Les auditeurs ont identifié 95,4% des voyelles de l’anglais américain prononcées naturellement dans des enregistrements de 139 locuteurs, contre 94,4% dans le jeu classique de Peterson et Barney avec 76 locuteurs (Hillenbrand et al., JASA 2011). Réduisez les mêmes voyelles à une synthèse par formants seule et la précision tombe à 88,5% ; réduisez-les à de purs sons sinusoïdaux qui ne font que suivre les formants et des auditeurs non entraînés atteignent 55,0%. La perception des formants mûrit aussi lentement : des enfants néerlandais de 6 à 11 ans avaient besoin en moyenne d’une variation de 49% de F1 avant de la remarquer, contre 33% pour les adultes (Polsterer et al., JASA Express Letters 2026). Nous avons agrégé des données du Journal of the Acoustical Society of America (Peterson et Barney, Hillenbrand, Vorperian, Chung, Chen), du Journal of Phonetics, du Journal of Communication Disorders, du corpus VoxCommunis (LREC 2022) et d’une étude de 2026 du JASA Express Letters. Si vous venez de notre panorama sur le formant du chanteur et l’acoustique du belting, cette page traite du versant parlé : les cibles vocaliques quotidiennes des locuteurs ordinaires.
Un formant est une résonance du conduit vocal, une bande de fréquences que la gorge et la bouche amplifient. F1 monte quand la mâchoire et la langue s’abaissent (voyelles ouvertes), F2 monte quand la langue avance (voyelles antérieures), et F3 compte surtout pour les voyelles rhotacisées comme celle de ‘heard’. Tous les tableaux ci-dessous utilisent le hertz (Hz) sauf indication contraire.
TL;DR
- Peterson et Barney ont enregistré 76 locuteurs (33 hommes, 28 femmes, 15 enfants) disant 10 voyelles deux fois, soit 1 520 voyelles au total (manuel de Praat, tableau Peterson et Barney 1952).
- Les voyelles naturelles ont été correctement identifiées dans 94,4% (Peterson et Barney) et 95,4% (Hillenbrand) des cas (Hillenbrand et al., JASA 2011).
- Les formants moyens des voyelles cardinales diffèrent d’environ 700 Hz entre les jeux de données publiés d’anglais américain pour le F2 de /u/ chez les femmes (Kent et Vorperian, Journal of Communication Disorders 2018).
- F2 de /i/ en anglais américain : 2146 Hz chez les hommes, 2570 Hz chez les femmes, 2964 Hz chez les enfants de 5 ans, 3220 Hz chez les enfants de 2 ans (Chung et al., JASA 2012).
- Une différence de F2 entre les sexes existe déjà à 4 ans pour /i/ et /u/ (Vorperian et al., JASA 2019).
- Un classifieur de formants entraîné sur un dialecte américain est passé de 88,9% à 44,8% de réussite sur un autre (Jacewicz et Fox, JASA 2012).
- Le mouvement des formants à l’intérieur d’une voyelle était de 477 Hz chez les locuteurs de 51-65 ans contre 380 Hz chez ceux de 21-33 ans (Jacewicz, Fox et Salmons, Journal of Phonetics 2011).
- Le F1 moyen de [i] et de [u] est corrélé à r = 0,83 sur 31 langues (Ahn et Chodroff, VoxCommunis, LREC 2022).
- L’erreur moyenne de F1 par LPC atteint 58 Hz (9%) lorsque la F0 dépasse 300 Hz (Chen, Whalen et Shadle, JASA 2019).
- Même des phonéticiens entraînés mesurant à la main ont manqué le F1 synthétique de 32 Hz (8%) à 118 Hz (26%) (Shadle, Nam et Whalen, JASA 2016).
- Le seuil de discrimination de F1 des enfants était en moyenne une différence de 49% de F1, contre 33% pour les adultes (Polsterer et al., JASA Express Letters 2026).
