Los oyentes identificaron el 95,4% de las vocales del inglés estadounidense pronunciadas de forma natural en grabaciones de 139 hablantes, frente al 94,4% del clásico conjunto de 76 hablantes de Peterson y Barney (Hillenbrand et al., JASA 2011). Si se reducen esas mismas vocales a una síntesis solo de formantes, la precisión baja al 88,5%; si se reducen a tonos sinusoidales puros que únicamente trazan los formantes, los oyentes sin entrenamiento llegan al 55,0%. La percepción de los formantes también madura despacio: los niños neerlandeses de 6 a 11 años necesitaron en promedio un cambio del 49% en F1 para notarlo, frente al 33% de los adultos (Polsterer et al., JASA Express Letters 2026). Reunimos datos del Journal of the Acoustical Society of America (Peterson y Barney, Hillenbrand, Vorperian, Chung, Chen), del Journal of Phonetics, del Journal of Communication Disorders, del corpus VoxCommunis (LREC 2022) y de un estudio de 2026 de JASA Express Letters. Si llegaste aquí desde nuestro resumen sobre formantes del canto y acústica del belting, esta página cubre el lado del habla: los objetivos vocálicos cotidianos de los hablantes comunes.
Un formante es una resonancia del tracto vocal, una banda de frecuencias que la garganta y la boca amplifican. F1 sube a medida que la mandíbula y la lengua descienden (vocales abiertas), F2 sube cuando la lengua avanza (vocales anteriores) y F3 importa sobre todo para las vocales con coloración de r, como la de ‘heard’. Todas las tablas de abajo usan hercios (Hz), salvo que se indique lo contrario.
TL;DR
- Peterson y Barney grabaron a 76 hablantes (33 hombres, 28 mujeres, 15 niños) diciendo 10 vocales dos veces, 1.520 vocales en total (manual de Praat, tabla de Peterson y Barney 1952).
- Las vocales naturales se identificaron correctamente el 94,4% (Peterson y Barney) y el 95,4% (Hillenbrand) de las veces (Hillenbrand et al., JASA 2011).
- Los formantes medios de las vocales extremas difieren en unos 700 Hz entre conjuntos de datos publicados del inglés estadounidense, en el caso del F2 de /u/ en mujeres (Kent y Vorperian, Journal of Communication Disorders 2018).
- F2 de /i/ en inglés estadounidense: 2146 Hz en hombres, 2570 Hz en mujeres, 2964 Hz en niños de 5 años, 3220 Hz en niños de 2 años (Chung et al., JASA 2012).
- Ya existe una diferencia de F2 entre sexos a los 4 años para /i/ y /u/ (Vorperian et al., JASA 2019).
- Un clasificador de formantes entrenado con un dialecto de EE. UU. bajó del 88,9% al 44,8% de aciertos en otro (Jacewicz y Fox, JASA 2012).
- El movimiento de los formantes dentro de una vocal fue de 477 Hz en hablantes de 51-65 años frente a 380 Hz en hablantes de 21-33 años (Jacewicz, Fox y Salmons, Journal of Phonetics 2011).
- El F1 promedio de [i] y [u] se correlaciona con r = 0,83 en 31 lenguas (Ahn y Chodroff, VoxCommunis, LREC 2022).
- El error medio de F1 por LPC llega a 58 Hz (9%) cuando F0 supera los 300 Hz (Chen, Whalen y Shadle, JASA 2019).
- Incluso fonetistas entrenados midiendo a mano se equivocaron en el F1 sintético entre 32 Hz (8%) y 118 Hz (26%) (Shadle, Nam y Whalen, JASA 2016).
- El umbral de discriminación de F1 de los niños fue, en promedio, una diferencia del 49% en F1, frente al 33% de los adultos (Polsterer et al., JASA Express Letters 2026).
