¿Hasta dónde entiende la ciencia la voz humana? La frontera del conocimiento sobre el canto

©Ro Llamazares 2026

Sabemos muchísimo sobre la voz humana. Podemos observar los pliegues vocales a miles de imágenes por segundo, medir su contacto, registrar la presión y el flujo aéreo, analizar el sonido con enorme precisión e incluso registrar la actividad eléctrica de algunos de los músculos que intervienen en la fonación.

Sin embargo, existe una diferencia importante entre entender qué ocurre en el aparato vocal y entender por qué el sistema nervioso hace que ocurra de esa manera.

Sabemos bastante bien qué sucede cuando una persona aumenta la frecuencia de su voz, cambia de registro o incrementa la intensidad. Pero sabemos mucho menos acerca de cómo el cerebro selecciona la combinación exacta de músculos, presiones, sensaciones y ajustes acústicos necesarios para hacerlo.

Y aparecen preguntas especialmente interesantes cuando pensamos en el canto:

¿Por qué una persona, ante una nota difícil, tiende a apretar y gritar mientras otra tiende a debilitar o desconectar su voz?

¿Por qué aparecen los gallos?

¿Cómo controla exactamente el cerebro la afinación?

¿De dónde surge el vibrato?

¿Por qué un determinado ejercicio vocal puede cambiar radicalmente la coordinación de un cantante en cuestión de segundos?

¿Y qué es exactamente lo que aprende el sistema nervioso cuando alguien aprende técnica vocal?

La respuesta no es simplemente que la ciencia todavía no conozca suficientemente bien la laringe. El problema es más profundo.

Entendemos mucho mejor la física de la voz que el sistema que la controla.

Podemos dividir nuestro conocimiento actual en tres grandes categorías.

1. Lo que sabemos razonablemente bien

La producción física de la voz

La fonación puede entenderse como el resultado de la interacción entre varios sistemas:

• la presión y el flujo de aire procedentes del sistema respiratorio;
• las propiedades mecánicas de los pliegues vocales;
• la actividad de la musculatura laríngea;
• y las características acústicas del tracto vocal.

Los pliegues vocales funcionan como un sistema autooscilante: no necesitamos abrirlos y cerrarlos voluntariamente cientos de veces por segundo. Una vez establecidas determinadas condiciones de presión, tensión, aducción y geometría, el propio sistema entra en oscilación.

La frecuencia fundamental de esa vibración —lo que perceptivamente interpretamos fundamentalmente como altura tonal— está relacionada con factores como la longitud, la tensión, la rigidez y la masa efectiva de los pliegues vocales.

También sabemos actualmente que la clásica división entre fuente —los pliegues vocales— y filtro —el tracto vocal— es muy útil, pero incompleta.

El tracto vocal no se limita necesariamente a modificar un sonido que ya ha sido producido. Las presiones acústicas que aparecen por encima y por debajo de la glotis pueden influir sobre la propia vibración de los pliegues vocales.

Existe, por tanto, acoplamiento entre fuente y filtro.

Esto resulta especialmente relevante para comprender determinados fenómenos del canto.

Sabemos bastante sobre la musculatura que interviene

Entre los principales músculos intrínsecos de la laringe encontramos:

CT — cricotiroideo.
Tiene un papel fundamental en la elongación de los pliegues vocales y en la regulación de su tensión.

TA — tiroaritenoideo.
Forma gran parte del cuerpo muscular del pliegue vocal y participa en la regulación de su longitud, rigidez, masa vibratoria y configuración.

La porción más medial del tiroaritenoideo, situada junto al ligamento vocal, suele denominarse vocalis.

El vocalis presenta características anatómicas, histológicas y neuromusculares particulares que sugieren que podría existir cierta especialización funcional dentro del propio TA. Se han descrito diferencias en la arquitectura de sus fibras, en la composición de determinados tipos de fibras musculares y en su organización neuromuscular.

