自然に発話された米国英語の母音について、聴取者は139人の話者の録音で95.4%を識別し、古典的な話者76人のPetersonとBarneyのデータでの94.4%を上回った(Hillenbrand他、JASA 2011)。同じ母音をフォルマントのみの合成音に変えると正答率は88.5%に低下し、フォルマントの軌跡をなぞるだけの純粋な正弦波に縮約すると、訓練を受けていない聴取者の正答率は55.0%になる。フォルマントの知覚が成熟するのもゆっくりで、6歳から11歳のオランダ人の子どもはF1が平均49%変化して初めてそれに気づいたのに対し、成人では33%だった(Polsterer他、JASA Express Letters 2026)。本稿では、Journal of the Acoustical Society of America(Peterson、Barney、Hillenbrand、Vorperian、Chung、Chen)、Journal of Phonetics、Journal of Communication Disorders、VoxCommunisコーパス(LREC 2022)、および2026年のJASA Express Letters掲載の研究からデータを集計した。歌唱フォルマントとベルティング音響の統計まとめからお越しの方へ。このページは発話側、つまり一般の話者が日常的に目指す母音の目標値を扱う。
フォルマントとは声道の共鳴であり、喉と口が増幅する周波数帯域のことだ。F1は顎と舌が下がる(開母音)ほど上昇し、F2は舌が前方に移動する(前舌母音)ほど上昇し、F3は’heard’の母音のようなr音性母音で最も重要になる。以下のすべての表は、特に断りのない限りヘルツ(Hz)を用いる。
主なポイント
- PetersonとBarneyは、話者76人(男性33人、女性28人、子ども15人)に10母音を2回ずつ発話させ、合計1,520個の母音を録音した(Praatマニュアル、PetersonとBarney 1952の表)。
- 自然な母音は94.4%(PetersonとBarney)および95.4%(Hillenbrand)の確率で正しく識別された(Hillenbrand他、JASA 2011)。
- 公表されている米国英語のデータセット間で、頂点母音の平均フォルマントは、女性の/u/のF2で約700 Hz異なる(KentとVorperian、Journal of Communication Disorders 2018)。
- 米国英語の/i/のF2は、男性で2146 Hz、女性で2570 Hz、5歳児で2964 Hz、2歳児で3220 Hzだった(Chung他、JASA 2012)。
- /i/と/u/では、F2の性差が4歳の時点ですでに存在する(Vorperian他、JASA 2019)。
- 米国のある方言で訓練したフォルマント分類器の正答率は、別の方言では88.9%から44.8%に低下した(JacewiczとFox、JASA 2012)。
- 母音内のフォルマントの動きは、51-65歳の話者で477 Hz、21-33歳の話者で380 Hzだった(Jacewicz、Fox、Salmons、Journal of Phonetics 2011)。
- [i]と[u]のF1平均は、31言語にわたってr = 0.83の相関を示す(AhnとChodroff、VoxCommunis、LREC 2022)。
- LPCによるF1の平均誤差は、F0が300 Hzを超えると58 Hz(9%)に達する(Chen、Whalen、Shadle、JASA 2019)。
- 訓練を受けた音声学者が手作業で測定しても、合成音声のF1を32 Hz(8%)から118 Hz(26%)外した(Shadle、Nam、Whalen、JASA 2016)。
- 子どものF1弁別閾値の平均はF1の差で49%であり、成人の33%を上回った(Polsterer他、JASA Express Letters 2026)。
1. あらゆる母音図の背後にある基準データセット
音声学の教科書にある母音図のほぼすべては、1952年、1995年、1999年に行われた3つの米国英語の録音にさかのぼる。2018年のレビューで比較された7つの米国英語データセットでは、頂点母音の平均フォルマントは、男性の/u/のF2で約500 Hz、女性の/u/のF2で約700 Hzの差があった(KentとVorperian、Journal of Communication Disorders 2018)。「基準値」は、それが得られたデータセット、方言、年代とセットで初めて意味を持つ。
