Fundamentación. Al interactuar con los bebés, los adultos les brindan una suerte de performance multimedial donde habla, canto, movimiento, contacto físico y contacto visual se entrelazan en un complejo estimular cuyo propósito radica en concitar su interés y regular el intercambio emocional. Asimismo, pareciera que mediante la actuación espontánea, los adultos introducen tempranamente –por medio de canciones, cantilenas y de un tipo de habla conocida como babytalk– rasgos y formas de la cultura. El complejo estimular ofrecido se organiza temporalmente de acuerdo a las contingencias de la comunicación intersubjetiva, en frases de sonido y movimiento, las cuales fluyen en la alternancia de turnos o se solapan con las respuestas del bebé. En estudios anteriores se analizó la composición de estos rasgos en el habla que un adulto ofrecía a un infante y se encontró que la misma se organizaba en el tiempo de acuerdo a ciertas pautas que regulan la organización de la forma musical en expresiones de la cultura musical adulta. Objetivos. Avanzar en el estudio de la composición de sonido y movimiento del adulto en la parentalidad intuitiva. Para ello se propone - analizar actuaciones espontáneas “habladas” y “cantadas” en una misma díada adulto-bebé; -compararlas identificando similitudes y/o diferencias en el modo en que sonido y movimiento se componen en el tiempo;-establecer relaciones entre las formas temporales encontradas y las formas musicales de la cultura adulta. Método. (1) Se seleccionaron dos escenas de interacción espontánea de una misma díada: una con deliberada actuación musical (inclusión de canciones, cantilenas, etc., es decir, haciendo un uso consciente de la voz cantada) y otra sin uso deliberado de la voz cantada. Las escenas corresponden, respectivamente, a los 7.5 y 6.5 meses de edad del bebé. (2) Se segmentaron ambas escenas en unidades significativas y se realizó el microanálisis de la composición de sonido y movimiento en el habla y el canto con la ayuda del programa de análisis de movimiento Anvil 4.7.7, el editor de sonido Sound Forge 9.0 y el editor fonético Praat 4.5.16. Resultados. Los resultados se encuentran en fase de procesamiento. Observaciones preliminares anticipan diferencias en la composición del complejo estimular sonido-movimiento en la escena cantada con respecto a lo que ocurre en la escena hablada. En el primero se observa una composición en apariencia más estricta, con acuerdo fuerte a la organización de las jerarquías métricas y formales de la música. En tanto que en la segunda, la modalidad del habla da cuenta de un uso más rico de recursos vocales expresivos y una evolución temporal discursiva diferente. Discusión. Se discutirán los resultados en relación con la “paradoja” que emerge de la comparación entre ambas escenas, por un lado, que los rasgos que describen a la ejecución musical expresiva (en nuestra cultura) son más afines a los que aparecen en la escena “hablada” que a los que surgen de la escena “cantada” y, por el otro, que la función que cumplen algunos contenidos de la cultura (el rol del juego musical estructurado) se refleja en una organización diferente de la composición de sonido y movimiento al servicio de la regulación del intercambio intersubjetivo.