Sin embargo, todavía no sabemos con precisión hasta qué punto el vocalis puede controlarse de manera funcionalmente independiente del resto del tiroaritenoideo ni puede asignársele una función exclusiva durante la fonación.

Por tanto, científicamente es más prudente considerarlo como una región especializada del complejo tiroaritenoideo, y no como un músculo independiente encargado, por ejemplo, del “ajuste fino” de la voz.

CAL — cricoaritenoideo lateral.
Su función principal está relacionada con la aducción de los pliegues vocales.

IA — interaritenoideo.
Contribuye a aproximar los aritenoides y al cierre posterior de la glotis.

CAP — cricoaritenoideo posterior.
Es el principal músculo abductor de los pliegues vocales: permite abrir la glotis y es esencial para la respiración.

Sin embargo, sería incorrecto imaginar estos músculos como interruptores independientes.

Por ejemplo:

subir de tono = activar CT
bajar de tono = activar TA

La realidad es mucho más compleja.

Los músculos trabajan simultáneamente y sus relaciones cambian dependiendo del tono, intensidad, registro, configuración glótica y tarea vocal.

Un estudio publicado en 2026 sobre la actividad del CT y el CAL durante cambios de frecuencia y registro mostró precisamente patrones diferentes de control neuromuscular dependiendo de la región vocal estudiada.

Conocemos bastante bien los actores.

Conocemos peor la coreografía.

El cerebro utiliza predicción y feedback

Éste es uno de los conocimientos más importantes proporcionados por la neurociencia del control motor.

Cuando cantamos, el cerebro no espera a escuchar el sonido para decidir qué hacer.

Existe un mecanismo denominado control feedforward, que podríamos traducir aproximadamente como control anticipatorio.

Gracias al aprendizaje previo, el sistema nervioso dispone de patrones motores que permiten iniciar una acción sin tener que reconstruirla desde cero.

Al mismo tiempo, el cerebro recibe información sobre el resultado.

Dos vías son especialmente importantes:

Feedback auditivo: lo que escuchamos de nuestra propia voz.

Feedback somatosensorial: la información procedente de sensaciones corporales, contacto, presión, movimiento y posición.

El cerebro puede comparar esas señales con lo que esperaba obtener y realizar correcciones.

Podemos comprobar experimentalmente este mecanismo.

Si alguien mantiene una vocal y, mediante auriculares, modificamos electrónicamente la frecuencia de la voz que escucha, el sistema nervioso tiende a producir automáticamente una respuesta compensatoria.

Incluso sabiendo que la señal está siendo manipulada, parte de esta respuesta puede producirse de manera involuntaria.

Los experimentos realizados con cantantes también muestran que el entrenamiento modifica la manera en que utilizamos la información auditiva y cinestésica para controlar la afinación.

¿Qué es DIVA?

Uno de los modelos científicos que intenta explicar este proceso se denomina DIVA.

Sus siglas proceden del inglés:

Directions Into Velocities of Articulators.

Podría traducirse aproximadamente como transformación de direcciones sensoriales en velocidades de los articuladores.

DIVA no es una estructura cerebral. Es un modelo neurocomputacional: una representación matemática y computacional que intenta explicar cómo determinadas redes cerebrales podrían aprender y controlar los movimientos necesarios para producir la voz y el habla.

El modelo incorpora tres componentes fundamentales:

control feedforward,
feedback auditivo,
feedback somatosensorial.

Además, relaciona estas operaciones con diferentes regiones y circuitos cerebrales.

DIVA nació fundamentalmente como un modelo del habla.

Pero de él ha surgido algo especialmente interesante para la investigación vocal.

¿Qué es LaDIVA?

LaDIVA significa Laryngeal DIVA, es decir, DIVA laríngeo.

Es un modelo neurocomputacional que intenta conectar el control nervioso con un modelo biomecánico de la fonación.

Simplificando muchísimo, intenta representar una cadena como ésta:

orden neural → activación muscular → comportamiento de los pliegues vocales → resultado acústico → feedback → corrección.