基準データセットは現代の水準では小規模でもある。1グループあたり数十人の話者であり、数千人ではない。Hillenbrandの録音と測定値は公開されており(著者の許可を得て公開されているHillenbrand他 1995のGitHubミラー)、誰でも古典的な分析をやり直せる。
| 指標 | 値 | 出典 |
|---|---|---|
| PetersonとBarney 1952の話者と母音(heed、hid、head、hadなどのhVd語) | 話者76人(男性33人、女性28人、子ども15人);10母音、各2回発話;録音母音1,520個 | Praatマニュアル、PetersonとBarney 1952フォルマント表 |
| Hillenbrand他 1995の話者 | 139人(男性45人、女性48人、子ども46人) | Hillenbrand、Journal of the International Phonetic Association 2003 |
| 公開h95データセットの定常部母音の観測数 | 1,668件の観測;欠損していたF2の10個とF3の41個は補完 | phonToolsのRパッケージ、h95データセットの文書 |
| Lee、Potamianos、Narayanan 1999の話者 | 5歳から17歳の子ども436人と成人56人 | Lee他、JASA 1999(要旨) |
| 米国の最新の発達研究における頂点母音データセットの話者 | 4歳から20歳の定型発達の話者190人(女性97人、男性93人) | Vorperian他、JASA 2019 |
| 米国英語の7データセット間における頂点母音の平均フォルマントのばらつき | 約500 Hz(男性の/u/のF2)、400 Hz(女性の/æ/のF1)、700 Hz(女性の/u/のF2) | KentとVorperian、Journal of Communication Disorders 2018 |
| 成人男性の母音空間面積:PetersonとBarney対Lee他 1999の18歳男性 | 411.5 kHz²対約330 kHz² | KentとVorperian、Journal of Communication Disorders 2018 |
補足:3つの基準データセットについて入手できる最新のデータは、1952年、1995年、1999年のものである。母音空間面積とは、頂点母音の間に描かれるF1-F2多角形の面積を指し、面積が大きいほど母音がより広く分散していることを意味する。
2. 男性、女性、子どものF1、F2、F3の平均
声道が短いほど共鳴は高くなるため、フォルマントは男性から女性、子どもへと上昇する。米国英語の母音/i/では、F2の平均は2歳児で3220 Hz、成人男性で2146 Hzであり、差は1,074 Hz(3220引く2146)だった(Chung他、JASA 2012)。スケーリングは一様ではない。4歳男児の/i/のF1は成人男性の値の1.42倍だが、F4は1.57倍であり、子どもの声は単に男性の声を高くしたものではない。
以下のPetersonとBarneyの行は、最も広く再掲されている「名目上の」男性平均であり、記号と例語は再掲に印刷されているとおりに示している。知覚される年齢や性別を変えるボイスエフェクトを作る人にとっての要点は、ピッチだけでなくフォルマントのパターンも男性、女性、子どもで異なるということである。
| 指標 | 値 | 出典 |
|---|---|---|
| PetersonとBarney、男性、‘beet’の/i/(F1 / F2 / F3) | 270 / 2290 / 3010 Hz | PetersonとBarney、JASA 1952、Princeton University(COS 325)による再掲 |
| PetersonとBarney、男性、‘bat’の/ae/(F1 / F2 / F3) | 660 / 1720 / 2410 Hz | PetersonとBarney、JASA 1952(Princeton再掲) |
| PetersonとBarney、男性、‘father’の/a/(F1 / F2 / F3) | 730 / 1090 / 2440 Hz | PetersonとBarney、JASA 1952(Princeton再掲) |
| PetersonとBarney、男性、‘boot’の/u/(F1 / F2 / F3) | 300 / 870 / 2240 Hz | PetersonとBarney、JASA 1952(Princeton再掲) |
