Słuchacze rozpoznali 95,4% naturalnie wypowiadanych samogłosek amerykańskiego angielskiego w nagraniach od 139 mówców, wobec 94,4% w klasycznym zestawie 76 mówców Peterson i Barney (Hillenbrand i in., JASA 2011). Po sprowadzeniu tych samych samogłosek do syntezy opartej wyłącznie na formantach trafność spada do 88,5%; po zredukowaniu ich do czystych tonów sinusoidalnych, które jedynie śledzą formanty, nieprzeszkoleni słuchacze osiągają 55,0%. Percepcja formantów dojrzewa również powoli: holenderskie dzieci w wieku od 6 do 11 lat potrzebowały przeciętnie 49% zmiany F1, zanim ją zauważyły, wobec 33% u dorosłych (Polsterer i in., JASA Express Letters 2026). Zagregowaliśmy dane z Journal of the Acoustical Society of America (Peterson i Barney, Hillenbrand, Vorperian, Chung, Chen), Journal of Phonetics, Journal of Communication Disorders, korpusu VoxCommunis (LREC 2022) oraz badania z JASA Express Letters z 2026 roku. Jeśli trafiłeś tu z naszego zestawienia statystyk o formancie śpiewaczym i akustyce belting, ta strona dotyczy mowy: codziennych docelowych samogłosek zwykłych mówców.
Formant to rezonans traktu głosowego, pasmo częstotliwości wzmacniane przez gardło i jamę ustną. F1 rośnie, gdy żuchwa i język obniżają się (samogłoski otwarte), F2 rośnie, gdy język przesuwa się do przodu (samogłoski przednie), a F3 ma największe znaczenie dla samogłosek rotycznych, takich jak ta w ‘heard’. Wszystkie poniższe tabele podają wartości w hercach (Hz), o ile nie zaznaczono inaczej.
TL;DR
- Peterson i Barney nagrali 76 mówców (33 mężczyzn, 28 kobiet, 15 dzieci) wypowiadających 10 samogłosek dwukrotnie, łącznie 1.520 samogłosek (podręcznik Praat, tabela Peterson i Barney 1952).
- Naturalne samogłoski były identyfikowane poprawnie w 94,4% (Peterson i Barney) i 95,4% (Hillenbrand) przypadków (Hillenbrand i in., JASA 2011).
- Średnie formanty samogłosek skrajnych różnią się w opublikowanych zestawach danych amerykańskiego angielskiego o około 700 Hz dla F2 samogłoski /u/ u kobiet (Kent i Vorperian, Journal of Communication Disorders 2018).
- F2 amerykańskiego /i/: 2146 Hz u mężczyzn, 2570 Hz u kobiet, 2964 Hz u 5-latków, 3220 Hz u 2-latków (Chung i in., JASA 2012).
- Różnica płciowa w F2 istnieje już w wieku 4 lat dla /i/ i /u/ (Vorperian i in., JASA 2019).
- Klasyfikator formantów wytrenowany na jednym dialekcie USA spadł z 88,9% do 44,8% poprawnych odpowiedzi na innym (Jacewicz i Fox, JASA 2012).
- Ruch formantów wewnątrz samogłoski wynosił 477 Hz u mówców w wieku 51-65 lat wobec 380 Hz u mówców w wieku 21-33 lat (Jacewicz, Fox i Salmons, Journal of Phonetics 2011).
- Średnie F1 dla [i] i [u] koreluje na poziomie r = 0,83 w 31 językach (Ahn i Chodroff, VoxCommunis, LREC 2022).
- Średni błąd F1 w LPC sięga 58 Hz (9%), gdy F0 przekracza 300 Hz (Chen, Whalen i Shadle, JASA 2019).
- Nawet wyszkoleni fonetycy mierzący ręcznie mylili się w syntetycznym F1 o 32 Hz (8%) do 118 Hz (26%) (Shadle, Nam i Whalen, JASA 2016).
- Średni próg rozróżnialności F1 u dzieci wynosił 49% różnicy F1 wobec 33% u dorosłych (Polsterer i in., JASA Express Letters 2026).
