 2015 |
| Người nghe trong thí nghiệm tiếng Thụy Điển về tín hiệu kết thúc lượt lời, và thay đổi gây xáo trộn nhất ở 500 ms cuối của một lượt lời | N = 32; tăng tốc độ nói (p < 0,005) | Feindt và cs., Interspeech 2023 |
Ghi chú bối cảnh: trong nghiên cứu tiếng Thụy Điển tại Interspeech 2023, việc tăng tốc phần cuối của một lượt lời làm kéo dài thời gian phản ứng khi người nói giữ lượt nhưng rút ngắn khi người nói nhường lượt, một dấu hiệu cho thấy người nghe đọc tốc độ nói như một tín hiệu kết thúc lượt lời. Dữ liệu mới nhất hiện có cho độ trễ gọi tên là từ năm 2004 trở về trước.
4. Khoảng Lặng Báo Hiệu Điều Gì: Ưu Tiên, Đồng Thuận và Gắn Kết
Vì khoảng lặng mặc định rất ngắn, một khoảng lặng dài hơn một chút mang ý nghĩa. Sự xác nhận đến nhanh hơn điều ngược lại: các câu trả lời xác nhận nhanh hơn các câu trả lời không xác nhận trung bình từ 100 đến 500 ms ở cả 10 ngôn ngữ của so sánh trong phần 1. Trong các kho ngữ liệu điện thoại, Kendrick và Torreira thấy rằng lời từ chối và các phản hồi không được ưu tiên khác chỉ vượt trội rõ rệt so với phản hồi được ưu tiên khi khoảng lặng đạt từ 700 ms trở lên.
Tốc độ cũng được hiểu là sự thân thiết. Trong nghiên cứu PNAS 2022 của Templeton và các đồng nghiệp, thời gian phản hồi ngắn hơn dự báo cảm giác gắn kết mạnh hơn, và những người nghe bên ngoài đánh giá các phiên bản nhanh đã chỉnh sửa của các cuộc trò chuyện là thú vị hơn các phiên bản chậm. Nhưng quy tắc này đảo ngược giữa bạn bè: trong một nghiên cứu tiếp nối năm 2023, bạn bè có nhiều khoảng im lặng dài hơn người lạ, và những khoảng im lặng đó không gây gượng gạo với họ.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Tốc độ của các câu trả lời xác nhận so với câu trả lời không xác nhận cho câu hỏi | nhanh hơn trung bình 100 đến 500 ms, ở cả 10 ngôn ngữ | Stivers và cs., PNAS 2009 |
| Độ dài khoảng lặng mà tại đó các phản hồi không được ưu tiên vượt trội rõ rệt so với phản hồi được ưu tiên (195 phản hồi trong các kho ngữ liệu điện thoại) | 700 ms trở lên | Kendrick và Torreira, Discourse Processes 2015 |
| Khoảng lặng trung bình sau lượt lời có hành động đáp lại so với sau các lượt lời khác (Switchboard) | 150 ms so với 202 ms | Roberts, Torreira và Levinson, Frontiers in Psychology 2015 |
| Ảnh hưởng của thời gian phản hồi trung bình của một người lên cảm giác gắn kết (66 người tham gia, mỗi người trong 10 cuộc trò chuyện dài mười phút) | b = −0,28, SE = 0,05, P < 0,001 | Templeton và cs., PNAS 2022 |
| Khoảng lặng trung bình trong các phiên bản nhanh, gốc và chậm đã chỉnh sửa của cùng các cuộc trò chuyện, được 450 người nghe trực tuyến đánh giá | 55,68 ms / 278,55 ms / 557,14 ms; thời gian phản hồi dự báo ngược chiều mức độ thích thú cảm nhận được, F(2; 2.351,9) = 49,44, P < 0,001 | Templeton và cs., PNAS 2022 |
| Ngưỡng dùng để xác định khoảng lặng dài trong hội thoại | lớn hơn 2 s, xấp xỉ 3 độ lệch chuẩn so với trung bình | Templeton và cs., Philosophical Transactions B 2023 |
| Các cuộc hội thoại được phân tích, và nhóm nào có nhiều khoảng lặng dài hơn | 261 cặp người lạ và 65 cuộc trò chuyện giữa bạn bè; bạn bè có nhiều khoảng lặng dài hơn người lạ | Templeton và cs., Philosophical Transactions B 2023 |
Ghi chú bối cảnh: các phát hiện của Templeton đến từ mẫu của một nhóm nghiên cứu (66 người tham gia trong nghiên cứu 2022, 261 cặp người lạ trong nghiên cứu 2023), vì vậy hãy coi đó là bằng chứng về những người tham gia ấy chứ không phải về mọi người nói. Một phản hồi “không được ưu tiên” (dispreferred) là phản hồi mà câu hỏi không mời gọi, chẳng hạn từ chối một lời mời hoặc bất đồng ý kiến.
