Los rasgos generales de la percepción del habla son:
- Rapidez. Un experto en código Morse alcanza velocidades de desciframiento a lo sumo 10 veces más lentas que cuando escucha una conversación. La velocidad más rápida a la que es posible identificar por separado unidades discretas de cualquier clase de sonido se sitúa en torno a las 7-9 unidades por segundo, y más allá de esa velocidad los sonidos se funden en un zumbido. Sin embargo, es posible identificar sin problemas los sonidos del habla a razón de 20-30 unidades por segundo y aún más.
- Robusta. Muy resistente al ruido y a la degradación de la señal (“Recorte” de los picos del habla).
- Compleja. Flexible y adaptativa a la extrema variabilidad de la señal acústica.
- Automática. Sin apenas esfuerzo ni participación de la conciencia.
- Mayor resolución temporal
- Diferencias entre discriminación e identificación
- Ausencia de invarianza. La variabilidad del habla intrasujeto es prácticamente tan amplia como la variabilidad intersujeto. Lavoz y la forma de pronunciar pueden cambiar de unas situaciones a otras, tanto involuntaria como deliberadamente. Así, por ejemplo, las ondas que suenan /a/ han de tener algo en común que no tienen las ondas que suenan /e/. Ese algo común es lo que el sistema perceptivo sabe capturar sin caer en error.
En el dominio auditivo sucede algo semejante, está demostrado que cualquier persona puede discriminar entre unos 350.000 tonos puros distintos, pero sólo identifica unos pocos de ellos. Sin embargo, la percepción del habla sigue una pauta distinta, resulta peor la discriminación que en identificación.
Existen sonidos fonéticos, particularmente las consonantes oclusivas, difíciles de discriminar entre sí cuando pertenecen a la misma categoría aunque sean físicamente distintas.