Ouvintes identificaram 95,4% das vogais do inglês americano faladas naturalmente em gravações de 139 falantes, contra 94,4% no clássico conjunto de 76 falantes de Peterson e Barney (Hillenbrand et al., JASA 2011). Reduza as mesmas vogais a uma síntese apenas de formantes e a precisão cai para 88,5%; reduza-as a tons senoidais puros que apenas acompanham os formantes e ouvintes sem treinamento chegam a 55,0%. A percepção dos formantes também amadurece devagar: crianças holandesas de 6 a 11 anos precisaram, em média, de uma mudança de 49% no F1 para percebê-la, contra 33% dos adultos (Polsterer et al., JASA Express Letters 2026). Reunimos dados do Journal of the Acoustical Society of America (Peterson e Barney, Hillenbrand, Vorperian, Chung, Chen), do Journal of Phonetics, do Journal of Communication Disorders, do corpus VoxCommunis (LREC 2022) e de um estudo de 2026 do JASA Express Letters. Se você chegou aqui pelo nosso levantamento sobre formantes do canto e acústica do belting, esta página cobre o lado da fala: os alvos vocálicos cotidianos de falantes comuns.
Um formante é uma ressonância do trato vocal, uma faixa de frequências que a garganta e a boca amplificam. O F1 sobe à medida que a mandíbula e a língua baixam (vogais abertas), o F2 sobe quando a língua avança (vogais anteriores) e o F3 importa mais para as vogais com coloração de r, como a de ‘heard’. Todas as tabelas abaixo usam hertz (Hz), salvo indicação em contrário.
TL;DR
- Peterson e Barney gravaram 76 falantes (33 homens, 28 mulheres, 15 crianças) dizendo 10 vogais duas vezes, 1.520 vogais no total (manual do Praat, tabela de Peterson e Barney 1952).
- As vogais naturais foram identificadas corretamente em 94,4% (Peterson e Barney) e 95,4% (Hillenbrand) das vezes (Hillenbrand et al., JASA 2011).
- Os formantes médios das vogais extremas diferem em cerca de 700 Hz entre conjuntos de dados publicados do inglês americano, no caso do F2 de /u/ em mulheres (Kent e Vorperian, Journal of Communication Disorders 2018).
- F2 de /i/ no inglês americano: 2146 Hz em homens, 2570 Hz em mulheres, 2964 Hz em crianças de 5 anos, 3220 Hz em crianças de 2 anos (Chung et al., JASA 2012).
- Já existe uma diferença de F2 entre os sexos aos 4 anos para /i/ e /u/ (Vorperian et al., JASA 2019).
- Um classificador de formantes treinado em um dialeto dos EUA caiu de 88,9% para 44,8% de acertos em outro (Jacewicz e Fox, JASA 2012).
- O movimento dos formantes dentro de uma vogal foi de 477 Hz em falantes de 51-65 anos contra 380 Hz em falantes de 21-33 anos (Jacewicz, Fox e Salmons, Journal of Phonetics 2011).
- O F1 médio de [i] e [u] se correlaciona com r = 0,83 em 31 línguas (Ahn e Chodroff, VoxCommunis, LREC 2022).
- O erro médio de F1 por LPC chega a 58 Hz (9%) quando o F0 está acima de 300 Hz (Chen, Whalen e Shadle, JASA 2019).
- Até foneticistas treinados, medindo à mão, erraram o F1 sintético em 32 Hz (8%) a 118 Hz (26%) (Shadle, Nam e Whalen, JASA 2016).
- O limiar de discriminação de F1 das crianças foi, em média, uma diferença de 49% no F1, contra 33% nos adultos (Polsterer et al., JASA Express Letters 2026).
1. Os Conjuntos de Dados de Referência por Trás de Todo Gráfico de Vogais
Quase todo gráfico de vogais de um livro-texto de fonética remonta a três gravações do inglês americano feitas em 1952, 1995 e 1999. Entre os sete conjuntos de dados do inglês americano comparados em uma revisão de 2018, os formantes médios das vogais extremas diferem em cerca de 500 Hz no F2 de /u/ em homens e em cerca de 700 Hz no F2 de /u/ em mulheres (Kent e Vorperian, Journal of Communication Disorders 2018). Uma “norma” só faz sentido junto com o conjunto de dados, o dialeto e a década de que vem.
Os conjuntos de referência também são pequenos para os padrões atuais: dezenas de falantes por grupo, não milhares. As gravações e medições de Hillenbrand estão disponíveis publicamente (espelho no GitHub de Hillenbrand et al. 1995, hospedado com a permissão do autor), de modo que qualquer pessoa pode repetir as análises clássicas.
| Métrica | Valor | Fonte |
|---|---|---|
| Falantes e vogais em Peterson e Barney 1952 (palavras hVd como heed, hid, head, had) | 76 falantes (33 homens, 28 mulheres, 15 crianças); 10 vogais, cada uma dita duas vezes; 1.520 vogais gravadas | Manual do Praat, tabela de formantes de Peterson e Barney 1952 |
| Falantes em Hillenbrand et al. 1995 | 139 (45 homens, 48 mulheres, 46 crianças) | Hillenbrand, Journal of the International Phonetic Association 2003 |
| Observações de vogais em estado estável no conjunto público h95 | 1.668 observações; 10 valores de F2 e 41 valores de F3 ausentes foram imputados | Pacote R phonTools, documentação do conjunto h95 |
| Falantes em Lee, Potamianos e Narayanan 1999 | 436 crianças de 5 a 17 anos, mais 56 adultos | Lee et al., JASA 1999 (resumo) |
| Falantes no conjunto de vogais extremas de desenvolvimento mais recente dos EUA | 190 falantes com desenvolvimento típico, de 4 a 20 anos (97 do sexo feminino, 93 do masculino) | Vorperian et al., JASA 2019 |
| Dispersão dos formantes médios das vogais extremas em 7 conjuntos de dados do inglês americano | Cerca de 500 Hz (F2 de /u/ em homens), 400 Hz (F1 de /æ/ em mulheres), 700 Hz (F2 de /u/ em mulheres) | Kent e Vorperian, Journal of Communication Disorders 2018 |
| Área do espaço vocálico masculino adulto: Peterson e Barney contra homens de 18 anos em Lee et al. 1999 | 411,5 kHz² contra cerca de 330 kHz² | Kent e Vorperian, Journal of Communication Disorders 2018 |
Nota de contexto: dados mais recentes disponíveis para os três conjuntos de referência: 1952, 1995 e 1999. A área do espaço vocálico é a área do polígono F1-F2 traçado entre as vogais extremas; uma área maior significa vogais mais espalhadas.