1. Los Conjuntos de Datos de Referencia Detrás de Cada Gráfico de Vocales
Casi todos los gráficos de vocales de un manual de fonética se remontan a tres grabaciones del inglés estadounidense realizadas en 1952, 1995 y 1999. Entre los siete conjuntos de datos del inglés estadounidense comparados en una revisión de 2018, los formantes medios de las vocales extremas difieren en unos 500 Hz en el F2 de /u/ en hombres y en unos 700 Hz en el F2 de /u/ en mujeres (Kent y Vorperian, Journal of Communication Disorders 2018). Una “norma” solo tiene sentido junto con el conjunto de datos, el dialecto y la década de los que procede.
Los conjuntos de referencia también son pequeños para los estándares actuales: decenas de hablantes por grupo, no miles. Las grabaciones y mediciones de Hillenbrand están disponibles públicamente (espejo en GitHub de Hillenbrand et al. 1995, alojado con permiso del autor), de modo que cualquiera puede repetir los análisis clásicos.
| Métrica | Valor | Fuente |
|---|---|---|
| Hablantes y vocales en Peterson y Barney 1952 (palabras hVd como heed, hid, head, had) | 76 hablantes (33 hombres, 28 mujeres, 15 niños); 10 vocales, cada una dicha dos veces; 1.520 vocales grabadas | Manual de Praat, tabla de formantes de Peterson y Barney 1952 |
| Hablantes en Hillenbrand et al. 1995 | 139 (45 hombres, 48 mujeres, 46 niños) | Hillenbrand, Journal of the International Phonetic Association 2003 |
| Observaciones de vocales en estado estable en el conjunto público h95 | 1.668 observaciones; se imputaron 10 valores de F2 y 41 valores de F3 faltantes | Paquete de R phonTools, documentación del conjunto h95 |
| Hablantes en Lee, Potamianos y Narayanan 1999 | 436 niños de 5 a 17 años, más 56 adultos | Lee et al., JASA 1999 (resumen) |
| Hablantes en el conjunto de vocales extremas de desarrollo más reciente de EE. UU. | 190 hablantes con desarrollo típico de 4 a 20 años (97 mujeres, 93 hombres) | Vorperian et al., JASA 2019 |
| Dispersión de los formantes medios de las vocales extremas en 7 conjuntos de datos del inglés estadounidense | Unos 500 Hz (F2 de /u/ en hombres), 400 Hz (F1 de /æ/ en mujeres), 700 Hz (F2 de /u/ en mujeres) | Kent y Vorperian, Journal of Communication Disorders 2018 |
| Área del espacio vocálico masculino adulto: Peterson y Barney frente a varones de 18 años en Lee et al. 1999 | 411,5 kHz² frente a unos 330 kHz² | Kent y Vorperian, Journal of Communication Disorders 2018 |
Nota de contexto: datos más recientes disponibles para los tres conjuntos de referencia: 1952, 1995 y 1999. El área del espacio vocálico es el área del polígono F1-F2 trazado entre las vocales extremas; un área mayor significa vocales más dispersas.
2. Promedios de F1, F2 y F3 en Hombres, Mujeres y Niños
Los tractos vocales más cortos resuenan a frecuencias más altas, por lo que los formantes suben de los hombres a las mujeres y a los niños. Para la vocal /i/ del inglés estadounidense, el F2 medio fue de 3220 Hz en niños de 2 años frente a 2146 Hz en hombres adultos, una diferencia de 1.074 Hz (3220 menos 2146) (Chung et al., JASA 2012). La escala no es uniforme: el F1 de /i/ en niños de 4 años es 1,42 veces el valor masculino adulto, pero su F4 es 1,57 veces, así que la voz de un niño no es simplemente la de un hombre desplazada hacia arriba.
