Los modelos de Reconocimiento Automático del Habla (ASR) basados en Aprendizaje Profundo son muy exitosos, pero difíciles de interpretar. Para obtener una mejor comprensión de cómo las Redes Neuronales Artificiales (ANNs) logran sus tareas, se han propuesto varios métodos de introspección. Sin embargo, las técnicas de introspección establecidas están mayormente diseñadas para tareas de visión por computadora y dependen de que los datos sean visualmente interpretables, lo que limita su utilidad para comprender los modelos de reconocimiento del habla. Para superar esta limitación, desarrollamos una novedosa técnica inspirada en la neurociencia para visualizar y comprender ANNs, llamada Perfiles de Activación de Neuronas Ajustados por Saliencia (SNAPs). SNAPs es un marco flexible para analizar y visualizar Redes Neuronales Profundas que no depende de datos visualmente interpretables. En este trabajo, demostramos cómo utilizar SNAPs para comprender modelos ASR completamente convolucionales. Esto incluye la visualización de conceptos acústicos aprendidos por el modelo y el análisis comparativo de sus representaciones en las capas del modelo.