1. Les jeux de données de référence derrière chaque diagramme vocalique
Presque tous les diagrammes vocaliques des manuels de phonétique remontent à trois enregistrements d’anglais américain réalisés en 1952, 1995 et 1999. Sur les sept jeux de données d’anglais américain comparés dans une revue de 2018, les formants moyens des voyelles cardinales diffèrent d’environ 500 Hz pour le F2 de /u/ chez les hommes et d’environ 700 Hz pour le F2 de /u/ chez les femmes (Kent et Vorperian, Journal of Communication Disorders 2018). Une « norme » n’a de sens qu’avec le jeu de données, le dialecte et la décennie dont elle provient.
Les jeux de référence sont aussi petits selon les standards actuels : des dizaines de locuteurs par groupe, pas des milliers. Les enregistrements et mesures de Hillenbrand sont publics (miroir GitHub de Hillenbrand et al. 1995, hébergé avec l’autorisation de l’auteur), si bien que chacun peut relancer les analyses classiques.
| Métrique | Valeur | Source |
|---|---|---|
| Locuteurs et voyelles dans Peterson et Barney 1952 (mots hVd comme heed, hid, head, had) | 76 locuteurs (33 hommes, 28 femmes, 15 enfants) ; 10 voyelles, chacune dite deux fois ; 1 520 voyelles enregistrées | Manuel de Praat, tableau des formants de Peterson et Barney 1952 |
| Locuteurs dans Hillenbrand et al. 1995 | 139 (45 hommes, 48 femmes, 46 enfants) | Hillenbrand, Journal of the International Phonetic Association 2003 |
| Observations de voyelles en état stable dans le jeu de données public h95 | 1 668 observations ; 10 valeurs de F2 et 41 valeurs de F3 manquantes imputées | Paquet R phonTools, documentation du jeu de données h95 |
| Locuteurs dans Lee, Potamianos et Narayanan 1999 | 436 enfants de 5 à 17 ans, plus 56 adultes | Lee et al., JASA 1999 (résumé) |
| Locuteurs dans le plus récent jeu de données développemental américain de voyelles cardinales | 190 locuteurs à développement typique de 4 à 20 ans (97 femmes, 93 hommes) | Vorperian et al., JASA 2019 |
| Dispersion des formants moyens des voyelles cardinales sur 7 jeux de données d’anglais américain | Environ 500 Hz (F2 de /u/ chez les hommes), 400 Hz (F1 de /æ/ chez les femmes), 700 Hz (F2 de /u/ chez les femmes) | Kent et Vorperian, Journal of Communication Disorders 2018 |
| Aire de l’espace vocalique des hommes adultes : Peterson et Barney contre les garçons de 18 ans de Lee et al. 1999 | 411,5 kHz² contre environ 330 kHz² | Kent et Vorperian, Journal of Communication Disorders 2018 |
Note de contexte : données les plus récentes disponibles pour les trois jeux de référence : 1952, 1995 et 1999. L’aire de l’espace vocalique désigne la surface du polygone F1-F2 tracé entre les voyelles cardinales ; une aire plus grande signifie des voyelles plus dispersées.
2. Moyennes de F1, F2 et F3 pour les hommes, les femmes et les enfants
Les conduits vocaux plus courts résonnent plus haut, si bien que les formants montent des hommes aux femmes puis aux enfants. Pour la voyelle /i/ de l’anglais américain, le F2 moyen était de 3220 Hz chez les enfants de 2 ans contre 2146 Hz chez les hommes adultes, soit un écart de 1 074 Hz (3220 moins 2146) (Chung et al., JASA 2012). La mise à l’échelle n’est pas uniforme : le F1 de /i/ chez les garçons de 4 ans vaut 1,42 fois la valeur des hommes adultes, mais son F4 en vaut 1,57, de sorte que la voix d’un enfant n’est pas simplement une voix d’homme décalée vers l’aigu.