LaDIVA permite actualmente simular aspectos como el control de la frecuencia fundamental y el nivel de presión sonora y estudiar cómo mecanismos de feedforward y feedback podrían intervenir en la regulación laríngea.

Su existencia es muy significativa porque muestra hacia dónde está avanzando la investigación:

ya no basta con estudiar la laringe o el cerebro independientemente.

El objetivo es comprender el sistema completo de control.

¿Qué es la EMG?

Muchas investigaciones sobre control vocal utilizan EMG: electromiografía.

La electromiografía registra la actividad eléctrica asociada a la activación de un músculo.

Puede realizarse de distintas maneras.

La sEMG, o electromiografía de superficie, utiliza electrodos colocados sobre la piel.

Para estudiar directamente determinados músculos intrínsecos de la laringe también pueden utilizarse electrodos de aguja o de hilo fino introducidos en músculos concretos.

Esto permite estudiar, por ejemplo, cómo cambia la actividad del CT o del TA mientras una persona modifica el tono de su voz.

Pero existe una distinción fundamental:

la EMG no mide directamente fuerza muscular.

Mide actividad eléctrica asociada a la activación neuromuscular.

Esta herramienta nos permite acercarnos mucho a lo que hace la musculatura, pero todavía deja abierta otra pregunta:

¿quién está dando la orden y cómo se ha decidido esa orden?

2. Lo que sabemos parcialmente: la frontera de investigación

Aquí empieza la parte más interesante.

¿Cómo afina exactamente el cerebro?

Sabemos que el control de la frecuencia vocal involucra sistemas motores, auditivos y somatosensoriales y la participación de diferentes estructuras corticales y subcorticales.

Sabemos que existen componentes predictivos.

Sabemos que existe corrección de errores.

Sabemos incluso que podemos modificar experimentalmente el feedback auditivo y observar cómo el sistema responde.

Lo que todavía no tenemos es una descripción completa de cómo el cerebro transforma algo tan aparentemente sencillo como:

quiero cantar esta nota

en una configuración precisa de:

CT + TA —incluyendo potencialmente diferentes regiones del propio TA, como el vocalis— + CAL + IA + CAP + sistema respiratorio + musculatura extrínseca + configuración del tracto vocal.

Éste es un ejemplo de un problema clásico de control motor: existen muchas combinaciones musculares diferentes capaces de producir resultados similares.

El sistema nervioso tiene que seleccionar una.

No comprendemos completamente cómo realiza esa selección.

El vibrato: conocemos la manifestación mejor que el generador

El vibrato es otro excelente ejemplo de frontera científica.

Sabemos que el vibrato de frecuencia está relacionado con modulaciones periódicas de la actividad neuromuscular.

Los registros EMG han mostrado relaciones entre la oscilación de la frecuencia fundamental y la actividad de músculos como el CT y el TA.

También existen modelos que proponen que determinados bucles reflejos neuromusculares podrían producir oscilaciones en torno a los 5–7 Hz características de muchos vibratos vocales.

Investigaciones mediante videolaringoscopia de alta velocidad y electroglotografía continúan estudiando las diferencias biomecánicas entre cantar con y sin vibrato.

Pero sigue existiendo una pregunta fundamental:

¿dónde está exactamente el generador del vibrato?

No tenemos todavía algo equivalente a:

estas neuronas generan el vibrato, este circuito determina su frecuencia y este otro regula exactamente su amplitud.

Existen modelos plausibles y abundante información fisiológica, pero no una explicación neural definitiva.

¿Por qué unas personas fuerzan y otras debilitan la voz?

Aquí nuestra capacidad explicativa disminuye todavía más.

Imaginemos dos cantantes intentando producir la misma nota difícil.

El cantante A responde aumentando presión, aducción y actividad muscular.

El cantante B responde reduciendo el cierre glótico y produciendo una voz más débil o aireada.

Desde un punto de vista de aprendizaje motor, ambas pueden interpretarse como estrategias adoptadas por el sistema nervioso para resolver un problema.

