Warum verzerrte Sprache deutlicher klingt, wenn man die Worte kennt

Kennen Sie das Gefühl, wenn Ihnen jemand eine verzerrte Sprachnachricht über WhatsApp oder eine andere App schickt? Oft klingt es wie Kauderwelsch oder bloßes Rauschen. Man erhöht die Lautstärke oder spielt die Nachricht mehrfach ab, doch die Worte bleiben unverständlich.

Wenn die Person Ihnen jedoch zusätzlich den Text schickt oder die Nachricht in besserer Qualität erneut aufnimmt, ergibt die zuvor verzerrte Aufnahme plötzlich Sinn.

Zwischen den Wiedergaben wurde kein einziges Byte verändert, und die Schallwellen waren völlig identisch. Indem Sie sich jedoch vorab mit dem Inhalt vertraut gemacht haben, hat Ihr Gehirn ein völlig neues Wahrnehmungserlebnis konstruiert.

Was in verzerrter Sprache überlebt

In der Sprachwahrnehmungsforschung wird verzerrte Sprache häufig durch Noise-Vocoding erzeugt—ein Verfahren, das feine Frequenzdetails entfernt und durch Rauschbänder ersetzt. Dadurch verliert die Stimme ihre gewohnte Tonhöhe und Klangfarbe.

Das Verfahren lässt jedoch die zeitliche Umhüllende („Envelope“) des Signals intakt: den Gesamtrhythmus, die Kadenz, Pausen und rasche Lautstärkeänderungen. Dieses Signal liefert dem Gehör zwar akustische Hinweise, diese bleiben jedoch viel zu mehrdeutig für einen eindeutigen Satz. Die verbleibenden Muster könnten zu hunderten verschiedenen Sätzen passen, sodass das Gehirn Sprache nicht von Rauschen unterscheiden kann.

Information statt bloßer Wiederholung

Das zwei- oder mehrfache Hören derselben Aufnahme kann das Verstehen zwar leicht verbessern, wie Experimente zeigen, dieser Effekt ist jedoch relativ gering ^{[1, 2]}.

Der entscheidende Unterschied entsteht erst, wenn der Hörer den passenden Hinweis erhält.

Andrew Corcoran und Kollegen testeten dies, indem sie Probanden verschiedene Texte zeigten, bevor diese die verzerrte Sprache erneut hörten ^[2]. Einige sahen den exakten Satz, andere einen falschen Satz oder eine neutrale Zeichenkette.

Die Versuchspersonen berichteten die höchste Klarheit, wenn der Text exakt zur Aufnahme passte ^[2]. Ein falscher Satz führte nicht zu diesem Effekt.

Das Wissen um irgendeinen Text reicht also nicht aus. Die verzerrte Aufnahme muss noch akustische Spuren enthalten, die zum Hinweis passen. Der Text erleichtert das Erkennen dieser Spuren, kann aber ein fremdes Signal nicht in jeden beliebigen Satz verwandeln.

Was passiert im Gehirn?

Es gibt jedoch eine weitere Möglichkeit: Vielleicht wird das Signal selbst gar nicht deutlicher, sondern die Probanden wissen nach dem Lesen des Textes lediglich, welche Antwort erwartet wird.

Forscher haben diese Möglichkeiten getrennt, indem sie die Gehirnaktivität während des Hörens gemessen haben.

Experimente mit MEG und EEG zeigten, dass geschriebene Text-Hinweise die neuronalen Antworten während der Verarbeitung verzerrter Sprache rasch verändern, einschließlich der Antworten in auditiven Gehirnregionen ^[3].

Christopher Holdgraf und Kollegen gingen noch einen Schritt weiter und zeichneten die Aktivität von chirurgischen Patienten direkt von der Hirnrinde mittels ECoG-Elektroden auf ^[1]. Die Patienten hörten verzerrte Sätze, danach die klare Version und schließlich erneut die verzerrte Aufnahme.

Die neuronale Antwort auf die verzerrte Sprache veränderte sich, sobald der Satz bekannt war ^[1].

Dies erklärt zwar nicht jeden Einzelschritt der Sprachverarbeitung, zeigt aber eindeutig, dass der Unterschied nicht erst bei der nachträglichen Antwort entsteht. Das identische Signal wird vom Gehirn anders verarbeitet, sobald sein Inhalt bekannt ist.

Es gibt Grenzen

Das Wissen um den Satz kann nicht jede schlechte Aufnahme retten. Es müssen verwertbare akustische Informationen im Signal verbleiben.

Wäre die Sprachaufnahme zu reinem Rauschen ohne jede zeitliche Struktur reduziert, würde das Lesen eines Textes keine Worte in das Rauschen zaubern. Der Effekt funktioniert nur, weil verzerrte Sprache Fragmente des ursprünglichen akustischen Musters bewahrt.

Er funktioniert auch nicht bei jedem Menschen oder jeder Aufnahme gleich gut. Hörvermögen, Sprachkenntnisse, Aufmerksamkeit und der Grad der Signalverzerrung beeinflussen, wie leicht Worte erkennbar werden ^{[1, 2]}.

Dies führt uns zurück zur verblüffenden Beobachtung: Sie hören eine Aufnahme und nehmen zunächst nur Rauschen wahr. Wenige Augenblicke später, nachdem Sie den Text erfahren haben, hören Sie dieselbe Datei erneut und erkennen plötzlich Sprache, die physikalisch die ganze Zeit vorhanden war.

Das Audio wurde nicht deutlicher. Sie sind lediglich in der Lage, das bereits Vorhandene zu nutzen.