Les lignes de Peterson et Barney ci-dessous sont les moyennes masculines « nominales » les plus largement reproduites ; les symboles et les mots d’exemple sont donnés exactement tels que la reproduction les imprime. Pour quiconque conçoit des effets vocaux qui modifient l’âge ou le genre perçus, l’enseignement est que le profil des formants, et pas seulement la hauteur, diffère entre les hommes, les femmes et les enfants.
| Métrique | Valeur | Source |
|---|---|---|
| Hommes de Peterson et Barney, /i/ comme dans ‘beet’ (F1 / F2 / F3) | 270 / 2290 / 3010 Hz | Peterson et Barney, JASA 1952, tel que reproduit par l’Université de Princeton (COS 325) |
| Hommes de Peterson et Barney, /ae/ comme dans ‘bat’ (F1 / F2 / F3) | 660 / 1720 / 2410 Hz | Peterson et Barney, JASA 1952 (reproduction de Princeton) |
| Hommes de Peterson et Barney, /a/ comme dans ‘father’ (F1 / F2 / F3) | 730 / 1090 / 2440 Hz | Peterson et Barney, JASA 1952 (reproduction de Princeton) |
| Hommes de Peterson et Barney, /u/ comme dans ‘boot’ (F1 / F2 / F3) | 300 / 870 / 2240 Hz | Peterson et Barney, JASA 1952 (reproduction de Princeton) |
| /i/ en anglais américain, hommes adultes contre femmes adultes (F1 / F2 / F3) | 370 / 2146 / 2838 Hz contre 391 / 2570 / 3128 Hz | Chung et al., JASA 2012 |
| /i/ en anglais américain, enfants de 5 ans contre enfants de 2 ans (F1 / F2 / F3) | 439 / 2964 / 3739 Hz contre 544 / 3220 / 4210 Hz | Chung et al., JASA 2012 |
| Rapport de formants, garçons de 4 ans contre hommes adultes | 1,42 (F1 de /i/) ; 1,57 (F4 de /i/) | Vorperian et al., JASA 2019 |
Note de contexte : les valeurs de Peterson et Barney ont été lues sur des spectrogrammes, tandis que celles de 2012 proviennent d’une analyse LPC dans Praat au milieu de la voyelle, avec 10 locuteurs (5 hommes, 5 femmes) par langue et par groupe d’âge. Des époques, des outils et des dialectes différents font que les deux jeux ne sont pas strictement comparables (voir la section 7).
3. Comment la précision d’identification dépend des formants
Les formants portent l’essentiel de l’identité d’une voyelle, mais pas tout. Les voyelles naturelles atteignent 95,4% d’identification, les copies synthétisées par formants 88,5% et les répliques sinusoïdales seulement 55,0% avant entraînement (Hillenbrand et al., JASA 2011). Une réplique sinusoïdale remplace chaque formant par un seul son pur qui suit sa trajectoire de fréquence ; elle conserve donc le profil des formants mais élimine la voix. La baisse d’environ 40 points (95,4 moins 55,0) montre à quel point les auditeurs s’appuient aussi sur le reste du signal.
La variété des locuteurs coûte aussi en précision. Lorsque les locuteurs venaient de deux régions dialectales américaines différentes et de trois générations, les auditeurs sont tombés à 80,2% au total (Jacewicz et Fox, JASA 2012).