¿Por qué un individuo desarrolla una y otro desarrolla la contraria?

No existe una respuesta única.

Esta cuestión está cambiando incluso nuestra manera de entender fenómenos como la hiperfunción vocal.

Durante mucho tiempo resultaba tentador describir determinados problemas simplemente diciendo:

tiene demasiada tensión muscular.

Pero eso describe el resultado, no necesariamente su causa.

Una importante revisión sobre la disfonía por tensión muscular identificó mecanismos potenciales pertenecientes a siete grandes dominios:

• sensorimotor;
• neuromuscular;
• respiratorio;
• autonómico;
• inflamatorio;
• postural;

Los autores proponen interpretar algunos casos de hiperfunción como una adaptación motora idiosincrásica ante una perturbación fisiológica o una amenaza percibida.

Esto introduce una idea muy relevante:

la tensión puede ser una solución aprendida por el sistema, y no únicamente el problema original.

Los gallos: conocemos mejor su física que su control

Un gallo puede parecer un error sencillo.

Pero desde el punto de vista de la dinámica de sistemas es un fenómeno fascinante.

Los pliegues vocales constituyen un sistema no lineal capaz de operar en diferentes estados vibratorios.

Cuando determinadas variables cambian gradualmente —tensión, presión, aducción, configuración glótica, interacción acústica— el sistema puede llegar a un punto en el que un pequeño cambio desencadena una reorganización relativamente grande de la vibración.

En dinámica no lineal hablamos de bifurcaciones.

Esto significa algo muy importante:

un gallo grande no requiere necesariamente un error muscular grande.

El cantante puede estar acercándose progresivamente a una zona de inestabilidad y una modificación relativamente pequeña puede precipitar un cambio de régimen vibratorio.

Además, la interacción entre los pliegues vocales y el tracto vocal puede contribuir a estabilizar o desestabilizar determinadas condiciones de fonación.

Esto permite entender por qué, en determinadas circunstancias, una modificación de la vocal puede cambiar radicalmente la estabilidad de una nota.

No necesariamente porque hayamos dado al cantante una instrucción muscular diferente.

Hemos modificado las condiciones físicas del sistema.

Lo que todavía no podemos hacer de manera general es predecir exactamente:

este cantante tendrá un gallo dentro de 300 milisegundos porque esta combinación concreta de variables va a provocar una bifurcación.

La física del fenómeno está considerablemente más desarrollada que nuestra capacidad para predecirlo individualmente.

3. Las grandes incógnitas: donde todavía no tenemos una teoría satisfactoria

Decir que sobre estas cuestiones “no sabemos nada” sería exagerado.

Tenemos datos, hipótesis y modelos.

Pero existen problemas para los que todavía carecemos de una explicación causal suficientemente completa.

Entre ellos:

¿Cómo selecciona exactamente el cerebro una coordinación vocal?

La laringe ofrece multitud de posibilidades biomecánicas.

Todavía no sabemos cómo el sistema nervioso decide cuál utilizar para conseguir un determinado objetivo acústico.

¿Existe control diferencial dentro de un mismo músculo?

El caso del tiroaritenoideo y el vocalis resulta especialmente interesante.

La anatomía tradicional puede presentar el TA como una sola unidad funcional. Sin embargo, las diferencias estructurales observadas entre determinadas regiones sugieren que podría existir una organización neuromuscular interna más compleja.

Todavía desconocemos hasta qué punto el cerebro puede reclutar diferencialmente distintas regiones del TA durante tareas vocales específicas.

Este problema es un buen ejemplo de cómo incluso nuestra representación de los “músculos” como unidades discretas puede resultar demasiado simple para explicar el control fino de la voz humana.

¿Por qué dos cantantes desarrollan estrategias opuestas ante la misma dificultad?

Uno aprieta.

Otro desconecta.

Un tercero eleva la laringe.

Y un cuarto modifica la vocal.

O quizás aumenta enormemente la presión respiratoria.