1. Zestawy referencyjne stojące za każdym wykresem samogłosek
Prawie każdy wykres samogłosek w podręczniku fonetyki wywodzi się z trzech nagrań amerykańskiego angielskiego wykonanych w 1952, 1995 i 1999 roku. W siedmiu zestawach danych amerykańskiego angielskiego porównanych w przeglądzie z 2018 roku średnie formanty samogłosek skrajnych różnią się o około 500 Hz dla F2 samogłoski /u/ u mężczyzn i o około 700 Hz dla F2 samogłoski /u/ u kobiet (Kent i Vorperian, Journal of Communication Disorders 2018). “Norma” ma sens tylko razem z zestawem danych, dialektem i dekadą, z których pochodzi.
Zestawy referencyjne są też małe jak na dzisiejsze standardy: dziesiątki mówców w grupie, a nie tysiące. Nagrania i pomiary Hillenbranda są publicznie dostępne (kopia lustrzana na GitHubie danych Hillenbrand i in. 1995, udostępniona za zgodą autora), więc każdy może powtórzyć klasyczne analizy.
| Metryka | Wartość | Źródło |
|---|---|---|
| Mówcy i samogłoski w Peterson i Barney 1952 (słowa hVd, takie jak heed, hid, head, had) | 76 mówców (33 mężczyzn, 28 kobiet, 15 dzieci); 10 samogłosek, każda wypowiedziana dwukrotnie; 1.520 nagranych samogłosek | Podręcznik Praat, tabela formantów Peterson i Barney 1952 |
| Mówcy w Hillenbrand i in. 1995 | 139 (45 mężczyzn, 48 kobiet, 46 dzieci) | Hillenbrand, Journal of the International Phonetic Association 2003 |
| Obserwacje samogłosek w stanie ustalonym w publicznym zbiorze h95 | 1.668 obserwacji; 10 brakujących wartości F2 i 41 brakujących wartości F3 uzupełniono imputacją | Pakiet R phonTools, dokumentacja zbioru h95 |
| Mówcy w Lee, Potamianos i Narayanan 1999 | 436 dzieci w wieku od 5 do 17 lat oraz 56 dorosłych | Lee i in., JASA 1999 (abstrakt) |
| Mówcy w najnowszym amerykańskim rozwojowym zestawie danych o samogłoskach skrajnych | 190 mówców o typowym rozwoju w wieku od 4 do 20 lat (97 kobiet, 93 mężczyzn) | Vorperian i in., JASA 2019 |
| Rozrzut średnich formantów samogłosek skrajnych w 7 zestawach danych amerykańskiego angielskiego | Około 500 Hz (F2 samogłoski /u/ u mężczyzn), 400 Hz (F1 samogłoski /æ/ u kobiet), 700 Hz (F2 samogłoski /u/ u kobiet) | Kent i Vorperian, Journal of Communication Disorders 2018 |
| Powierzchnia przestrzeni samogłoskowej dorosłych mężczyzn: Peterson i Barney wobec 18-letnich mężczyzn w Lee i in. 1999 | 411,5 kHz² wobec około 330 kHz² | Kent i Vorperian, Journal of Communication Disorders 2018 |
Uwaga kontekstowa: najnowsze dostępne dane dla trzech zestawów kotwiczących: 1952, 1995 i 1999. Powierzchnia przestrzeni samogłoskowej oznacza pole wielokąta F1-F2 wyznaczonego między samogłoskami skrajnymi; większe pole oznacza bardziej rozproszone samogłoski.
2. Średnie F1, F2 i F3 dla mężczyzn, kobiet i dzieci
Krótszy trakt głosowy rezonuje wyżej, więc formanty rosną od mężczyzn przez kobiety do dzieci. Dla amerykańskiej samogłoski /i/ średnie F2 wynosiło 3220 Hz u 2-latków wobec 2146 Hz u dorosłych mężczyzn, co daje różnicę 1.074 Hz (3220 minus 2146) (Chung i in., JASA 2012). Skalowanie nie jest jednolite: F1 samogłoski /i/ u 4-letnich chłopców to 1,42 wartości dorosłego mężczyzny, ale jego F4 to 1,57, więc głos dziecka to nie po prostu głos mężczyzny przesunięty w górę.