| Métrique | Valeur | Source |
|---|---|---|
| Voyelles naturelles identifiées comme prévu : Peterson et Barney (10 types de voyelles, 76 locuteurs) contre Hillenbrand et al. 1995 (12 types de voyelles, 139 locuteurs) | 94,4% contre 95,4% | Hillenbrand et al., JASA 2011 |
| Versions synthétisées par formants de voyelles issues de 300 syllabes hVd | 88,5% | Hillenbrand et al., JASA 2011 (citant Hillenbrand et Nearey 1999) |
| Voyelles sinusoïdales, 71 auditeurs avant entraînement contre après un entraînement plus poussé (niveau du hasard 8,3%) | 55,0% (étendue de 21,3% à 80,7% selon les auditeurs) contre 73,5% | Hillenbrand et al., JASA 2011 |
| Identification de 120 locuteurs de dialectes variés (Caroline du Nord et Wisconsin) par 30 auditeurs | 80,2% au total, environ 15% de moins que Hillenbrand et al. 1995 | Jacewicz et Fox, JASA 2012 |
| Plus petite variation perceptible de F1 (différence juste perceptible) chez 94 locuteurs néerlandais, enfants de 6-11 ans contre adultes de 20-36 ans | 49% contre 33% de différence de F1 (W = 1525, p = 0,001) | Polsterer et al., JASA Express Letters 2026 |
Note de contexte : dans l’étude néerlandaise de 2026, le seuil a été mesuré sur l’enregistrement que chaque participant a fait du stimulus de l’étude, deur, un mot néerlandais conservé ici dans la langue d’origine. Chez les enfants, l’âge ne prédisait pas significativement le seuil (b = -0,028, p = 0,3).
4. Évolution avec l’âge : comment les formants des enfants rejoignent les normes adultes
Les enfants ne sont pas des adultes en miniature sur le plan acoustique, et les sexes se séparent plus tôt que ne le suggère la hauteur de la voix. Chez 190 locuteurs de 4 à 20 ans, une différence de F2 entre les sexes était déjà présente à 4 ans pour les voyelles hautes /i/ et /u/ (Vorperian et al., JASA 2019, PDF de l’auteur), des années avant la puberté. La conclusion des auteurs est sans détour : « Les propriétés acoustiques des voyelles deviennent distinctives selon le sexe bien avant la puberté. »
Pour les systèmes automatiques, la parole des enfants reste une cible mouvante jusqu’à la fin de l’adolescence, une difficulté également visible dans les taux d’erreur de la reconnaissance vocale chez les enfants.
| Métrique | Valeur | Source |
|---|---|---|
| Différence de F2 entre les sexes : voyelles hautes /i/ et /u/ contre voyelles basses | Présente à 4 ans pour /i/ et /u/ ; à 6 et 7 ans pour les voyelles basses | Vorperian et al., JASA 2019 |
| Âge auquel les données de formants atteignent les valeurs adultes | Environ 16 ans pour les filles, environ 20 ans pour les garçons | Vorperian et al., JASA 2019 |
| Âge auquel les durées segmentales convergent vers les niveaux adultes, et décalage pour la f0 et la variabilité des formants | Vers 12 ans ; la f0 et la variabilité des formants peuvent atteindre l’étendue adulte environ 2 ou 3 ans plus tard | Lee et al., JASA 1999 |
| Différenciation entre locuteurs masculins et féminins, 436 enfants | Commence vers 11 ans, pleinement établie vers 15 ans | Lee et al., JASA 1999 |
| Dépassement acoustique avant la stabilisation aux valeurs adultes | Quelque part entre 13 et 15 ans | Lee et al., JASA 1999 |
| Forme de l’évolution des formants vocaliques avec l’âge chez les locuteurs masculins | Approximativement linéaire avec l’âge | Lee et al., JASA 1999 |
| Âge auquel la production des voyelles atteint une précision proche de l’adulte | Environ 12 ans | Kent et Rountrey, American Journal of Speech-Language Pathology 2020 |
| Plage de fréquences nécessaire pour capter les quatre premiers formants d’un enfant de 2 ans | Un peu plus de 5 kHz | Kent et Rountrey, American Journal of Speech-Language Pathology 2020 |
Note de contexte : la f0 est la fréquence fondamentale, la vitesse de vibration des plis vocaux perçue comme la hauteur ; les formants sont déterminés par le conduit vocal. Les deux se développent selon des calendriers différents, ce qui explique que des différences de formants entre garçons et filles puissent apparaître bien avant l’écart de hauteur. Données normatives de formants chez l’enfant les plus récentes disponibles : 2019.