Las filas de Peterson y Barney de abajo son los promedios masculinos “nominales” más reproducidos; los símbolos y las palabras de ejemplo se dan exactamente como los imprime la reproducción. Para quienes desarrollan efectos de voz que cambian la edad o el género percibidos, la conclusión es que el patrón de formantes, y no solo el tono, difiere entre hombres, mujeres y niños.
| Métrica | Valor | Fuente |
|---|---|---|
| Hombres de Peterson y Barney, /i/ como en ‘beet’ (F1 / F2 / F3) | 270 / 2290 / 3010 Hz | Peterson y Barney, JASA 1952, reproducido por Princeton University (COS 325) |
| Hombres de Peterson y Barney, /ae/ como en ‘bat’ (F1 / F2 / F3) | 660 / 1720 / 2410 Hz | Peterson y Barney, JASA 1952 (reproducción de Princeton) |
| Hombres de Peterson y Barney, /a/ como en ‘father’ (F1 / F2 / F3) | 730 / 1090 / 2440 Hz | Peterson y Barney, JASA 1952 (reproducción de Princeton) |
| Hombres de Peterson y Barney, /u/ como en ‘boot’ (F1 / F2 / F3) | 300 / 870 / 2240 Hz | Peterson y Barney, JASA 1952 (reproducción de Princeton) |
| /i/ del inglés estadounidense, hombres adultos frente a mujeres adultas (F1 / F2 / F3) | 370 / 2146 / 2838 Hz frente a 391 / 2570 / 3128 Hz | Chung et al., JASA 2012 |
| /i/ del inglés estadounidense, niños de 5 años frente a niños de 2 años (F1 / F2 / F3) | 439 / 2964 / 3739 Hz frente a 544 / 3220 / 4210 Hz | Chung et al., JASA 2012 |
| Razón de formantes, niños de 4 años frente a hombres adultos | 1,42 (F1 de /i/); 1,57 (F4 de /i/) | Vorperian et al., JASA 2019 |
Nota de contexto: los valores de Peterson y Barney se leyeron de espectrogramas, mientras que los valores de 2012 provienen de un análisis LPC en Praat en el punto medio de la vocal, con 10 hablantes (5 hombres, 5 mujeres) por lengua y grupo de edad. Épocas, herramientas y dialectos distintos significan que los dos conjuntos no son estrictamente comparables (véase la sección 7).
3. Cómo Depende la Precisión de Identificación de los Formantes
Los formantes llevan la mayor parte de la identidad de una vocal, pero no toda. Las vocales naturales alcanzan un 95,4% de identificación, las copias sintetizadas con formantes un 88,5% y las réplicas de ondas sinusoidales solo un 55,0% antes del entrenamiento (Hillenbrand et al., JASA 2011). Una réplica de ondas sinusoidales sustituye cada formante por un único tono puro que sigue su trayectoria de frecuencia, de modo que conserva el patrón de formantes pero descarta la voz. La caída de unos 40 puntos (95,4 menos 55,0) muestra cuánto se apoyan también los oyentes en el resto de la señal.
La variedad de hablantes también cuesta precisión. Cuando los hablantes procedían de dos regiones dialectales distintas de EE. UU. y de tres generaciones, los oyentes cayeron al 80,2% en conjunto (Jacewicz y Fox, JASA 2012).
| Métrica | Valor | Fuente |
|---|---|---|
| Vocales naturales identificadas como se pretendía: Peterson y Barney (10 tipos de vocal, 76 hablantes) frente a Hillenbrand et al. 1995 (12 tipos de vocal, 139 hablantes) | 94,4% frente a 95,4% | Hillenbrand et al., JASA 2011 |
| Versiones sintetizadas con formantes de las vocales de 300 sílabas hVd | 88,5% | Hillenbrand et al., JASA 2011 (citando a Hillenbrand y Nearey 1999) |
| Vocales de ondas sinusoidales, 71 oyentes antes del entrenamiento frente a después de un entrenamiento más extenso (nivel de azar del 8,3%) | 55,0% (rango del 21,3% al 80,7% entre oyentes) frente a 73,5% | Hillenbrand et al., JASA 2011 |
| Identificación de 120 hablantes de dialectos variados (Carolina del Norte y Wisconsin) por 30 oyentes | 80,2% en conjunto, cerca de un 15% menos que Hillenbrand et al. 1995 | Jacewicz y Fox, JASA 2012 |
| Menor cambio perceptible en F1 (diferencia apenas perceptible) en 94 hablantes de neerlandés, niños de 6-11 años frente a adultos de 20-36 años | Diferencia de F1 del 49% frente al 33% (W = 1525, p = 0,001) | Polsterer et al., JASA Express Letters 2026 |
Nota de contexto: en el estudio neerlandés de 2026, el umbral se midió sobre la grabación que cada participante hizo del estímulo del estudio, deur, una palabra neerlandesa que se mantiene aquí en su idioma original. Entre los niños, la edad no predijo de forma significativa el umbral (b = -0,028, p = 0,3).