| 米国英語の/i/、成人男性対成人女性(F1 / F2 / F3) | 370 / 2146 / 2838 Hz対391 / 2570 / 3128 Hz | Chung他、JASA 2012 |
| 米国英語の/i/、5歳児対2歳児(F1 / F2 / F3) | 439 / 2964 / 3739 Hz対544 / 3220 / 4210 Hz | Chung他、JASA 2012 |
| フォルマント比、4歳男児対成人男性 | 1.42(/i/のF1);1.57(/i/のF4) | Vorperian他、JASA 2019 |
補足:PetersonとBarneyの値はスペクトログラムから読み取られたものであるのに対し、2012年の値は母音の中間点でPraatを用いたLPC分析によるもので、言語と年齢グループごとに10人の話者(男性5人、女性5人)が対象だった。時代、ツール、方言が異なるため、2つのデータセットは厳密には比較できない(セクション7参照)。
3. 識別精度はフォルマントにどう左右されるか
フォルマントは母音の同一性の大部分を担うが、すべてではない。自然な母音の識別率は95.4%、フォルマント合成で再現した母音は88.5%、サインウェーブ複製は訓練前でわずか55.0%だった(Hillenbrand他、JASA 2011)。サインウェーブ複製は、各フォルマントを、その周波数の軌跡をたどる単一の純音に置き換えるため、フォルマントのパターンは保たれるが声そのものは失われる。約40ポイント(95.4引く55.0)の低下は、聴取者が信号のそれ以外の部分にもどれだけ頼っているかを示している。
話者の多様性も精度を下げる。話者が米国の2つの異なる方言地域と3つの世代から来た場合、聴取者の正答率は全体で80.2%に低下した(JacewiczとFox、JASA 2012)。
| 指標 | 値 | 出典 |
|---|---|---|
| 意図どおりに識別された自然な母音:PetersonとBarney(母音10種類、話者76人)対Hillenbrand他 1995(母音12種類、話者139人) | 94.4%対95.4% | Hillenbrand他、JASA 2011 |
| 300個のhVd音節に由来する母音のフォルマント合成版 | 88.5% | Hillenbrand他、JASA 2011(HillenbrandとNearey 1999を引用) |
| サインウェーブ母音、聴取者71人の訓練前対より本格的な訓練後(偶然水準8.3%) | 55.0%(聴取者間の範囲は21.3%から80.7%)対73.5% | Hillenbrand他、JASA 2011 |
| 方言が多様な話者120人(ノースカロライナ州とウィスコンシン州)の聴取者30人による識別 | 全体で80.2%、Hillenbrand他 1995より約15%低い | JacewiczとFox、JASA 2012 |
| オランダ語話者94人におけるF1の最小可知変化(丁度可知差異)、6-11歳の子ども対20-36歳の成人 | F1の差で49%対33%(W = 1525, p = 0.001) | Polsterer他、JASA Express Letters 2026 |
補足:2026年のオランダの研究では、閾値は各参加者自身が録音した研究用刺激deurで測定された。deurはオランダ語の単語で、ここでは原語のまま示している。子どもの中では、年齢は閾値を有意に予測しなかった(b = -0.028, p = 0.3)。
4. 年齢による変化:子どものフォルマントはどのように成人の基準値へ育つか
子どもは音響的に小さな大人ではなく、性別による違いは声の高さが示唆するよりも早く現れる。4歳から20歳までの話者190人では、高母音/i/と/u/においてF2の性差がすでに4歳で存在した(Vorperian他、JASA 2019、著者PDF)。これは思春期の何年も前である。著者らの結論は率直だ。「母音の音響的特性は、思春期のずっと前から性別に特徴づけられるようになる。」
自動システムにとって、子どもの音声は10代後半まで動く標的であり続ける。この課題は子どもの音声認識の誤り率にも表れている。
| 指標 | 値 | 出典 |
|---|---|---|
| F2の性差:高母音/i/と/u/対低母音 | /i/と/u/では4歳で存在;低母音では6歳と7歳で存在 | Vorperian他、JASA 2019 |
| フォルマントのデータが成人の値に達する年齢 | 女性話者で約16歳、男性話者で約20歳 | Vorperian他、JASA 2019 |