5. Dialectes et évolutions générationnelles
Une norme vocalique est un instantané d’une région à un moment donné. Clopper et ses collègues soulignent que les locuteurs de Peterson et Barney « se rapprochent davantage de la parole de la côte est américaine que de l’anglais américain général » (Clopper, Pisoni et de Jong, JASA 2005), alors que les locuteurs de Hillenbrand venaient du nord du Midwest. Un classifieur à base de formants entraîné sur des parents de Caroline du Nord a obtenu 88,9% sur son propre jeu d’entraînement mais seulement 44,8% sur des parents du Wisconsin (Jacewicz et Fox, JASA 2012) : passer à un autre dialecte a à peu près divisé sa précision par deux.
Le changement traverse aussi les générations. Chez 123 femmes de trois régions américaines, le mouvement total des formants à l’intérieur d’une voyelle (sa « longueur de trajectoire », la distance parcourue par les formants dans le plan F1-F2) était le plus long dans le groupe le plus âgé (Jacewicz, Fox et Salmons, Journal of Phonetics 2011). Les écarts dialectaux se retrouvent aussi chez les machines : voir notre panorama sur le biais d’accent en reconnaissance vocale.
| Métrique | Valeur | Source |
|---|---|---|
| Locuteurs et mesures dans l’étude dialectale américaine de six régions | 48 locuteurs (4 hommes et 4 femmes de chacune des 6 régions) ; 13 440 mesures | Clopper, Pisoni et de Jong, JASA 2005 |
| Interaction voyelle par dialecte pour F1 | F(50,2020) = 10,1, p < 0,001 | Clopper, Pisoni et de Jong, JASA 2005 |
| Identification par les auditeurs de locuteurs de leur propre dialecte contre l’autre dialecte | Auditeurs de Caroline du Nord 82,1% contre 75,8% ; auditeurs du Wisconsin 83,5% contre 79,6% | Jacewicz et Fox, JASA 2012 |
| Classifieur entraîné sur des parents de Caroline du Nord : son propre jeu d’entraînement contre des parents du Wisconsin | 88,9% contre 44,8% | Jacewicz et Fox, JASA 2012 |
| Longueur de trajectoire des formants par région, 123 femmes | Caroline du Nord 516 Hz, Wisconsin 396 Hz, Ohio 353 Hz | Jacewicz, Fox et Salmons, Journal of Phonetics 2011 |
| Longueur de trajectoire des formants par génération : 51-65 ans contre 37-49 ans contre 21-33 ans | 477 Hz contre 408 Hz contre 380 Hz | Jacewicz, Fox et Salmons, Journal of Phonetics 2011 |
| Abaissement de /æ/ entre les générations, Caroline du Nord, position emphatique | F(2, 38)=29,18, p<0,001, η2=0,606 | Jacewicz, Fox et Salmons, Journal of Phonetics 2011 |
Note de contexte : le groupe le plus âgé différait significativement des deux groupes plus jeunes pour la longueur de trajectoire, tandis que les deux groupes plus jeunes ne différaient pas entre eux. Les enregistrements de l’étude sur trois générations ont été réalisés de 2006 à 2008.
6. Espaces vocaliques entre langues
Les langues qui partagent un symbole vocalique ne partagent pas ses formants. Le /u/ des hommes adultes avait un F2 moyen de 721 Hz en cantonais, de 1668 Hz en anglais américain et de 1704 Hz en japonais (Chung et al., JASA 2012) ; un /u/ écrit de la même façon peut donc se situer bien plus en avant dans la bouche dans une langue que dans une autre. Un outil qui emprunte les normes de l’anglais pour une autre langue hérite de ce décalage.