4. Cambios con la Edad: Cómo los Formantes de los Niños Llegan a las Normas Adultas
Los niños no son adultos en miniatura desde el punto de vista acústico, y los sexos se separan antes de lo que sugiere el tono de voz. En 190 hablantes de 4 a 20 años, ya existía una diferencia de F2 entre sexos a los 4 años para las vocales altas /i/ y /u/ (Vorperian et al., JASA 2019, PDF del autor), años antes de la pubertad. La conclusión de los autores es tajante: “Las propiedades acústicas de las vocales se vuelven distintivas según el sexo mucho antes de la pubertad.”
Para los sistemas automáticos, el habla infantil sigue siendo un blanco móvil hasta bien entrada la adolescencia, un desafío que también se ve en las tasas de error del reconocimiento del habla infantil.
| Métrica | Valor | Fuente |
|---|---|---|
| Diferencia de F2 entre sexos: vocales altas /i/ y /u/ frente a las vocales bajas | Presente a los 4 años para /i/ y /u/; a los 6 y 7 años para las vocales bajas | Vorperian et al., JASA 2019 |
| Edad a la que los datos de formantes alcanzan valores adultos | Unos 16 años en el sexo femenino, unos 20 años en el masculino | Vorperian et al., JASA 2019 |
| Edad a la que las duraciones segmentales convergen a niveles adultos, y el desfase de la variabilidad de f0 y de formantes | Alrededor de los 12 años; la variabilidad de f0 y de formantes puede llegar al rango adulto unos 2 o 3 años después | Lee et al., JASA 1999 |
| Diferenciación entre hablantes masculinos y femeninos, 436 niños | Comienza alrededor de los 11 años, plenamente establecida alrededor de los 15 | Lee et al., JASA 1999 |
| Sobreimpulso acústico antes de estabilizarse en los valores adultos | En algún punto entre los 13 y los 15 años | Lee et al., JASA 1999 |
| Forma del cambio de los formantes vocálicos con la edad en hablantes masculinos | Aproximadamente lineal con la edad | Lee et al., JASA 1999 |
| Edad a la que la producción de vocales alcanza una precisión similar a la adulta | Unos 12 años | Kent y Rountrey, American Journal of Speech-Language Pathology 2020 |
| Rango de frecuencias necesario para captar los cuatro primeros formantes de un niño de 2 años | Poco más de 5 kHz | Kent y Rountrey, American Journal of Speech-Language Pathology 2020 |
Nota de contexto: f0 es la frecuencia fundamental, la tasa de vibración de las cuerdas vocales que se percibe como tono; los formantes los determina el tracto vocal. Ambos se desarrollan en calendarios distintos, por lo que las diferencias de formantes entre niños y niñas pueden aparecer mucho antes que la brecha de tono. Datos normativos de formantes infantiles más recientes disponibles: 2019.
5. Cambios por Dialecto y por Generación
Una norma vocálica es una instantánea de una región en un momento dado. Clopper y colegas señalan que los hablantes de Peterson y Barney “se aproximan más al habla de la costa este estadounidense que al inglés estadounidense general” (Clopper, Pisoni y de Jong, JASA 2005), mientras que los hablantes de Hillenbrand procedían del norte del Medio Oeste. Un clasificador basado en formantes entrenado con padres de Carolina del Norte acertó el 88,9% en su propio conjunto de entrenamiento, pero solo el 44,8% con padres de Wisconsin (Jacewicz y Fox, JASA 2012): al pasar a otro dialecto, su precisión cayó aproximadamente a la mitad.
