Come riportato nella rassegna di studi in Sorianello (1996: 125), il fenomeno dell’aspirazione ha ricevuto nel corso degli anni diverse interpretazioni. Una delle prime descrizioni, riportata in Fant (1973: 112), vedeva l’aspirazione come una
“breathy release of a voiceless consonant”, ponendo l’accento su come nelle occlusive aspirate ci fosse la presenza di un soffio d’aria subito dopo il rilascio.
Per altri invece il fenomeno è descritto come un ritardo nel tempo d’attacco della sonorità, per cui fra il rilascio della consonante e l’attacco delle vibrazioni del suono sonoro successivo trascorre un intervallo di tempo maggiore rispetto alle occlusive sorde non aspirate. L’idea, risalente al noto lavoro di Lisker & Abramson (1964), era di trovare un corrispettivo acustico correlato alla variazione temporale nell’assetto glottidale, permettendo così la distinzione dei modi di articolazione delle occlusive omorganiche sorde, aspirate e non aspirate. Gli autori proposero quindi di introdurre il termine Voice Onset Time (VOT, in italiano “tempo di attacco della sonorità”), definito come la relazione temporale che intercorre tra il rilascio della consonante occlusiva e l’onset delle pulsazioni glottidali necessarie per l’articolazione di un suono sonoro. Attraverso l’analisi di undici lingue che oppongono da due a quattro categorie di occlusive (dalle due dell’inglese americano, che oppone occlusive sorde aspirate e non aspirate, alle tre del thai, che oppone occlusive sonore, sorde aspirate e non aspirate, fino alle quattro del marathi, che ha sia per le sorde sia per le sonore la controparte aspirata), gli autori individuano tre gruppi distinti dai valori del VOT:
1. occlusive con VOT negativo (voicing lead VOT), vale a dire le occlusive sonore, nelle quali le vibrazioni delle pliche vocali cominciano prima del rilascio. Secondo Lisker & Abramson (1964) i valori dedotti dall’analisi delle undici lingue prese in esame si distribuiscono attorno a -100 ms;
2. occlusive con VOT positivo breve (short lag VOT), per cui le vibrazioni del suono sonoro successivo cominciano subito dopo il rilascio. Dalle lingue in esame i valori si attestano attorno a +10 ms e corrispondono generalmente alla classe delle occlusive sorde non aspirate;
3. occlusive con VOT positivo lungo (long lag VOT), per cui intercorre un intervallo di tempo maggiore fra il rilascio della consonante e la vibrazione delle pliche
vocali. I valori riscontrati si attestano attorno a +75 ms e corrispondono alla classe delle occlusive sorde aspirate.
Per quanto riguarda le occlusive sorde con VOT positivo long lag, la tendenza più diffusa negli studi di fonetica è di avere come riferimento la classificazione proposta da Cho & Ladefoged (1999) e considerare come aspirate le occlusive con durate di VOT superiori a 30 ms: lo studio è condotto sulle velari di 18 lingue, le quali sono classificate come i) occlusive non aspirate, con valori di VOT intorno ai 20-30 ms ii) occlusive leggermente aspirate (30-60 ms) iii) occlusive aspirate (60-100 ms) iiii) occlusive fortemente aspirate (oltre i 100 ms). La durata è considerata in termini assoluti, poiché le consonanti erano in contesto iniziale di enunciato.
Come ricordato in Abramson (1977), il concetto di VOT rifletteva l’idea di ottenere un parametro acustico che fosse manifestazione del fenomeno più generale relativo alla coordinazione temporale dei movimenti laringei. Questo però non implicava per gli autori il sopprimere eventuali altri fattori a governo delle distinzioni nei modi di fonazione delle occlusive. I dati di alcuni esperimenti percettivi in cui si notava come spesso i valori del VOT si sovrapponessero fra diverse classi conducevano gli autori a concludere come fosse necessario indagare anche le altre dimensioni che entravano in gioco nel distinguere le diverse categorie di occlusive (Abramson & Lisker 1972).
Ai meccanismi articolatori dell’aspirazione si è applicato anche Ladefoged (1971). Successivamente, diversi studiosi si sono occupati di alcuni problemi posti soprattutto da lingue nelle quali non vi è solo un’opposizione fonemica tra occlusive sorde aspirate, non aspirate e sonore, bensì anche inventari fonemici più complessi (come ad esempio il coreano, ove le occlusive sono solo sorde e possono essere realizzate come fono di tipo lenis, fortis aspirato; Cho, Jun & Ladefoged 2002). L’osservazione di alcuni studiosi (Kim 1965, Hardcastle 1973, ma cf. Cho, Jun & Ladefoged per una più ampia panoramica) per cui il VOT da solo non è sufficiente per spiegare le opposizioni fonemiche tra tali tre tipi di occlusive ha dato il via a una
serie di studi mirati a giustificare questa distinzione dal punto di vista non solo acustico, ma anche articolatorio.
Come riportato in Cho, Jun & Ladefoged (2002), le prime prove cineradiografiche sulla natura dell’aspirazione sono in Kim (1970), il quale dimostra come l’apertura glottidale sia più ampia per le aspirate, intermedia per le lenes e più ridotta per le fortes, deducendo quindi come il grado di aspirazione sia correlato proporzionalmente al grado di apertura glottidale. In seguito, Hirose, Lee & Ushijima (1974) mostrano attraverso uno studio elettromiografico (EMG) come la differenza tra le tre classi di occlusive del coreano non sia solo associata alle dimensioni di apertura della glottide, ma anche all’attività muscolare della laringe. Gli autori riscontrano per le occlusive di tipo fortis un incremento brusco nell’attività tiroaritenoidea subito prima del rilascio, che probabilmente provoca una maggiore tensione delle pliche vocali e una costrizione glottidale durante o subito dopo il rilascio. Nelle aspirate invece l’attività dei muscoli adduttori della laringe è soppressa immediatamente dopo il rilascio; tale soppressione è seguita da un forte aumento nell’attività dei muscoli adduttori in corrispondenza dell’inizio del suono seguente, generato dal movimento delle pliche per assestarsi nella posizione di sonorità.
Ladefoged & Maddieson (1996: 69) evidenziano come, sulla base delle teorie sovraesposte, si possano avere due principali significati associati al termine aspirazione. Da un lato, se si considera l’aspirazione come il punto finale del continuum delle aperture glottidali, si porrà l’attenzione soltanto sul meccanismo laringeo; d’altro canto, se si interpreta l’aspirazione come un periodo di assenza di sonorità dopo il rilascio di un’occlusiva prima che le corde vocali inizino a vibrare, si porrà l’attenzione solo sugli aspetti del coordinamento temporale. Più corretto è invece considerare il fenomeno come un’interazione tra più fattori: come visto, la differenza fra un’occlusiva sorda non aspirata e la sua controparte aspirata non sta solo nella coordinazione temporale fra raggiungimento della massima apertura glottidale e rilascio dell’occlusiva, ma anche nell’ampiezza maggiore dell’apertura glottidale
stessa, definita da Catford (1988: 59) di tipo breathy, e in diverse attività muscolari a livello tiroaritenoideo.
Una proposta recente che fa tesoro di questo insieme di conoscenze considera l’aspirazione come il risultato della coordinazione relativa tra chiusura glottidale e quella sovraglottidale (Nance & Stuart-Smith, 2013).
6.3 I correlati acustici dell’aspirazione