Poniższe wiersze Peterson i Barney to “nominalne” średnie męskie najczęściej przedrukowywane; symbole i przykładowe słowa podano dokładnie tak, jak w przedruku. Dla osób budujących efekty głosowe zmieniające postrzegany wiek lub płeć wniosek jest taki, że wzorzec formantów, a nie tylko wysokość głosu, odróżnia mężczyzn, kobiety i dzieci.
| Metryka | Wartość | Źródło |
|---|---|---|
| Peterson i Barney, mężczyźni, /i/ jak w ‘beet’ (F1 / F2 / F3) | 270 / 2290 / 3010 Hz | Peterson i Barney, JASA 1952, w przedruku Princeton University (COS 325) |
| Peterson i Barney, mężczyźni, /ae/ jak w ‘bat’ (F1 / F2 / F3) | 660 / 1720 / 2410 Hz | Peterson i Barney, JASA 1952 (przedruk Princeton) |
| Peterson i Barney, mężczyźni, /a/ jak w ‘father’ (F1 / F2 / F3) | 730 / 1090 / 2440 Hz | Peterson i Barney, JASA 1952 (przedruk Princeton) |
| Peterson i Barney, mężczyźni, /u/ jak w ‘boot’ (F1 / F2 / F3) | 300 / 870 / 2240 Hz | Peterson i Barney, JASA 1952 (przedruk Princeton) |
| Amerykańskie /i/, dorośli mężczyźni wobec dorosłych kobiet (F1 / F2 / F3) | 370 / 2146 / 2838 Hz wobec 391 / 2570 / 3128 Hz | Chung i in., JASA 2012 |
| Amerykańskie /i/, 5-latki wobec 2-latków (F1 / F2 / F3) | 439 / 2964 / 3739 Hz wobec 544 / 3220 / 4210 Hz | Chung i in., JASA 2012 |
| Stosunek formantów, 4-letni chłopcy wobec dorosłych mężczyzn | 1,42 (F1 samogłoski /i/); 1,57 (F4 samogłoski /i/) | Vorperian i in., JASA 2019 |
Uwaga kontekstowa: wartości Peterson i Barney odczytano ze spektrogramów, natomiast wartości z 2012 roku pochodzą z analizy LPC w Praat w środku samogłoski, z 10 mówcami (5 mężczyzn, 5 kobiet) na język i grupę wiekową. Różne epoki, narzędzia i dialekty sprawiają, że oba zestawy nie są ściśle porównywalne (zob. sekcja 7).
3. Jak trafność identyfikacji zależy od formantów
Formanty niosą większość, ale nie całość tożsamości samogłoski. Naturalne samogłoski osiągają 95,4% trafności identyfikacji, syntetyczne kopie oparte na formantach 88,5%, a repliki sinusoidalne tylko 55,0% przed treningiem (Hillenbrand i in., JASA 2011). Replika sinusoidalna zastępuje każdy formant pojedynczym czystym tonem podążającym za jego torem częstotliwości, więc zachowuje wzorzec formantów, ale odrzuca głos. Spadek o około 40 punktów (95,4 minus 55,0) pokazuje, jak bardzo słuchacze opierają się także na reszcie sygnału.
Różnorodność mówców również kosztuje trafność. Gdy mówcy pochodzili z dwóch różnych regionów dialektalnych USA i trzech pokoleń, słuchacze osiągnęli łącznie tylko 80,2% (Jacewicz i Fox, JASA 2012).
| Metryka | Wartość | Źródło |
|---|---|---|
| Naturalne samogłoski rozpoznane zgodnie z zamierzeniem: Peterson i Barney (10 typów samogłosek, 76 mówców) wobec Hillenbrand i in. 1995 (12 typów samogłosek, 139 mówców) | 94,4% wobec 95,4% | Hillenbrand i in., JASA 2011 |
| Syntetyczne wersje samogłosek oparte na formantach, z 300 sylab hVd | 88,5% | Hillenbrand i in., JASA 2011 (cytujący Hillenbrand i Nearey 1999) |
| Samogłoski sinusoidalne, 71 słuchaczy przed treningiem wobec po bardziej intensywnym treningu (poziom przypadku 8,3%) | 55,0% (zakres od 21,3% do 80,7% wśród słuchaczy) wobec 73,5% | Hillenbrand i in., JASA 2011 |
| Rozpoznawanie 120 mówców zróżnicowanych dialektalnie (Karolina Północna i Wisconsin) przez 30 słuchaczy | 80,2% ogółem, o około 15% mniej niż w Hillenbrand i in. 1995 | Jacewicz i Fox, JASA 2012 |
| Najmniejsza zauważalna zmiana F1 (próg rozróżnialności) u 94 holenderskich mówców, dzieci w wieku 6-11 lat wobec dorosłych w wieku 20-36 lat | 49% wobec 33% różnicy F1 (W = 1525, p = 0,001) | Polsterer i in., JASA Express Letters 2026 |
Uwaga kontekstowa: w holenderskim badaniu z 2026 roku próg zmierzono na własnym nagraniu każdego uczestnika bodźca badawczego deur, holenderskiego słowa pozostawionego tu w języku oryginału. W grupie dzieci wiek nie przewidywał istotnie progu (b = -0,028, p = 0,3).