| 分節の持続時間が成人の水準に収束する年齢と、f0およびフォルマントの変動性の遅れ | 12歳前後;f0とフォルマントの変動性が成人の範囲に達するのは約2年か3年後の可能性がある | Lee他、JASA 1999 |
| 男性話者と女性話者の分化、子ども436人 | 11歳頃に始まり、15歳頃に完全に確立 | Lee他、JASA 1999 |
| 成人の値に落ち着く前の音響的オーバーシュート | 13歳から15歳の間のどこか | Lee他、JASA 1999 |
| 男性話者における母音フォルマントの年齢変化の形 | 年齢とほぼ直線的 | Lee他、JASA 1999 |
| 母音産出が成人並みの精度に達する年齢 | 約12歳 | KentとRountrey、American Journal of Speech-Language Pathology 2020 |
| 2歳児の最初の4つのフォルマントを捉えるのに必要な周波数範囲 | 5 kHzをわずかに超える | KentとRountrey、American Journal of Speech-Language Pathology 2020 |
補足:f0は基本周波数、つまり声帯の振動速度であり、声の高さとして聞こえる。フォルマントは声道によって決まる。この2つは異なるスケジュールで発達するため、男の子と女の子のフォルマントの差は、声の高さの差よりずっと前に現れることがある。子どものフォルマントについて入手できる最新の規範データは2019年のものである。
5. 方言と世代による変化
母音の基準値は、ある地域のある時点のスナップショットにすぎない。Clopperらは、PetersonとBarneyの話者は「一般アメリカ英語よりも米国東海岸の話し方に近い」と指摘しており(Clopper、Pisoni、de Jong、JASA 2005)、一方Hillenbrandの話者は中西部北部の出身だった。ノースカロライナ州の親で訓練したフォルマントに基づく分類器は、自身の訓練データでは88.9%だったが、ウィスコンシン州の親では44.8%にとどまった(JacewiczとFox、JASA 2012)。別の方言に移ると精度はほぼ半分になった。
変化は世代間にも及ぶ。米国の3地域の女性123人では、母音内のフォルマントの総移動量(その「軌跡長」、つまりフォルマントがF1-F2平面上を移動する距離)は、最年長のグループで最も長かった(Jacewicz、Fox、Salmons、Journal of Phonetics 2011)。方言間の差は機械にも表れる。当社の音声認識のアクセントバイアスのまとめを参照してほしい。
| 指標 | 値 | 出典 |
|---|---|---|
| 米国6地域の方言研究における話者と測定数 | 話者48人(6地域それぞれ男性4人と女性4人);測定13,440件 | Clopper、Pisoni、de Jong、JASA 2005 |
| F1における母音と方言の交互作用 | F(50,2020) = 10.1, p < 0.001 | Clopper、Pisoni、de Jong、JASA 2005 |
| 聴取者による自分の方言の話者対もう一方の方言の話者の識別 | ノースカロライナ州の聴取者82.1%対75.8%;ウィスコンシン州の聴取者83.5%対79.6% | JacewiczとFox、JASA 2012 |
| ノースカロライナ州の親で訓練した分類器:自身の訓練データ対ウィスコンシン州の親 | 88.9%対44.8% | JacewiczとFox、JASA 2012 |
| 地域別のフォルマント軌跡長、女性123人 | ノースカロライナ州516 Hz、ウィスコンシン州396 Hz、オハイオ州353 Hz | Jacewicz、Fox、Salmons、Journal of Phonetics 2011 |
| 世代別のフォルマント軌跡長:51-65歳対37-49歳対21-33歳 | 477 Hz対408 Hz対380 Hz | Jacewicz、Fox、Salmons、Journal of Phonetics 2011 |
| 世代を通じた/æ/の低下、ノースカロライナ州、強調位置 | F(2, 38)=29.18, p<0.001, η2=0.606 | Jacewicz、Fox、Salmons、Journal of Phonetics 2011 |
補足:軌跡長では、最年長のグループは2つの年下のグループの両方と有意に異なったが、年下の2グループ同士に差はなかった。3世代研究の録音は2006年から2008年にかけて行われた。