De grands corpus multilingues testent désormais ce qui reste constant. Dans VoxCommunis, les valeurs de F1 moyennes par langue pour [i] et [u] évoluent ensemble, un schéma appelé uniformité : une langue qui produit une voyelle haute avec un F1 plus élevé tend à faire de même pour l’autre (Ahn et Chodroff, VoxCommunis, LREC 2022). La couverture reste inégale, le même écart que celui abordé dans notre panorama sur la reconnaissance vocale des langues peu dotées.
| Métrique | Valeur | Source |
|---|---|---|
| F2 de /u/ des hommes adultes par langue (5 langues, 150 locuteurs au total parmi des enfants de 2 ans, des enfants de 5 ans et des adultes) | Cantonais 721, grec 1011, coréen 1241, anglais 1668, japonais 1704 Hz | Chung et al., JASA 2012 |
| Taille du corpus VoxCommunis | 36 langues ; de 0,24 à 288 heures de parole et de 5 à 3 620 locuteurs par langue | Ahn et Chodroff, LREC 2022 |
| Corrélation de F1 entre [i] et [u] selon les langues | r = 0,83, p < 0,001, 31 langues | Ahn et Chodroff, LREC 2022 |
| Corrélation de F1 entre [e] et [o] selon les langues | r = 0,74, p < 0,001, 22 langues | Ahn et Chodroff, LREC 2022 |
| Corrélation de F2 entre [i] et [a] : VoxCommunis contre le corpus VoxClamantis antérieur | r = 0,67 contre r = 0,06 | Ahn et Chodroff, LREC 2022 |
| Langues de l’UCLA Phonetics Lab Archive alignées temporellement pour le corpus VoxAngeles | 95 sur 314 langues | Chodroff et al., VoxAngeles, arXiv 2024 |
Note de contexte : les corrélations de VoxCommunis comparent des moyennes par langue, pas des locuteurs individuels, et les deux corpus divergent sur certaines paires ; l’uniformité est donc une tendance, pas une loi.
7. Erreur de mesure des formants selon les outils et les méthodes
Les chiffres des sections 1 à 6 sont des mesures, et l’erreur de mesure augmente avec la hauteur de la voix. Sur 470 000 voyelles synthétisées, l’erreur moyenne de F1 par LPC était de 41 Hz (7%) pour une F0 de 200-300 Hz et de 58 Hz (9%) au-delà de 300 Hz (Chen, Whalen et Shadle, JASA 2019). La LPC (codage prédictif linéaire) est le suiveur de formants par défaut dans des outils comme Praat ; à haute hauteur, ses estimations sont attirées vers l’harmonique de la voix le plus proche, ce qui explique que les formants des femmes et surtout des enfants soient les moins fiables.
Le choix de l’outil compte aussi. Une comparaison de Praat, WaveSurfer, TF32 et CSL a trouvé les trois premiers précis et comparables pour les voyelles synthétisées et celles des hommes adultes, mais moins satisfaisants pour les femmes adultes et les enfants (Burris et al., Journal of Speech, Language, and Hearing Research 2014).