5. Trẻ Em Phát Triển Khả Năng Canh Thời Điểm Lượt Lời Như Thế Nào
Việc luân phiên lượt lời bắt đầu trước khi có từ ngữ, và con đường không phải là một đường thẳng. Em bé 3 đến 5 tháng tuổi nhanh nhưng lộn xộn: trong nghiên cứu theo chiều dọc của Hilbrink, Gattis và Levinson trên 12 cặp mẹ-con (8.555 lần chuyển lượt lời), trẻ sơ sinh tạo ra hơn một phần ba số lần phát âm của mình chồng lấn với mẹ. Ở khoảng 9 và 12 tháng, khoảng lặng của các em dài ra nhiều, trong khi nhịp của các bà mẹ vẫn ổn định.
Một báo cáo trước đó có các tác giả trùng một phần đã mô tả cùng sự chậm lại này: trẻ bắt đầu ngang bằng với mẹ nhưng cho thấy khoảng lặng dài hơn đáng kể ở mẫu 12 tháng (Casillas và cs., SemDial 2013). Qua 26 nghiên cứu, bằng chứng gộp đưa độ trễ phản hồi của trẻ sơ sinh vào khoảng một giây, gấp nhiều lần mức trung bình của người lớn ở phần 1.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Thời gian chuyển lượt lời trung bình trong tiền hội thoại mẹ-con ở khoảng 3 tháng tuổi | khoảng 1,5 s | Levinson và Torreira, Frontiers in Psychology 2015, trích dẫn Bateson 1975 |
| Tiếng phát âm của trẻ sơ sinh chồng lấn với mẹ ở 3, 4 và 5 tháng tuổi | hơn một phần ba | Hilbrink, Gattis và Levinson, Frontiers in Psychology 2015 |
| Lượt lời của mẹ chồng lấn với trẻ sơ sinh ở 3, 4 và 5 tháng tuổi | từ 14 đến 21% | Hilbrink, Gattis và Levinson, Frontiers in Psychology 2015 |
| Lượt lời của trẻ sơ sinh chồng lấn ở 18 tháng tuổi | khoảng 20%, tương tự các bà mẹ | Hilbrink, Gattis và Levinson, Frontiers in Psychology 2015 |
| Trẻ chồng lấn phần cuối lượt lời của mẹ trước 5 tháng tuổi so với ở 1 tuổi 8 tháng | gần 40% thời gian so với khoảng 4% | Casillas và cs., SemDial 2013 |
| Độ trễ phản hồi của trẻ sơ sinh gộp từ 26 nghiên cứu (78 ước lượng, 429 trẻ sơ sinh) | trung bình khoảng 1 s | Nguyen và cs., Child Development 2022 |
| Thay đổi độ trễ phản hồi của trẻ sơ sinh khi độ trễ của người lớn tăng 1 s (ví dụ từ 400 lên 1.400 ms) | tăng hơn 1 s | Nguyen và cs., Child Development 2022 |
Hàng cuối cùng là hàng thực tế nhất: phân tích tổng hợp năm 2022 cho thấy trẻ sơ sinh phản chiếu nhịp của người đối thoại, nên người lớn chậm hơn sẽ nhận được phản hồi chậm hơn từ em bé. Dữ liệu mới nhất hiện có cho các mẫu trẻ sơ sinh theo chiều dọc là từ năm 2013 đến 2015.
6. Độ Trễ Cuộc Gọi Video và Luân Phiên Lượt Lời
Cuộc gọi video chỉ thêm vài chục mili giây độ trễ âm thanh, nhưng tác động lên việc luân phiên lượt lời lại không cân xứng chút nào. Trong các thí nghiệm của Boland và các đồng nghiệp, chính những cặp đôi chuyển lượt lời trong 135 ms khi gặp trực tiếp lại mất 487 ms qua Zoom, tăng 352 ms (487 trừ 135) trong khi độ trễ truyền ước tính chỉ 30-70 ms. Trong một tác vụ có/không, chênh lệch giữa câu trả lời tại chỗ và từ xa là 679 ms (976 trừ 297). Các tác giả lập luận rằng độ trễ làm gián đoạn các cơ chế canh thời điểm mà con người dùng để khởi đầu một lượt lời, chứ không chỉ riêng tín hiệu.
