Credo che si possano indentificare almeno due fattori distinti, uno strettamente anatomico, l’altro risultato di interazione tra fattori biologici e culturali.
A livello morfologico la caratterizzazione della voce è influenzata dall’interazione tra l’apparato di fonazione (corde vocali e strutture correlate), le componenti facciali, e una serie di parametri fisiologici soprattutto associati alle dimensioni corporee. La diversità puó sorgere tanto nel tipo di frequenze prodotte quanto nei successivi filtri che le strutture anatomiche esercitano sulle frequenze.
A livello geografico le differenze morfologiche tra popolazioni possono essere molto marcate, tanto nei tessuti molli (muscoli), quanto in quelli duri (sistema scheletrico). È quindi possibile che questo fattore abbia un certo peso nel generare la variabilità vocale dei gruppi umani. Il secondo fattore, piú difficile da considerare, riguarda l’influenza di un determinato idioma sulle strutture anatomiche. È chiaro che ogni idioma, con le sue specifiche caratteristiche fonetiche, utilizza differentemente le varie “combinazioni” muscolari e nervose che sono all’origine della produzione vocale. L’assenza o la presenza (o una maggior o minor frequenza) di certe combinazioni influenzeranno lo sviluppo relativo delle combinazioni muscolari e nervose ad esse associate. Se questo puó avere un’importanza nelle fasi adulte, ce l’ha sicuramente di più in quelle infantili.
Potremmo quindi dire che l’anatomia influenza il linguaggio, e il linguaggio influenza l’anatomia, in un’integrazione tipicamente umana e super-organica nella quale la variabilità biologica (razziale) e quella culturale (etnica) interagiscono spostando i processi di variazione da un livello prettamente genetico a un livello storico, sicuramente più complesso, e probabilmente più affascinante.
Un discorso a parte meriterebbe l’altra faccia della medaglia: per una fonte che emette ce ne è una che riceve, e le stesse ipotesi sulla variabilità vocale si potrebbero discutere (forse con qualche difficoltà in più) in termini di variabilità nelle caratteristiche di ricezione ed elaborazione uditiva.