6. 言語間の母音空間
母音の記号を共有する言語でも、そのフォルマントまで共有するわけではない。成人男性の/u/のF2は、広東語で平均721 Hz、米国英語で1668 Hz、日本語で1704 Hzだった(Chung他、JASA 2012)。そのため、同じ表記の/u/でも、口の中で言語によって大きく前寄りになることがある。英語の基準値を別の言語に借用するツールは、このずれを引き継ぐことになる。
現在では大規模な多言語コーパスによって、何が一定に保たれるのかを検証できる。VoxCommunisでは、[i]と[u]の言語ごとのF1平均が連動して動き、このパターンは一様性と呼ばれる。つまり、一方の高母音をF1の高い音で産出する言語は、もう一方でも同様になる傾向がある(AhnとChodroff、VoxCommunis、LREC 2022)。対象範囲はまだ不均一であり、これは当社の低リソース言語の音声認識のカバレッジのまとめで論じたのと同じ格差である。
| 指標 | 値 | 出典 |
|---|---|---|
| 言語別の成人男性の/u/のF2(5言語、2歳児・5歳児・成人で合計150人の話者) | 広東語(Cantonese)721、ギリシャ語(Greek)1011、韓国語(Korean)1241、英語(English)1668、日本語(Japanese)1704 Hz | Chung他、JASA 2012 |
| VoxCommunisコーパスの規模 | 36言語;言語あたり0.24時間から288時間の音声と5人から3,620人の話者 | AhnとChodroff、LREC 2022 |
| 言語間における[i]と[u]のF1の相関 | r = 0.83, p < 0.001, 31言語 | AhnとChodroff、LREC 2022 |
| 言語間における[e]と[o]のF1の相関 | r = 0.74, p < 0.001, 22言語 | AhnとChodroff、LREC 2022 |
| [i]と[a]のF2の相関:VoxCommunis対以前のVoxClamantisコーパス | r = 0.67対r = 0.06 | AhnとChodroff、LREC 2022 |
| VoxAngelesコーパスで時間整列されたUCLA Phonetics Lab Archiveの言語 | 314言語のうち95言語 | Chodroff他、VoxAngeles、arXiv 2024 |
補足:VoxCommunisの相関は個々の話者ではなく言語ごとの平均を比較したものであり、2つのコーパスは一部の組み合わせで食い違うため、一様性は法則ではなく傾向である。
7. ツールと手法の間のフォルマント測定誤差
セクション1から6の数値は測定値であり、測定誤差は声の高さとともに大きくなる。合成母音470,000個では、LPCによるF1の平均誤差は、F0が200-300 Hzで41 Hz(7%)、300 Hzを超えると58 Hz(9%)だった(Chen、Whalen、Shadle、JASA 2019)。LPC(線形予測符号化)はPraatなどのツールで標準のフォルマント追跡手法であり、高い声では推定値が最も近い声の倍音に引き寄せられる。そのため、女性、特に子どものフォルマントが最も信頼しにくい。
ツールの選択も影響する。Praat、WaveSurfer、TF32、CSLの比較では、最初の3つは合成母音と成人男性の母音では正確で互いに同等だったが、成人女性と子どもでは満足のいくものではなかった(Burris他、Journal of Speech, Language, and Hearing Research 2014)。
| 指標 | 値 | 出典 |
|---|---|---|
| スペクトログラムとLPCによるフォルマント推定の典型的な精度 | 約f0/4;f0が250 Hzの子どもで約60 Hz | KentとVorperian 2018 |
| Hillenbrand他 1995における繰り返し測定したフォルマント間の絶対差 | 12から60 Hz | KentとVorperian 2018 |
| LPCによるF1の平均誤差、合成母音のF0が200-300 Hz対300 Hz超 | 41 Hz(7%)対58 Hz(9%) | Chen、Whalen、Shadle、JASA 2019 |
| フォルマント値に対するLPCのF1誤差、母音別 | /u/ 23%、/i/ 18%、/æ/ 10%、/ɑ/ 8% | Chen、Whalen、Shadle、JASA 2019 |