Dữ liệu thực địa từ các buổi khám bệnh qua video cũng kể cùng một câu chuyện. Seuren và các đồng nghiệp thấy rằng độ trễ khoảng 100 ms gần như không ảnh hưởng đến việc luân phiên lượt lời, trong khi ở 700 ms những người tham gia thường xuyên gặp khó khăn, với những khoảng im lặng ngoài ý muốn và việc nói chồng lên nhau. Các kỹ sư mạng từ lâu đã quy hoạch xoay quanh những giới hạn tương tự, như được đề cập trong thống kê bộ đệm jitter VoIP và chất lượng giọng nói của chúng tôi.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Câu trả lời có/không cho các câu hỏi ghi sẵn: độ trễ trung bình của phản hồi tại chỗ so với từ xa (Zoom) | 297 ms so với 976 ms | Boland và cs., Journal of Experimental Psychology: General 2022 |
| Thời gian chuyển lượt lời của cùng những cặp đôi, gặp trực tiếp so với qua Zoom | 135 ms so với 487 ms | Boland và cs., Journal of Experimental Psychology: General 2022 |
| Độ trễ truyền âm thanh ước tính trong các thí nghiệm Zoom | 30-70 ms | Boland và cs., Journal of Experimental Psychology: General 2022 |
| Các buổi khám qua video được phân tích, và các vấn đề luân phiên lượt lời được phát hiện | 25 buổi khám (7 giờ 57 phút); 130 khoảng im lặng đáng chú ý và 172 lần chồng lấn | Seuren và cs., Journal of Pragmatics 2021 |
| Độ trễ mà tại đó luân phiên lượt lời gần như không bị ảnh hưởng so với thường xuyên bị gián đoạn | khoảng 100 ms so với 700 ms | Seuren và cs., Journal of Pragmatics 2021 |
| Độ trễ một chiều dưới mức mà hầu hết các ứng dụng có khả năng tương tác về cơ bản là trong suốt | dưới 150 ms | Khuyến nghị ITU-T G.114, 2003 |
| Độ trễ một chiều không nên vượt quá khi quy hoạch mạng nói chung | 400 ms | Khuyến nghị ITU-T G.114, 2003 |
| Độ trễ một chiều không có tác động đáng kể đến chất lượng giọng nói tổng thể cảm nhận được trong hội thoại có tính tương tác cao (các độ trễ được thử nghiệm lên đến 1.600 ms) | lên đến 400 ms | Egger, Schatz và Scherer, Interspeech 2010 |
Ghi chú về giá trị ngoại lệ: chính ITU-T G.114 cũng cảnh báo rằng các tác vụ có tính tương tác cao, bao gồm một số cuộc hội nghị thoại và video, có thể bị ảnh hưởng bởi độ trễ dưới 100 ms, và thử nghiệm Interspeech 2010 cho thấy độ nhạy với độ trễ tăng theo mức độ tương tác của cuộc hội thoại. Điểm đánh giá chất lượng và thời điểm lượt lời là những thước đo khác nhau, đó là lý do một độ trễ 400 ms có thể được đánh giá là chấp nhận được mà vẫn gây ra việc nói chồng lên nhau. Các chuỗi xử lý nhiều lớp như phiên dịch trực tiếp còn cộng thêm độ trễ riêng của chúng lên trên, như được thể hiện trong thống kê độ trễ dịch giọng nói sang giọng nói của chúng tôi. Dữ liệu mới nhất hiện có cho G.114 là ấn bản năm 2003, vẫn còn hiệu lực.