4. Zmiany z wiekiem: jak formanty dzieci dorastają do norm dorosłych
Dzieci nie są akustycznie małymi dorosłymi, a płcie rozchodzą się wcześniej, niż sugeruje wysokość głosu. U 190 mówców w wieku od 4 do 20 lat różnica płciowa w F2 była obecna już w wieku 4 lat dla samogłosek wysokich /i/ i /u/ (Vorperian i in., JASA 2019, PDF autorów), na wiele lat przed pokwitaniem. Wniosek autorów jest dosadny: “Właściwości akustyczne samogłosek zaczynają różnicować płeć na długo przed pokwitaniem.”
Dla systemów automatycznych mowa dziecięca pozostaje ruchomym celem aż do późnych nastolatków, co widać także we wskaźnikach błędów rozpoznawania mowy dzieci.
| Metryka | Wartość | Źródło |
|---|---|---|
| Różnica płciowa w F2: samogłoski wysokie /i/ i /u/ wobec samogłosek niskich | Obecna w wieku 4 lat dla /i/ i /u/; w wieku 6 i 7 lat dla samogłosek niskich | Vorperian i in., JASA 2019 |
| Wiek, w którym dane o formantach osiągają wartości dorosłych | Około 16 lat u kobiet, około 20 lat u mężczyzn | Vorperian i in., JASA 2019 |
| Wiek, w którym czasy trwania segmentów zbliżają się do poziomów dorosłych, oraz opóźnienie dla f0 i zmienności formantów | Około 12. roku życia; f0 i zmienność formantów mogą osiągnąć zakres dorosłych około 2 lub 3 lata później | Lee i in., JASA 1999 |
| Zróżnicowanie między mówcami płci męskiej i żeńskiej, 436 dzieci | Zaczyna się około 11. roku życia, w pełni utrwalone około 15. roku życia | Lee i in., JASA 1999 |
| Przeregulowanie akustyczne przed ustabilizowaniem się na wartościach dorosłych | Gdzieś między 13. a 15. rokiem życia | Lee i in., JASA 1999 |
| Kształt zmiany formantów samogłosek wraz z wiekiem u mówców płci męskiej | W przybliżeniu liniowy względem wieku | Lee i in., JASA 1999 |
| Wiek, w którym wymowa samogłosek osiąga precyzję zbliżoną do dorosłych | Około 12 lat | Kent i Rountrey, American Journal of Speech-Language Pathology 2020 |
| Zakres częstotliwości potrzebny do uchwycenia pierwszych czterech formantów 2-latka | Nieco ponad 5 kHz | Kent i Rountrey, American Journal of Speech-Language Pathology 2020 |
Uwaga kontekstowa: f0 to częstotliwość podstawowa, tempo drgań fałdów głosowych odbierane jako wysokość głosu; formanty wyznacza trakt głosowy. Oba rozwijają się według różnych harmonogramów, dlatego różnice formantów między chłopcami i dziewczętami mogą pojawić się na długo przed różnicą wysokości głosu. Najnowsze dostępne normatywne dane o formantach dziecięcych: 2019.
5. Dialekt i zmiany pokoleniowe
Norma samogłoskowa to migawka jednego regionu w jednym czasie. Clopper i współpracownicy zwracają uwagę, że mówcy Peterson i Barney “bliżej przypominają mowę wschodniego wybrzeża Stanów Zjednoczonych niż General American English” (Clopper, Pisoni i de Jong, JASA 2005), podczas gdy mówcy Hillenbranda pochodzili z północnej części Środkowego Zachodu. Klasyfikator oparty na formantach wytrenowany na rodzicach z Karoliny Północnej uzyskał 88,9% na własnym zbiorze treningowym, ale tylko 44,8% na rodzicach z Wisconsin (Jacewicz i Fox, JASA 2012): przejście do innego dialektu zmniejszyło jego trafność mniej więcej o połowę.