El cambio también atraviesa generaciones. En 123 mujeres de tres regiones de EE. UU., el movimiento total de los formantes dentro de una vocal (su “longitud de trayectoria”, la distancia que recorren los formantes por el plano F1-F2) fue mayor en el grupo de más edad (Jacewicz, Fox y Salmons, Journal of Phonetics 2011). Las brechas dialectales también aparecen en las máquinas: véase nuestro resumen sobre el sesgo de acento en el reconocimiento del habla.
| Métrica | Valor | Fuente |
|---|---|---|
| Hablantes y mediciones en el estudio dialectal de seis regiones de EE. UU. | 48 hablantes (4 hombres y 4 mujeres de cada una de las 6 regiones); 13.440 mediciones | Clopper, Pisoni y de Jong, JASA 2005 |
| Interacción vocal por dialecto para F1 | F(50,2020) = 10,1, p < 0,001 | Clopper, Pisoni y de Jong, JASA 2005 |
| Identificación por los oyentes de hablantes de su propio dialecto frente al otro dialecto | Oyentes de Carolina del Norte 82,1% frente a 75,8%; oyentes de Wisconsin 83,5% frente a 79,6% | Jacewicz y Fox, JASA 2012 |
| Clasificador entrenado con padres de Carolina del Norte: su propio conjunto de entrenamiento frente a padres de Wisconsin | 88,9% frente a 44,8% | Jacewicz y Fox, JASA 2012 |
| Longitud de la trayectoria de los formantes por región, 123 mujeres | Carolina del Norte 516 Hz, Wisconsin 396 Hz, Ohio 353 Hz | Jacewicz, Fox y Salmons, Journal of Phonetics 2011 |
| Longitud de la trayectoria de los formantes por generación: 51-65 años frente a 37-49 frente a 21-33 | 477 Hz frente a 408 Hz frente a 380 Hz | Jacewicz, Fox y Salmons, Journal of Phonetics 2011 |
| Descenso de /æ/ entre generaciones, Carolina del Norte, posición enfática | F(2, 38)=29,18, p<0,001, η2=0,606 | Jacewicz, Fox y Salmons, Journal of Phonetics 2011 |
Nota de contexto: el grupo de más edad difirió significativamente de los dos grupos más jóvenes en la longitud de la trayectoria, mientras que los dos grupos más jóvenes no difirieron entre sí. Las grabaciones del estudio de tres generaciones se hicieron entre 2006 y 2008.
6. Espacios Vocálicos Entre Lenguas
Las lenguas que comparten un símbolo vocálico no comparten sus formantes. La /u/ masculina adulta tuvo un F2 promedio de 721 Hz en cantonés, 1668 Hz en inglés estadounidense y 1704 Hz en japonés (Chung et al., JASA 2012), de modo que una /u/ escrita igual puede situarse mucho más adelante en la boca en una lengua que en otra. Una herramienta que toma prestadas las normas del inglés para otra lengua hereda ese desajuste.
Los grandes corpus multilingües ya ponen a prueba qué se mantiene constante. En VoxCommunis, los valores medios de F1 por lengua para [i] y [u] se mueven juntos, un patrón llamado uniformidad: una lengua que produce una vocal alta con un F1 más alto tiende a hacer lo mismo con la otra (Ahn y Chodroff, VoxCommunis, LREC 2022). La cobertura sigue siendo desigual, la misma brecha que tratamos en nuestro resumen sobre reconocimiento del habla en lenguas con pocos recursos.