Entendemos sus consecuencias mejor que el proceso mediante el cual el sistema nervioso aprendió a seleccionar cada estrategia.

¿Cuál es el generador neural exacto del vibrato?

Tenemos hipótesis y modelos fisiológicos, pero no una respuesta definitiva.

¿Cómo representa el cerebro que una coordinación vocal es “correcta”?

Un cantante experimentado puede sentir inmediatamente que una nota está bien organizada incluso antes de analizar conscientemente su sonido.

Eso implica modelos sensoriales internos extremadamente sofisticados.

Todavía estamos lejos de comprender completamente cómo se construyen.

¿Qué aprende exactamente el cerebro cuando aprende técnica vocal?

Sabemos que el entrenamiento vocal está asociado con adaptaciones del sistema auditivo, motor y sensorimotor.

Las investigaciones sobre neuroplasticidad y aprendizaje del canto muestran precisamente que todavía necesitamos mucha más investigación longitudinal y causal para saber qué cambios neurales producen las distintas formas de entrenamiento.

¿Por qué funciona un determinado ejercicio con una persona y no con otra?

Podemos estudiar los efectos acústicos y biomecánicos generales de muchos ejercicios.

Pero todavía no disponemos de un modelo capaz de predecir con precisión:

para este cantante, con este patrón de control motor, este ejercicio concreto producirá esta reorganización.

Para un profesor de canto ésta es probablemente una de las fronteras científicas más relevantes.

Un misterio especialmente interesante: ¿cómo siente el cerebro la laringe?

Hay otra cuestión sorprendentemente abierta: la propiocepción laríngea.

La propiocepción es el sistema mediante el cual nuestro cerebro recibe información acerca de la posición, movimiento y estado mecánico de nuestro propio cuerpo.

En muchos músculos del organismo conocemos bastante bien estructuras especializadas como los husos musculares y los órganos tendinosos de Golgi.

En la laringe la situación es mucho menos clara.

Las revisiones dedicadas específicamente al aparato propioceptivo laríngeo señalan que durante más de dos siglos se han obtenido resultados variables respecto a la presencia, distribución y función de los mecanismos propioceptivos clásicos en los músculos intrínsecos de la laringe.

Y esto plantea una paradoja fascinante.

Un cantante profesional puede realizar modificaciones de frecuencia, intensidad y calidad vocal extraordinariamente pequeñas.

El sistema nervioso necesita algún tipo de información sobre lo que está ocurriendo.

Pero todavía no conocemos completamente cómo obtiene y procesa toda esa información somatosensorial.

Entonces, ¿hasta dónde llega realmente nuestro conocimiento?

Podemos hacer una aproximación orientativa:

Fenómeno	Qué comprendemos mejor	Principal incógnita
Producción física de la voz	Biomecánica y acústica	Interacciones individuales complejas
Control de la afinación	Feedback, feedforward y participación sensorimotora	Selección exacta del comando motor
Registros	Estados vibratorios y actividad muscular asociada	Control de las transiciones
Vibrato	Características acústicas y actividad muscular	Generador neural preciso
Gallos	Dinámica no lineal y bifurcaciones	Predicción individual
Hiperfunción	Consecuencias biomecánicas y múltiples factores asociados	Por qué se selecciona y automatiza esa estrategia
Voz débil o desconectada	Resultado acústico y glótico	Origen individual de la estrategia motora
Aprendizaje vocal	Evidencia de adaptación y neuroplasticidad	Qué cambia exactamente y cómo depende del entrenamiento
Propiocepción laríngea	Existencia de información sensorial relevante	Mecanismos periféricos y representación neural completa
TA y vocalis	Anatomía y algunas diferencias estructurales internas	Grado real de especialización y control diferencial

La verdadera frontera de la ciencia vocal

Durante mucho tiempo el gran objetivo de la ciencia de la voz fue comprender la anatomía y la biomecánica de la laringe.