Zmiana przebiega też między pokoleniami. U 123 kobiet z trzech regionów USA całkowity ruch formantów wewnątrz samogłoski (jej “długość trajektorii”, czyli odległość, jaką formanty pokonują w płaszczyźnie F1-F2) była największa w najstarszej grupie (Jacewicz, Fox i Salmons, Journal of Phonetics 2011). Różnice dialektalne widać także w maszynach: zob. nasze zestawienie o uprzedzeniach akcentowych w rozpoznawaniu mowy.
| Metryka | Wartość | Źródło |
|---|---|---|
| Mówcy i pomiary w badaniu dialektów USA w sześciu regionach | 48 mówców (4 mężczyzn i 4 kobiety z każdego z 6 regionów); 13.440 pomiarów | Clopper, Pisoni i de Jong, JASA 2005 |
| Interakcja samogłoski z dialektem dla F1 | F(50,2020) = 10,1, p < 0,001 | Clopper, Pisoni i de Jong, JASA 2005 |
| Rozpoznawanie przez słuchaczy mówców z własnego dialektu wobec drugiego dialektu | Słuchacze z Karoliny Północnej 82,1% wobec 75,8%; słuchacze z Wisconsin 83,5% wobec 79,6% | Jacewicz i Fox, JASA 2012 |
| Klasyfikator wytrenowany na rodzicach z Karoliny Północnej: własny zbiór treningowy wobec rodziców z Wisconsin | 88,9% wobec 44,8% | Jacewicz i Fox, JASA 2012 |
| Długość trajektorii formantów według regionu, 123 kobiety | Karolina Północna 516 Hz, Wisconsin 396 Hz, Ohio 353 Hz | Jacewicz, Fox i Salmons, Journal of Phonetics 2011 |
| Długość trajektorii formantów według pokolenia: wiek 51-65 wobec 37-49 wobec 21-33 | 477 Hz wobec 408 Hz wobec 380 Hz | Jacewicz, Fox i Salmons, Journal of Phonetics 2011 |
| Obniżanie /æ/ w kolejnych pokoleniach, Karolina Północna, pozycja emfatyczna | F(2, 38)=29,18, p<0,001, η2=0,606 | Jacewicz, Fox i Salmons, Journal of Phonetics 2011 |
Uwaga kontekstowa: najstarsza grupa różniła się istotnie od obu młodszych grup pod względem długości trajektorii, natomiast dwie młodsze grupy nie różniły się od siebie. Nagrania do badania trzech pokoleń wykonano od 2006 do 2008 roku.
6. Przestrzenie samogłoskowe w różnych językach
Języki, które mają ten sam symbol samogłoski, nie mają tych samych formantów. Średnie F2 samogłoski /u/ u dorosłych mężczyzn wynosiło 721 Hz w języku kantońskim, 1668 Hz w amerykańskim angielskim i 1704 Hz w japońskim (Chung i in., JASA 2012), więc /u/ zapisane tak samo może leżeć znacznie bardziej z przodu jamy ustnej w jednym języku niż w innym. Narzędzie, które pożycza normy angielskie dla innego języka, dziedziczy ten rozdźwięk.
Duże korpusy wielojęzyczne pozwalają dziś sprawdzać, co pozostaje stałe. W VoxCommunis średnie F1 dla [i] i [u] w poszczególnych językach zmieniają się razem, co nazywa się jednorodnością (uniformity): język, który wytwarza jedną samogłoskę wysoką z wyższym F1, zwykle robi to samo dla drugiej (Ahn i Chodroff, VoxCommunis, LREC 2022). Pokrycie jest wciąż nierówne, co jest tą samą luką, którą omawia nasze zestawienie o rozpoznawaniu mowy w językach o małych zasobach.