| Métrica | Valor | Fuente |
|---|---|---|
| F2 de /u/ masculina adulta por lengua (5 lenguas, 150 hablantes en total entre niños de 2 años, niños de 5 años y adultos) | Cantonés 721, griego 1011, coreano 1241, inglés 1668, japonés 1704 Hz | Chung et al., JASA 2012 |
| Tamaño del corpus VoxCommunis | 36 lenguas; de 0,24 a 288 horas de habla y de 5 a 3.620 hablantes por lengua | Ahn y Chodroff, LREC 2022 |
| Correlación de F1 entre [i] y [u] entre lenguas | r = 0,83, p < 0,001, 31 lenguas | Ahn y Chodroff, LREC 2022 |
| Correlación de F1 entre [e] y [o] entre lenguas | r = 0,74, p < 0,001, 22 lenguas | Ahn y Chodroff, LREC 2022 |
| Correlación de F2 entre [i] y [a]: VoxCommunis frente al corpus anterior VoxClamantis | r = 0,67 frente a r = 0,06 | Ahn y Chodroff, LREC 2022 |
| Lenguas del UCLA Phonetics Lab Archive alineadas temporalmente para el corpus VoxAngeles | 95 de 314 lenguas | Chodroff et al., VoxAngeles, arXiv 2024 |
Nota de contexto: las correlaciones de VoxCommunis comparan promedios por lengua, no hablantes individuales, y los dos corpus discrepan en algunos pares, por lo que la uniformidad es una tendencia, no una ley.
7. Error de Medición de Formantes Entre Herramientas y Métodos
Las cifras de las secciones 1 a 6 son mediciones, y el error de medición crece con el tono de la voz. En 470.000 vocales sintetizadas, el error medio de F1 por LPC fue de 41 Hz (7%) con F0 de 200-300 Hz y de 58 Hz (9%) por encima de 300 Hz (Chen, Whalen y Shadle, JASA 2019). La LPC (codificación predictiva lineal) es el rastreador de formantes predeterminado en herramientas como Praat; con tonos agudos, sus estimaciones se ven atraídas hacia el armónico vocal más cercano, y por eso los formantes de las mujeres y, sobre todo, de los niños son los menos fiables.
La elección de la herramienta también importa. Una comparación de Praat, WaveSurfer, TF32 y CSL halló que las tres primeras eran precisas y comparables para vocales sintetizadas y vocales masculinas adultas, pero menos satisfactorias para mujeres adultas y niños (Burris et al., Journal of Speech, Language, and Hearing Research 2014).
| Métrica | Valor | Fuente |
|---|---|---|
| Precisión típica de la estimación de formantes por espectrograma y por LPC | Alrededor de f0/4; unos 60 Hz para un niño con una f0 de 250 Hz | Kent y Vorperian 2018 |
| Diferencia absoluta entre mediciones repetidas de formantes en Hillenbrand et al. 1995 | De 12 a 60 Hz | Kent y Vorperian 2018 |
| Error medio de F1 por LPC, vocales sintéticas con F0 de 200-300 Hz frente a más de 300 Hz | 41 Hz (7%) frente a 58 Hz (9%) | Chen, Whalen y Shadle, JASA 2019 |
| Error de F1 por LPC en relación con el valor del formante, por vocal | /u/ 23%, /i/ 18%, /æ/ 10%, /ɑ/ 8% | Chen, Whalen y Shadle, JASA 2019 |
| Área del espacio vocálico medida por LPC con F0 de 234 Hz, como proporción del área real | 85% | Chen, Whalen y Shadle, JASA 2019 |
| Error de medición manual de cuatro fonetistas en vocales sintéticas | 32 Hz (8%) a 118 Hz (26%) | Shadle, Nam y Whalen, JASA 2016 |
| Anchos de banda de formantes del habla natural, obtenidos con cuatro programas de análisis, dentro de ±10% de los valores manuales | Ninguno | Burris et al., JSLHR 2014 |
| Valores de referencia de consenso remedidos tras 3 meses dentro de 50 Hz; valores de referencia descartados por incertidumbre | Alrededor del 80%; alrededor del 15% (sobre todo F3 y F4) | Derdemezis et al., American Journal of Speech-Language Pathology 2016 |
Nota de contexto: Chen y colegas estiman que más de la mitad de la variabilidad de F1 y F2 notificada en la literatura se debe probablemente a la variabilidad de F0 (razones simulado/notificado de 0,76 para F1 y 0,58 para F2), y esperan que los errores en el habla real sean mayores que en sus simulaciones idealizadas. En el estudio de Derdemezis, el techo de formantes predeterminado de Praat, de 5500 Hz, se redujo a 5000 Hz para hombres adultos.