| Métrique | Valeur | Source |
|---|---|---|
| Précision typique de l’estimation des formants par spectrogramme et par LPC | Environ f0/4 ; environ 60 Hz pour un enfant dont la f0 est de 250 Hz | Kent et Vorperian 2018 |
| Différence absolue entre des mesures répétées de formants dans Hillenbrand et al. 1995 | 12 à 60 Hz | Kent et Vorperian 2018 |
| Erreur moyenne de F1 par LPC, voyelles synthétiques à F0 200-300 Hz contre au-delà de 300 Hz | 41 Hz (7%) contre 58 Hz (9%) | Chen, Whalen et Shadle, JASA 2019 |
| Erreur de F1 par LPC rapportée à la valeur du formant, par voyelle | /u/ 23%, /i/ 18%, /æ/ 10%, /ɑ/ 8% | Chen, Whalen et Shadle, JASA 2019 |
| Aire de l’espace vocalique mesurée par LPC à une F0 de 234 Hz, en part de l’aire réelle | 85% | Chen, Whalen et Shadle, JASA 2019 |
| Erreur de mesure manuelle par quatre phonéticiens sur des voyelles synthétiques | 32 Hz (8%) à 118 Hz (26%) | Shadle, Nam et Whalen, JASA 2016 |
| Largeurs de bande de formants de la parole naturelle issues de quatre programmes d’analyse se situant à ±10% des valeurs manuelles | Aucune | Burris et al., JSLHR 2014 |
| Valeurs de référence consensuelles remesurées après 3 mois à moins de 50 Hz ; valeurs de référence abandonnées comme incertaines | Environ 80% ; environ 15% (surtout F3 et F4) | Derdemezis et al., American Journal of Speech-Language Pathology 2016 |
Note de contexte : Chen et ses collègues estiment que plus de la moitié de la variabilité de F1 et de F2 rapportée dans la littérature est probablement due à la variabilité de la F0 (rapports simulé-rapporté de 0,76 pour F1 et de 0,58 pour F2), et s’attendent à ce que les erreurs en parole réelle soient plus grandes que dans leurs simulations idéalisées. Dans l’étude de Derdemezis, le plafond de formants par défaut de Praat, 5500 Hz, a été abaissé à 5000 Hz pour les hommes adultes.
Résumé : les normes de fréquence des formants vocaliques en chiffres
| Métrique | Valeur | Source |
|---|---|---|
| Locuteurs dans Peterson et Barney 1952 | 76 (33 hommes, 28 femmes, 15 enfants) | Manuel de Praat, tableau Peterson et Barney 1952 |
| Locuteurs dans Hillenbrand et al. 1995 | 139 (45 hommes, 48 femmes, 46 enfants) | Hillenbrand, Journal of the International Phonetic Association 2003 |
| Dispersion du F2 moyen de /u/ chez les femmes sur 7 jeux de données d’anglais américain | Environ 700 Hz | Kent et Vorperian 2018 |
| Hommes de Peterson et Barney, /i/ (F1 / F2 / F3) | 270 / 2290 / 3010 Hz | Peterson et Barney, JASA 1952 (reproduction de Princeton) |
| F2 de /i/ en anglais américain : hommes, femmes, enfants de 5 ans, enfants de 2 ans | 2146, 2570, 2964, 3220 Hz | Chung et al., JASA 2012 |
| Identification des voyelles naturelles, Peterson et Barney contre Hillenbrand | 94,4% contre 95,4% | Hillenbrand et al., JASA 2011 |
| Différence juste perceptible de F1, enfants contre adultes | 49% contre 33% | Polsterer et al., JASA Express Letters 2026 |
| Âge de la première différence de F2 entre les sexes pour /i/ et /u/ | 4 ans | Vorperian et al., JASA 2019 |
| Différenciation entre locuteurs masculins et féminins, début contre pleinement établie | Vers 11 ans contre vers 15 ans | Lee et al., JASA 1999 |
| Locuteurs dans l’étude dialectale américaine de six régions | 48 | Clopper, Pisoni et de Jong, JASA 2005 |
| Précision du classifieur entre dialectes, dialecte d’entraînement contre autre dialecte | 88,9% contre 44,8% | Jacewicz et Fox, JASA 2012 |
| Longueur de trajectoire des formants, génération la plus âgée contre la plus jeune | 477 Hz contre 380 Hz | Jacewicz, Fox et Salmons, Journal of Phonetics 2011 |
| Corrélation de F1 entre [i] et [u] sur 31 langues | r = 0,83 | Ahn et Chodroff, LREC 2022 |
| Langues de l’archive UCLA alignées temporellement dans VoxAngeles | 95 sur 314 | Chodroff et al., arXiv 2024 |
| Erreur moyenne de F1 par LPC au-delà d’une F0 de 300 Hz | 58 Hz (9%) | Chen, Whalen et Shadle, JASA 2019 |
| Erreur de mesure manuelle de F1 sur des voyelles synthétiques | 32 Hz (8%) à 118 Hz (26%) | Shadle, Nam et Whalen, JASA 2016 |
| Valeurs de référence abandonnées comme incertaines dans une comparaison de quatre programmes | Environ 15% | Derdemezis et al., AJSLP 2016 |
Méthodologie et sources
Nous avons mené des recherches ciblées selon six angles (jeux de données de référence, normes par sexe et par âge, précision d’identification, dialecte, données interlangues, erreur de mesure) et n’avons retenu que les chiffres lus dans l’article d’origine, dans un résumé officiel ou dans une reproduction nommée. Lorsqu’une page était difficile d’accès, nous l’avons lue via un proxy texte tout en renvoyant vers l’original.