| Metryka | Wartość | Źródło |
|---|---|---|
| F2 samogłoski /u/ u dorosłych mężczyzn według języka (5 języków, łącznie 150 mówców: 2-latki, 5-latki i dorośli) | kantoński (Cantonese) 721, grecki (Greek) 1011, koreański (Korean) 1241, angielski (English) 1668, japoński (Japanese) 1704 Hz | Chung i in., JASA 2012 |
| Rozmiar korpusu VoxCommunis | 36 języków; od 0,24 do 288 godzin mowy i od 5 do 3.620 mówców na język | Ahn i Chodroff, LREC 2022 |
| Korelacja F1 między [i] i [u] w różnych językach | r = 0,83, p < 0,001, 31 języków | Ahn i Chodroff, LREC 2022 |
| Korelacja F1 między [e] i [o] w różnych językach | r = 0,74, p < 0,001, 22 języki | Ahn i Chodroff, LREC 2022 |
| Korelacja F2 między [i] i [a]: VoxCommunis wobec wcześniejszego korpusu VoxClamantis | r = 0,67 wobec r = 0,06 | Ahn i Chodroff, LREC 2022 |
| Języki z UCLA Phonetics Lab Archive z wyrównaniem czasowym w korpusie VoxAngeles | 95 z 314 języków | Chodroff i in., VoxAngeles, arXiv 2024 |
Uwaga kontekstowa: korelacje VoxCommunis porównują średnie dla języków, a nie poszczególnych mówców, a oba korpusy nie zgadzają się w niektórych parach, więc jednorodność jest tendencją, a nie prawem.
7. Błąd pomiaru formantów między narzędziami i metodami
Liczby w sekcjach od 1 do 6 to pomiary, a błąd pomiaru rośnie wraz z wysokością głosu. W 470.000 samogłosek syntetyzowanych średni błąd F1 w LPC wynosił 41 Hz (7%) przy F0 200-300 Hz i 58 Hz (9%) powyżej 300 Hz (Chen, Whalen i Shadle, JASA 2019). LPC (liniowe kodowanie predykcyjne) to domyślny tracker formantów w narzędziach takich jak Praat; przy wysokim tonie jego estymaty są przyciągane do najbliższej harmonicznej głosu, dlatego formanty kobiet, a zwłaszcza dzieci, są najmniej wiarygodne.
Wybór narzędzia też ma znaczenie. Porównanie Praat, WaveSurfer, TF32 i CSL wykazało, że pierwsze trzy są dokładne i porównywalne dla samogłosek syntetycznych i samogłosek dorosłych mężczyzn, ale mniej zadowalające dla dorosłych kobiet i dzieci (Burris i in., Journal of Speech, Language, and Hearing Research 2014).
| Metryka | Wartość | Źródło |
|---|---|---|
| Typowa dokładność estymacji formantów ze spektrogramu i metodą LPC | Około f0/4; około 60 Hz dla dziecka o f0 równym 250 Hz | Kent i Vorperian 2018 |
| Bezwzględna różnica między powtórzonymi pomiarami formantów w Hillenbrand i in. 1995 | Od 12 do 60 Hz | Kent i Vorperian 2018 |
| Średni błąd F1 w LPC, samogłoski syntetyczne przy F0 200-300 Hz wobec powyżej 300 Hz | 41 Hz (7%) wobec 58 Hz (9%) | Chen, Whalen i Shadle, JASA 2019 |
| Błąd F1 w LPC względem wartości formantu, według samogłoski | /u/ 23%, /i/ 18%, /æ/ 10%, /ɑ/ 8% | Chen, Whalen i Shadle, JASA 2019 |
| Powierzchnia przestrzeni samogłoskowej zmierzona metodą LPC przy F0 234 Hz, jako odsetek rzeczywistej powierzchni | 85% | Chen, Whalen i Shadle, JASA 2019 |
| Błąd pomiaru ręcznego czterech fonetyków na samogłoskach syntetycznych | 32 Hz (8%) do 118 Hz (26%) | Shadle, Nam i Whalen, JASA 2016 |
| Szerokości pasma formantów mowy naturalnej z czterech programów analitycznych mieszczące się w granicach ±10% wartości ręcznych | Żadna | Burris i in., JSLHR 2014 |
| Konsensusowe wartości referencyjne zmierzone ponownie po 3 miesiącach w granicach 50 Hz; wartości referencyjne odrzucone jako niepewne | Około 80%; około 15% (głównie F3 i F4) | Derdemezis i in., American Journal of Speech-Language Pathology 2016 |
Uwaga kontekstowa: Chen i współpracownicy szacują, że ponad połowa zmienności F1 i F2 raportowanej w literaturze wynika prawdopodobnie ze zmienności F0 (stosunki symulowanych do raportowanych wartości 0,76 dla F1 i 0,58 dla F2) i spodziewają się, że błędy w prawdziwej mowie będą większe niż w ich wyidealizowanych symulacjach. W badaniu Derdemezis domyślną górną granicę formantów w Praat, 5500 Hz, obniżono do 5000 Hz dla dorosłych mężczyzn.