| F0が234 HzでLPCにより測定された母音空間面積の、真の面積に対する割合 | 85% | Chen、Whalen、Shadle、JASA 2019 |
| 音声学者4人による合成母音の手作業の測定誤差 | 32 Hz(8%)から118 Hz(26%) | Shadle、Nam、Whalen、JASA 2016 |
| 4つの分析プログラムによる自然音声のフォルマント帯域幅のうち、手作業の値の±10%以内に収まったもの | なし | Burris他、JSLHR 2014 |
| 3か月後に50 Hz以内で再測定されたコンセンサス基準値;不確かとして破棄された基準値 | 約80%;約15%(主にF3とF4) | Derdemezis他、American Journal of Speech-Language Pathology 2016 |
補足:Chenらは、文献で報告されているF1とF2の変動の半分以上はF0の変動に起因する可能性が高いと推定しており(シミュレーション値と報告値の比はF1で0.76、F2で0.58)、実際の音声での誤差は理想化されたシミュレーションより大きくなると予想している。Derdemezisの研究では、Praatの既定のフォルマント上限5500 Hzが、成人男性については5000 Hzに引き下げられた。
数字で見る母音フォルマント周波数の基準値(まとめ)
| 指標 | 値 | 出典 |
|---|---|---|
| PetersonとBarney 1952の話者 | 76人(男性33人、女性28人、子ども15人) | Praatマニュアル、PetersonとBarney 1952の表 |
| Hillenbrand他 1995の話者 | 139人(男性45人、女性48人、子ども46人) | Hillenbrand、Journal of the International Phonetic Association 2003 |
| 米国英語の7データセット間における女性の/u/のF2平均のばらつき | 約700 Hz | KentとVorperian 2018 |
| PetersonとBarney、男性、/i/(F1 / F2 / F3) | 270 / 2290 / 3010 Hz | PetersonとBarney、JASA 1952(Princeton再掲) |
| 米国英語の/i/のF2:男性、女性、5歳児、2歳児 | 2146、2570、2964、3220 Hz | Chung他、JASA 2012 |
| 自然な母音の識別、PetersonとBarney対Hillenbrand | 94.4%対95.4% | Hillenbrand他、JASA 2011 |
| F1の丁度可知差異、子ども対成人 | 49%対33% | Polsterer他、JASA Express Letters 2026 |
| /i/と/u/で最初にF2の性差が現れる年齢 | 4歳 | Vorperian他、JASA 2019 |
| 男性話者と女性話者の分化、開始対完全な確立 | 11歳頃対15歳頃 | Lee他、JASA 1999 |
| 米国6地域の方言研究の話者 | 48人 | Clopper、Pisoni、de Jong、JASA 2005 |
| 方言をまたぐ分類器の精度、自身の方言対別の方言 | 88.9%対44.8% | JacewiczとFox、JASA 2012 |
| フォルマント軌跡長、最年長対最年少の世代 | 477 Hz対380 Hz | Jacewicz、Fox、Salmons、Journal of Phonetics 2011 |
| 31言語間における[i]と[u]のF1の相関 | r = 0.83 | AhnとChodroff、LREC 2022 |
| VoxAngelesで時間整列されたUCLAアーカイブの言語 | 314言語のうち95言語 | Chodroff他、arXiv 2024 |
| F0が300 Hzを超える場合のLPCによるF1の平均誤差 | 58 Hz(9%) | Chen、Whalen、Shadle、JASA 2019 |
| 合成母音に対する手作業のF1測定誤差 | 32 Hz(8%)から118 Hz(26%) | Shadle、Nam、Whalen、JASA 2016 |
| 4プログラムの比較で不確かとして破棄された基準値 | 約15% | Derdemezis他、AJSLP 2016 |
方法論と出典