Resumen: Normas de Frecuencia de Formantes Vocálicos en Cifras
| Métrica | Valor | Fuente |
|---|---|---|
| Hablantes en Peterson y Barney 1952 | 76 (33 hombres, 28 mujeres, 15 niños) | Manual de Praat, tabla de Peterson y Barney 1952 |
| Hablantes en Hillenbrand et al. 1995 | 139 (45 hombres, 48 mujeres, 46 niños) | Hillenbrand, Journal of the International Phonetic Association 2003 |
| Dispersión del F2 medio de /u/ en mujeres entre 7 conjuntos de datos del inglés estadounidense | Unos 700 Hz | Kent y Vorperian 2018 |
| Hombres de Peterson y Barney, /i/ (F1 / F2 / F3) | 270 / 2290 / 3010 Hz | Peterson y Barney, JASA 1952 (reproducción de Princeton) |
| F2 de /i/ en inglés estadounidense: hombres, mujeres, niños de 5 años, niños de 2 años | 2146, 2570, 2964, 3220 Hz | Chung et al., JASA 2012 |
| Identificación de vocales naturales, Peterson y Barney frente a Hillenbrand | 94,4% frente a 95,4% | Hillenbrand et al., JASA 2011 |
| Diferencia apenas perceptible de F1, niños frente a adultos | 49% frente a 33% | Polsterer et al., JASA Express Letters 2026 |
| Edad de la primera diferencia de F2 entre sexos para /i/ y /u/ | 4 años | Vorperian et al., JASA 2019 |
| Diferenciación entre hablantes masculinos y femeninos, inicio frente a plenamente establecida | Alrededor de los 11 años frente a alrededor de los 15 | Lee et al., JASA 1999 |
| Hablantes en el estudio dialectal de seis regiones de EE. UU. | 48 | Clopper, Pisoni y de Jong, JASA 2005 |
| Precisión del clasificador entre dialectos, dialecto propio frente a otro dialecto | 88,9% frente a 44,8% | Jacewicz y Fox, JASA 2012 |
| Longitud de la trayectoria de los formantes, generación mayor frente a la más joven | 477 Hz frente a 380 Hz | Jacewicz, Fox y Salmons, Journal of Phonetics 2011 |
| Correlación de F1 de [i] y [u] en 31 lenguas | r = 0,83 | Ahn y Chodroff, LREC 2022 |
| Lenguas del archivo de UCLA alineadas temporalmente en VoxAngeles | 95 de 314 | Chodroff et al., arXiv 2024 |
| Error medio de F1 por LPC con F0 superior a 300 Hz | 58 Hz (9%) | Chen, Whalen y Shadle, JASA 2019 |
| Error de medición manual de F1 en vocales sintéticas | 32 Hz (8%) a 118 Hz (26%) | Shadle, Nam y Whalen, JASA 2016 |
| Valores de referencia descartados por incertidumbre en una comparación de cuatro programas | Alrededor del 15% | Derdemezis et al., AJSLP 2016 |
Metodología y Fuentes
Realizamos búsquedas dirigidas en seis frentes (conjuntos de datos de referencia, normas por sexo y edad, precisión de identificación, dialecto, datos entre lenguas, error de medición) y conservamos solo las cifras que leímos en el artículo primario, en un resumen oficial o en una reproducción identificada. Cuando una página era de difícil acceso, la leímos a través de un proxy de texto, pero enlazamos el original.