- Peterson et Barney, JASA 1952, moyennes masculines nominales telles que reproduites par l’Université de Princeton (COS 325), extraites de P. R. Cook (éd.), Music, Cognition, and Computerized Sound, MIT Press 1999.
- Manuel de Praat : tableau des formants de Peterson et Barney 1952 (nombre de locuteurs et liste des voyelles).
- Hillenbrand, American English: Southern Michigan, Journal of the International Phonetic Association 2003.
- Fichiers de données de Hillenbrand et al. 1995, miroir GitHub et documentation du jeu de données h95 de phonTools.
- Hillenbrand et al., Perception of sinewave vowels, JASA 2011.
- Kent et Vorperian, Static measurements of vowel formant frequencies and bandwidths: A review, Journal of Communication Disorders 2018.
- Lee, Potamianos et Narayanan, Acoustics of children’s speech, JASA 1999 (résumé).
- Vorperian et al., Corner vowels in males and females ages 4 to 20 years, JASA 2019.
- Kent et 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 et de Jong, Acoustic characteristics of the vowel systems of six regional varieties of American English, JASA 2005.
- Jacewicz et Fox, Effects of cross-generational and cross-dialectal variation on vowel identification and classification, JASA 2012.
- Jacewicz, Fox et 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 et 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 et Shadle, F0-induced formant measurement errors result in biased variabilities, JASA 2019.
- Shadle, Nam et 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.
- Note sur les données : le taux d’identification de Hillenbrand et al. 1995 apparaît à 95,4% dans Hillenbrand et al. 2011 mais à 95,8% dans la colonne de comparaison de Jacewicz et Fox 2012 (tableau III) ; nous citons 95,4%. Les sources divergent aussi sur le calendrier : Vorperian et al. 2019 observent des différences de formants entre les sexes dès 4 ans et des différences de f0 dès 7 ans, la revue de Kent et Vorperian cite des données plus anciennes situant les différences de f0 à 10 ou 11 ans, et Lee et al. 1999 placent le début de la différenciation entre garçons et filles vers 11 ans ; les études ont utilisé des âges, des voyelles et des mesures différents. Les valeurs par voyelle de Peterson et Barney proviennent d’une reproduction, et non de l’article de 1952 lui-même, et seules les moyennes masculines étaient à notre disposition ; les moyennes des femmes et des enfants du tableau original ne sont donc pas citées ici. La plupart des normes de référence de ce panorama datent de plusieurs décennies, et nous n’avons pas pu vérifier l’existence d’un nouveau grand jeu normatif de voyelles de l’anglais américain publié en 2025 ou 2026. Les valeurs issues d’études différentes reposent sur des outils et des réglages différents (voir la section 7) ; des écarts de quelques dizaines de hertz entre études ne doivent donc pas être interprétés comme de réelles différences de parole.
Dernière mise à jour : 8 novembre 2026. Nous actualisons ce panorama chaque trimestre, et la prochaine révision est attendue lors de la publication de la prochaine version du corpus VoxCommunis.