Esas preguntas siguen produciendo investigación, pero actualmente podemos formular un problema más profundo:

¿Cómo aprende el sistema nervioso a controlar un instrumento biológico no lineal, con multitud de soluciones posibles, que no puede observar directamente y del que recibe una información sensorial que todavía no comprendemos completamente?

Ésta probablemente sea una de las preguntas centrales para la ciencia del canto durante las próximas décadas.

Y tiene consecuencias muy importantes para la pedagogía vocal.

Dos cantantes pueden producir sonidos aparentemente similares por razones completamente diferentes.

De la misma manera, dos cantantes que muestran el mismo “error” acústico podrían estar utilizando estrategias neuromotoras distintas.

Esto obliga a ser prudentes con afirmaciones como:

“suena así porque estás haciendo esto con este músculo”.

En ocasiones puede existir una relación clara.

En otras, estamos intentando deducir el mecanismo interno únicamente a partir del resultado acústico.

Incluso dentro de una estructura aparentemente bien conocida como el tiroaritenoideo, la investigación muestra que pueden existir regiones con características anatómicas y neuromusculares diferenciadas cuyo papel funcional todavía estamos intentando comprender.

La ciencia actual permite describir con extraordinario detalle qué hace una voz.

El siguiente gran salto será comprender por qué el cerebro decide hacer precisamente eso y, sobre todo, cómo podemos modificar ese aprendizaje de manera predecible.

Esa es probablemente la auténtica frontera entre la ciencia de la voz y la ciencia del aprendizaje vocal.

Bibliografía

Desjardins, M., Apfelbach, C., Rubino, M., & Verdolini Abbott, K. (2022). Integrative Review and Framework of Suggested Mechanisms in Primary Muscle Tension Dysphonia. Journal of Speech, Language, and Hearing Research, 65(5), 1867–1893.

Gorges, J. C., Alcobia, I. M. O., Lourenço, A. J. V. N., Matos, M. A. C., & Costa, I. M. (2026). Neuroplasticity and Neural Adaptations in Singing Voice Skill Learning: A Scoping Review. Journal of Voice.

Hsiao, T. Y., Solomon, N. P., Luschei, E. S., & Titze, I. R. (1994). Modulation of fundamental frequency by laryngeal muscles during vibrato. Journal of Voice, 8(3), 224–229.

Mürbe, D., Pabst, F., Hofmann, G., & Sundberg, J. (2002). Significance of auditory and kinesthetic feedback to singers’ pitch control. Journal of Voice, 16(1), 44–51.

Mürbe, D., Pabst, F., Hofmann, G., & Sundberg, J. (2004). Effects of a professional solo singer education on auditory and kinesthetic feedback: a longitudinal study of singers’ pitch control. Journal of Voice, 18(2), 236–241.

Titze, I. R., Story, B., Smith, M., & Long, R. (2002). A reflex resonance model of vocal vibrato. Journal of the Acoustical Society of America, 111(5), 2272–2282.

Titze, I. R. (2008). Nonlinear source-filter coupling in phonation: Theory. Journal of the Acoustical Society of America, 123(5).

Tourville, J. A., & Guenther, F. H. (2011). The DIVA model: A neural theory of speech acquisition and production. Language and Cognitive Processes, 26(7), 952–981.

Yang, X., Xing, S., Zhang, J., Yan, J., & Wu, L. (2026). Neuromuscular Control of CT and LCA Muscles in Human Vocal Pitch and Register Regulation: Insights from sEMG Analysis. IEEE Transactions on Biomedical Engineering.

Zhang, Z. (2025). Application of nonlinear dynamics theory to understanding normal and pathologic voices in humans.

LaDIVA: A neurocomputational model providing laryngeal motor control for speech acquisition and production (2022).

A review of the peripheral proprioceptive apparatus in the larynx (2023).

Estudios anatómicos e histológicos sobre la organización interna del tiroaritenoideo y el vocalis, incluyendo investigaciones sobre arquitectura muscular, tipos de fibra y especialización neuromuscular de la pars interna del TA.