Esta sección nos permitirá abordar la explicación de por qué en un recinto muy "vivo" la palabra resulta ininteligible.
Al emitir un mensaje oral, la duración de las vocales y su correspondiente nivel de presión sonora es mayor que el de las consonantes.
Además, el contenido frecuencial de las vocales es más rico en bajas frecuencias, en tanto que las consonantes presentan un mayor contenido de altas frecuencias.
En una sala con un tiempo de reverberación alto, el decaimiento energético de una vocal emitida en la misma es apreciablemente más lento que su decaimiento propio (aquel que se observaría si la vocal se emitiese en el espacio libre). Tal hecho, junto con la mayor duración y nivel comentados anteriormente, provoca un solapamiento temporal de la vocal con la con sonante emitida inmediatamente después, según se observa en la figura.
La simultaneidad temporal de la vocal y de la consonante con sus correspondientes niveles, así como las características espectrales de ambos sonidos, son las causantes del enmascaramiento parcial o total de la consonante, producido por la vocal (un tono de baja frecuencia y nivel elevado enmascara otro tono de frecuencia más elevada y nivel inferior).
Finalmente, como quiera que el grado de inteligibilidad está estrechamente ligado a la correcta percepción de las consonantes por su importante contenido de altas frecuencias, el enmascaramiento de las mismas debido a un exceso de reverberación provoca indefectiblemente una pérdida de inteligibilidad en la sala.