6つの観点(基準データセット、性別と年齢の規範値、識別精度、方言、言語間データ、測定誤差)でターゲットを絞った検索を行い、一次論文、公式の要旨、または名前の明らかな再掲で実際に確認した数値のみを採用した。アクセスが難しいページはテキストプロキシ経由で読んだが、リンク先は原典である。
- PetersonとBarney、JASA 1952、Princeton University(COS 325)による再掲の名目上の男性平均、出典はP. R. Cook(編)、Music, Cognition, and Computerized Sound, MIT Press 1999。
- Praatマニュアル:PetersonとBarney 1952フォルマント表(話者数と母音の一覧)。
- Hillenbrand、米国英語:ミシガン州南部、Journal of the International Phonetic Association 2003。
- Hillenbrand他 1995のデータファイル、GitHubミラーおよびphonToolsのh95データセットの文書。
- Hillenbrand他、サインウェーブ母音の知覚、JASA 2011。
- KentとVorperian、母音フォルマント周波数と帯域幅の静的測定:レビュー、Journal of Communication Disorders 2018。
- Lee、Potamianos、Narayanan、子どもの音声の音響学、JASA 1999(要旨)。
- Vorperian他、4歳から20歳の男女における頂点母音、JASA 2019。
- KentとRountrey、音響研究から分かる発達途上および障害のある音声における母音、AJSLP 2020。
- Polsterer他、母音に対する聴覚の鋭敏さは子ども時代より成人期のほうが精緻である、JASA Express Letters 2026。
- Clopper、Pisoni、de Jong、米国英語の6つの地域変種の母音体系の音響的特徴、JASA 2005。
- JacewiczとFox、世代間および方言間の変異が母音の識別と分類に及ぼす影響、JASA 2012。
- Jacewicz、Fox、Salmons、米国英語の3つの地域変種における3つの年齢層の話者の母音変化、Journal of Phonetics 2011。
- Chung他、子どもと成人の母音空間の言語間研究、JASA 2012。
- AhnとChodroff、VoxCommunis:言語間音声分析のためのコーパス、LREC 2022。
- Chodroff他、UCLA Phonetics Lab Archiveの音声分節化(VoxAngeles)、arXiv 2024。
- Chen、Whalen、Shadle、F0に起因するフォルマント測定誤差は偏った変動性をもたらす、JASA 2019。
- Shadle、Nam、Whalen、合成母音と自然母音におけるフォルマントの測定誤差の比較、JASA 2016。
- Burris他、4つの音響分析システムの定量的および記述的比較:母音測定、JSLHR 2014。
- Derdemezis他、多様な話者グループのための4つの音響分析システムにおける母音フォルマント測定の最適化、AJSLP 2016。
- データウォッチ:Hillenbrand他 1995の識別率は、Hillenbrand他 2011では95.4%と記載されているが、JacewiczとFox 2012の比較列(表III)では95.8%となっている。本稿では95.4%を採用した。時期についても出典間で食い違いがある。Vorperian他 2019はフォルマントの性差を4歳から、f0の性差を7歳から認めており、KentとVorperianのレビューはf0の差を10歳または11歳とするより古いデータを引用し、Lee他 1999は男女の分化の開始を11歳頃としている。研究ごとに用いた年齢、母音、指標が異なる。PetersonとBarneyの母音ごとの値は1952年の原論文そのものではなく再掲に由来し、入手できたのは男性の平均のみであるため、原典の表にある女性と子どもの平均はここでは引用していない。本稿の中核となる基準値の大半は数十年前のものであり、2025年または2026年に公表された新しい大規模な米国英語の母音規範データセットは確認できなかった。研究ごとに用いたツールと設定が異なるため(セクション7参照)、研究間の数十ヘルツ程度の差を、実際の発話上の違いと解釈すべきではない。
最終更新日:2026年11月8日。当社はこのまとめを四半期ごとに更新しており、次回の更新はVoxCommunisコーパスの次のリリースが公開された時期を予定している。