- Peterson y Barney, JASA 1952, promedios masculinos nominales reproducidos por Princeton University (COS 325), de P. R. Cook (ed.), Music, Cognition, and Computerized Sound, MIT Press 1999.
- Manual de Praat: tabla de formantes de Peterson y Barney 1952 (número de hablantes y lista de vocales).
- Hillenbrand, American English: Southern Michigan, Journal of the International Phonetic Association 2003.
- Archivos de datos de Hillenbrand et al. 1995, espejo en GitHub y documentación del conjunto h95 de phonTools.
- Hillenbrand et al., Perception of sinewave vowels, JASA 2011.
- Kent y Vorperian, Static measurements of vowel formant frequencies and bandwidths: A review, Journal of Communication Disorders 2018.
- Lee, Potamianos y Narayanan, Acoustics of children’s speech, JASA 1999 (resumen).
- Vorperian et al., Corner vowels in males and females ages 4 to 20 years, JASA 2019.
- Kent y Rountrey, What acoustic studies tell us about vowels in developing and disordered speech, AJSLP 2020.
- Polsterer et al., Auditory acuity to vowels is more refined in adulthood compared to childhood, JASA Express Letters 2026.
- Clopper, Pisoni y de Jong, Acoustic characteristics of the vowel systems of six regional varieties of American English, JASA 2005.
- Jacewicz y Fox, Effects of cross-generational and cross-dialectal variation on vowel identification and classification, JASA 2012.
- Jacewicz, Fox y Salmons, Vowel change across three age groups of speakers in three regional varieties of American English, Journal of Phonetics 2011.
- Chung et al., Cross-linguistic studies of children’s and adults’ vowel spaces, JASA 2012.
- Ahn y Chodroff, VoxCommunis: A Corpus for Cross-linguistic Phonetic Analysis, LREC 2022.
- Chodroff et al., Phonetic Segmentation of the UCLA Phonetics Lab Archive (VoxAngeles), arXiv 2024.
- Chen, Whalen y Shadle, F0-induced formant measurement errors result in biased variabilities, JASA 2019.
- Shadle, Nam y Whalen, Comparing measurement errors for formants in synthetic and natural vowels, JASA 2016.
- Burris et al., Quantitative and descriptive comparison of four acoustic analysis systems: vowel measurements, JSLHR 2014.
- Derdemezis et al., Optimizing vowel formant measurements in four acoustic analysis systems for diverse speaker groups, AJSLP 2016.
- Nota sobre los datos: la tasa de identificación de Hillenbrand et al. 1995 aparece como 95,4% en Hillenbrand et al. 2011, pero como 95,8% en la columna de comparación de Jacewicz y Fox 2012 (Tabla III); citamos 95,4%. Las fuentes también discrepan en el momento: Vorperian et al. 2019 encuentran diferencias de formantes entre sexos desde los 4 años y diferencias de f0 desde los 7, la revisión de Kent y Vorperian cita datos anteriores que sitúan las diferencias de f0 a los 10 u 11, y Lee et al. 1999 sitúan el inicio de la diferenciación entre masculino y femenino alrededor de los 11 años; los estudios usaron edades, vocales y medidas distintas. Los valores por vocal de Peterson y Barney proceden de una reproducción, no del artículo de 1952 en sí, y solo tuvimos acceso a los promedios masculinos, así que aquí no se citan los promedios femeninos e infantiles de la tabla original. La mayoría de las normas centrales de este resumen tienen décadas, y no pudimos verificar un nuevo conjunto normativo grande de vocales del inglés estadounidense publicado en 2025 o 2026. Los valores de distintos estudios usaron herramientas y configuraciones diferentes (véase la sección 7), así que las diferencias de unas pocas decenas de hercios entre estudios no deben leerse como diferencias reales del habla.
Última actualización: 8 de noviembre de 2026. Actualizamos este resumen trimestralmente, y la próxima actualización se espera cuando se publique la próxima versión del corpus VoxCommunis.