Podsumowanie: normy częstotliwości formantów samogłosek w liczbach
| Metryka | Wartość | Źródło |
|---|---|---|
| Mówcy w Peterson i Barney 1952 | 76 (33 mężczyzn, 28 kobiet, 15 dzieci) | Podręcznik Praat, tabela Peterson i Barney 1952 |
| Mówcy w Hillenbrand i in. 1995 | 139 (45 mężczyzn, 48 kobiet, 46 dzieci) | Hillenbrand, Journal of the International Phonetic Association 2003 |
| Rozrzut średniego F2 samogłoski /u/ u kobiet w 7 zestawach danych amerykańskiego angielskiego | Około 700 Hz | Kent i Vorperian 2018 |
| Peterson i Barney, mężczyźni, /i/ (F1 / F2 / F3) | 270 / 2290 / 3010 Hz | Peterson i Barney, JASA 1952 (przedruk Princeton) |
| F2 amerykańskiego /i/: mężczyźni, kobiety, 5-latki, 2-latki | 2146, 2570, 2964, 3220 Hz | Chung i in., JASA 2012 |
| Identyfikacja naturalnych samogłosek, Peterson i Barney wobec Hillenbrand | 94,4% wobec 95,4% | Hillenbrand i in., JASA 2011 |
| Próg rozróżnialności F1, dzieci wobec dorosłych | 49% wobec 33% | Polsterer i in., JASA Express Letters 2026 |
| Wiek pierwszej różnicy płciowej w F2 dla /i/ i /u/ | 4 lata | Vorperian i in., JASA 2019 |
| Zróżnicowanie między mówcami płci męskiej i żeńskiej, początek wobec pełnego utrwalenia | Około 11. roku życia wobec około 15. roku życia | Lee i in., JASA 1999 |
| Mówcy w badaniu dialektów USA w sześciu regionach | 48 | Clopper, Pisoni i de Jong, JASA 2005 |
| Trafność klasyfikatora między dialektami, własny dialekt wobec innego dialektu | 88,9% wobec 44,8% | Jacewicz i Fox, JASA 2012 |
| Długość trajektorii formantów, najstarsze wobec najmłodszego pokolenia | 477 Hz wobec 380 Hz | Jacewicz, Fox i Salmons, Journal of Phonetics 2011 |
| Korelacja F1 między [i] i [u] w 31 językach | r = 0,83 | Ahn i Chodroff, LREC 2022 |
| Języki z archiwum UCLA z wyrównaniem czasowym w VoxAngeles | 95 z 314 | Chodroff i in., arXiv 2024 |
| Średni błąd F1 w LPC przy F0 powyżej 300 Hz | 58 Hz (9%) | Chen, Whalen i Shadle, JASA 2019 |
| Błąd ręcznego pomiaru F1 na samogłoskach syntetycznych | 32 Hz (8%) do 118 Hz (26%) | Shadle, Nam i Whalen, JASA 2016 |
| Wartości referencyjne odrzucone jako niepewne w porównaniu czterech programów | Około 15% | Derdemezis i in., AJSLP 2016 |
Metodologia i źródła
Przeprowadziliśmy ukierunkowane wyszukiwania w sześciu obszarach (zestawy referencyjne, normy płci i wieku, trafność identyfikacji, dialekt, dane międzyjęzykowe, błąd pomiaru) i zachowaliśmy tylko liczby, które przeczytaliśmy w pierwotnym artykule, oficjalnym abstrakcie lub nazwanym przedruku. Tam, gdzie strona była trudno dostępna, czytaliśmy ją przez proxy tekstowe, ale podajemy link do oryginału.