Tổng kết: Thời Lượng Khoảng Lặng Giữa Các Lượt Lời Qua Các Con Số
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Độ lệch phản hồi trung bình sau câu hỏi, gộp 10 ngôn ngữ | +208 ms | Stivers và cs., PNAS 2009 |
| Tỷ lệ các khoảng giữa hai người nói là chồng lấn | khoảng 40% | Heldner và Edlund, Journal of Phonetics 2010 |
| Tỷ lệ các khoảng giữa hai người nói ngắn hơn 500 ms | 70-82% | Heldner và Edlund, Journal of Phonetics 2010 |
| Độ lệch chuyển quyền nói trung bình và trung vị, Switchboard | 187 ms và 168 ms | Roberts, Torreira và Levinson, Frontiers in Psychology 2015 |
| Khoảng lặng trung bình, kho ngữ liệu Fisher (10.950 cuộc trò chuyện điện thoại tiếng Anh Mỹ) | 0,300 s | Cavalcanti và Skantze, Interspeech 2025 |
| Thời gian từ lúc nhìn thấy bức tranh đến khi bắt đầu gọi tên nó | khoảng 600 ms | Levinson và Torreira, Frontiers in Psychology 2015 |
| Lời nói chồng lấn tính theo tỷ lệ trên toàn bộ lời nói, 6 ngôn ngữ | 10,5% đến 20,8% | Liesenfeld, Lopez và Dingemanse 2023 |
| Thời gian phản hồi, đáp án có sẵn sớm so với muộn trong câu hỏi | 640 ms so với 950 ms | Bögels, Magyari và Levinson, Scientific Reports 2015 |
| Đáp án có thể được truy xuất sớm đến mức nào trong các câu hỏi có đáp án sớm | khoảng 2,4 s trước khi câu hỏi kết thúc | Bögels, Magyari và Levinson, Scientific Reports 2015 |
| Độ dài khoảng lặng mà tại đó các phản hồi không được ưu tiên chiếm ưu thế rõ rệt | 700 ms trở lên | Kendrick và Torreira, Discourse Processes 2015 |
| Ảnh hưởng của thời gian phản hồi trung bình lên cảm giác gắn kết | b = −0,28, P < 0,001 | Templeton và cs., PNAS 2022 |
| Nhóm có nhiều khoảng lặng dài hơn (trên 2 s) | bạn bè, không phải người lạ | Templeton và cs., Philosophical Transactions B 2023 |
| Tiếng phát âm của trẻ sơ sinh chồng lấn, 3 đến 5 tháng so với 18 tháng | hơn một phần ba so với khoảng 20% | Hilbrink, Gattis và Levinson, Frontiers in Psychology 2015 |
| Trẻ chồng lấn phần cuối lượt lời của mẹ, trước 5 tháng so với ở 1 tuổi 8 tháng | gần 40% so với khoảng 4% | Casillas và cs., SemDial 2013 |
| Độ trễ phản hồi của trẻ sơ sinh qua 26 nghiên cứu | khoảng 1 s | Nguyen và cs., Child Development 2022 |
| Thời gian chuyển lượt lời, gặp trực tiếp so với Zoom | 135 ms so với 487 ms | Boland và cs., Journal of Experimental Psychology: General 2022 |
| Độ trễ câu trả lời có/không, tại chỗ so với từ xa qua Zoom | 297 ms so với 976 ms | Boland và cs., Journal of Experimental Psychology: General 2022 |
| Độ trễ cuộc gọi video: gần như không bị ảnh hưởng so với thường xuyên bị gián đoạn | khoảng 100 ms so với 700 ms | Seuren và cs., Journal of Pragmatics 2021 |
| Độ trễ một chiều: tương tác trong suốt so với mức trần quy hoạch | dưới 150 ms so với 400 ms | Khuyến nghị ITU-T G.114, 2003 |
Phương pháp luận và Nguồn
- 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
- Lưu ý về dữ liệu: bài báo gốc về 10 ngôn ngữ nêu trong phần văn bản là tiếng Đan Mạch +469 ms và tiếng Ý +310 ms, trong khi bảng của bài tổng quan năm 2015 tái hiện lại ghi 468 ms và 309 ms; chúng tôi dùng số liệu của bài báo gốc khi trích dẫn trực tiếp. So sánh 10 ngôn ngữ chỉ đo các câu trả lời cho câu hỏi, nên các giá trị trung bình của nó không thể so sánh trực tiếp với trung bình toàn kho ngữ liệu của Switchboard (187 ms) hay Fisher (0,300 s). Tỷ lệ chồng lấn khác nhau theo định nghĩa (40% các khoảng giữa hai người nói, 30,1% các lần chuyển quyền nói ở Switchboard, 10,5-20,8% thời gian nói) và không nên so sánh như thể chúng đo cùng một thứ. Mẫu chồng lấn 6 ngôn ngữ chỉ bao gồm khoảng một giờ hội thoại cho mỗi ngôn ngữ. Phần lớn dữ liệu liên ngôn ngữ, phát triển ở trẻ em và lên kế hoạch đã cũ hơn ba năm; các bổ sung mới nhất là phân tích Fisher tại Interspeech 2025 và các nghiên cứu 2022-2023 về Zoom, tốc độ phản hồi và khoảng lặng dài. Các phát hiện về Zoom đến từ những thí nghiệm có kiểm soát với độ trễ truyền được ước tính, chứ không đo cho từng cuộc gọi.
Cập nhật lần cuối: ngày 8 tháng 11 năm 2026. Chúng tôi cập nhật bài tổng hợp này hàng quý, và lần làm mới tiếp theo dự kiến diễn ra khi kỷ yếu Interspeech 2026 được lập chỉ mục trong ISCA Archive.