- Peterson i Barney, JASA 1952, nominalne średnie męskie w przedruku Princeton University (COS 325), z: P. R. Cook (red.), Music, Cognition, and Computerized Sound, MIT Press 1999.
- Podręcznik Praat: tabela formantów Peterson i Barney 1952 (liczby mówców i lista samogłosek).
- Hillenbrand, American English: Southern Michigan, Journal of the International Phonetic Association 2003.
- Pliki danych Hillenbrand i in. 1995, kopia lustrzana na GitHubie oraz dokumentacja zbioru h95 w phonTools.
- Hillenbrand i in., Perception of sinewave vowels, JASA 2011.
- Kent i Vorperian, Static measurements of vowel formant frequencies and bandwidths: A review, Journal of Communication Disorders 2018.
- Lee, Potamianos i Narayanan, Acoustics of children’s speech, JASA 1999 (abstrakt).
- Vorperian i in., Corner vowels in males and females ages 4 to 20 years, JASA 2019.
- Kent i Rountrey, What acoustic studies tell us about vowels in developing and disordered speech, AJSLP 2020.
- Polsterer i in., Auditory acuity to vowels is more refined in adulthood compared to childhood, JASA Express Letters 2026.
- Clopper, Pisoni i de Jong, Acoustic characteristics of the vowel systems of six regional varieties of American English, JASA 2005.
- Jacewicz i Fox, Effects of cross-generational and cross-dialectal variation on vowel identification and classification, JASA 2012.
- Jacewicz, Fox i Salmons, Vowel change across three age groups of speakers in three regional varieties of American English, Journal of Phonetics 2011.
- Chung i in., Cross-linguistic studies of children’s and adults’ vowel spaces, JASA 2012.
- Ahn i Chodroff, VoxCommunis: A Corpus for Cross-linguistic Phonetic Analysis, LREC 2022.
- Chodroff i in., Phonetic Segmentation of the UCLA Phonetics Lab Archive (VoxAngeles), arXiv 2024.
- Chen, Whalen i Shadle, F0-induced formant measurement errors result in biased variabilities, JASA 2019.
- Shadle, Nam i Whalen, Comparing measurement errors for formants in synthetic and natural vowels, JASA 2016.
- Burris i in., Quantitative and descriptive comparison of four acoustic analysis systems: vowel measurements, JSLHR 2014.
- Derdemezis i in., Optimizing vowel formant measurements in four acoustic analysis systems for diverse speaker groups, AJSLP 2016.
- Uwaga o danych: wskaźnik rozpoznawania samogłosek w Hillenbrand i in. 1995 występuje jako 95,4% w Hillenbrand i in. 2011, ale jako 95,8% w kolumnie porównawczej Jacewicz i Fox 2012 (Tabela III); przytaczamy 95,4%. Źródła różnią się też w kwestii wieku: Vorperian i in. 2019 stwierdzają różnice płciowe w formantach od 4. roku życia, a różnice płciowe w f0 od 7. roku życia, przegląd Kent i Vorperian przytacza wcześniejsze dane umieszczające różnice w f0 w wieku 10 lub 11 lat, a Lee i in. 1999 wskazują początek zróżnicowania między mówcami płci męskiej i żeńskiej około 11. roku życia; badania stosowały różne wieki, samogłoski i miary. Wartości Peterson i Barney dla poszczególnych samogłosek pochodzą z przedruku, a nie z samego artykułu z 1952 roku, i mieliśmy dostęp wyłącznie do średnich męskich, więc średnich kobiecych i dziecięcych z oryginalnej tabeli tu nie przytaczamy. Większość podstawowych norm w tym zestawieniu liczy sobie dziesięciolecia i nie udało nam się zweryfikować nowego, dużego normatywnego zestawu samogłosek amerykańskiego angielskiego opublikowanego w 2025 lub 2026 roku. Wartości z różnych badań uzyskano różnymi narzędziami i ustawieniami (zob. sekcja 7), więc różnic między badaniami rzędu kilkudziesięciu herców nie należy odczytywać jako rzeczywistych różnic w mowie.
Ostatnia aktualizacja: 8 listopada 2026 roku. Aktualizujemy to zestawienie kwartalnie, a kolejne odświeżenie planujemy na czas publikacji następnej wersji korpusu VoxCommunis.