2. Médias de F1, F2 e F3 para Homens, Mulheres e Crianças
Tratos vocais menores ressoam em frequências mais altas, então os formantes sobem de homens para mulheres e para crianças. Para a vogal /i/ do inglês americano, o F2 médio foi de 3220 Hz em crianças de 2 anos contra 2146 Hz em homens adultos, uma diferença de 1.074 Hz (3220 menos 2146) (Chung et al., JASA 2012). A escala não é uniforme: o F1 de /i/ em meninos de 4 anos é 1,42 vez o valor masculino adulto, mas o F4 é 1,57 vez, de modo que a voz de uma criança não é simplesmente a de um homem deslocada para cima.
As linhas de Peterson e Barney abaixo são as médias masculinas “nominais” mais amplamente reproduzidas; os símbolos e as palavras de exemplo aparecem exatamente como a reimpressão os traz. Para quem desenvolve efeitos de voz que mudam a idade ou o gênero percebidos, a conclusão é que o padrão de formantes, e não só a altura da voz, difere entre homens, mulheres e crianças.
| Métrica | Valor | Fonte |
|---|---|---|
| Homens de Peterson e Barney, /i/ como em ‘beet’ (F1 / F2 / F3) | 270 / 2290 / 3010 Hz | Peterson e Barney, JASA 1952, conforme reproduzido pela Princeton University (COS 325) |
| Homens de Peterson e Barney, /ae/ como em ‘bat’ (F1 / F2 / F3) | 660 / 1720 / 2410 Hz | Peterson e Barney, JASA 1952 (reimpressão de Princeton) |
| Homens de Peterson e Barney, /a/ como em ‘father’ (F1 / F2 / F3) | 730 / 1090 / 2440 Hz | Peterson e Barney, JASA 1952 (reimpressão de Princeton) |
| Homens de Peterson e Barney, /u/ como em ‘boot’ (F1 / F2 / F3) | 300 / 870 / 2240 Hz | Peterson e Barney, JASA 1952 (reimpressão de Princeton) |
| /i/ do inglês americano, homens adultos contra mulheres adultas (F1 / F2 / F3) | 370 / 2146 / 2838 Hz contra 391 / 2570 / 3128 Hz | Chung et al., JASA 2012 |
| /i/ do inglês americano, crianças de 5 anos contra crianças de 2 anos (F1 / F2 / F3) | 439 / 2964 / 3739 Hz contra 544 / 3220 / 4210 Hz | Chung et al., JASA 2012 |
| Razão dos formantes, meninos de 4 anos contra homens adultos | 1,42 (F1 de /i/); 1,57 (F4 de /i/) | Vorperian et al., JASA 2019 |
Nota de contexto: os valores de Peterson e Barney foram lidos de espectrogramas, enquanto os valores de 2012 vêm de análise LPC no Praat no ponto médio da vogal, com 10 falantes (5 homens, 5 mulheres) por língua e faixa etária. Épocas, ferramentas e dialetos diferentes significam que os dois conjuntos não são estritamente comparáveis (veja a seção 7).
3. Como a Precisão da Identificação Depende dos Formantes
Os formantes carregam a maior parte da identidade de uma vogal, mas não toda. As vogais naturais chegam a 95,4% de identificação, as cópias sintetizadas com formantes a 88,5% e as réplicas de ondas senoidais a apenas 55,0% antes do treinamento (Hillenbrand et al., JASA 2011). Uma réplica de ondas senoidais substitui cada formante por um único tom puro que segue sua trajetória de frequência, de modo que mantém o padrão de formantes, mas descarta a voz. A queda de cerca de 40 pontos (95,4 menos 55,0) mostra o quanto os ouvintes também se apoiam no restante do sinal.
A variedade de falantes também custa precisão. Quando os falantes vinham de duas regiões dialetais diferentes dos EUA e de três gerações, os ouvintes caíram para 80,2% no geral (Jacewicz e Fox, JASA 2012).
| Métrica | Valor | Fonte |
|---|---|---|
| Vogais naturais identificadas como pretendidas: Peterson e Barney (10 tipos de vogal, 76 falantes) contra Hillenbrand et al. 1995 (12 tipos de vogal, 139 falantes) | 94,4% contra 95,4% | Hillenbrand et al., JASA 2011 |
| Versões sintetizadas com formantes das vogais de 300 sílabas hVd | 88,5% | Hillenbrand et al., JASA 2011 (citando Hillenbrand e Nearey 1999) |
| Vogais de ondas senoidais, 71 ouvintes antes do treinamento contra depois de um treinamento mais extenso (nível do acaso de 8,3%) | 55,0% (variando de 21,3% a 80,7% entre os ouvintes) contra 73,5% | Hillenbrand et al., JASA 2011 |
| Identificação de 120 falantes de dialetos variados (Carolina do Norte e Wisconsin) por 30 ouvintes | 80,2% no geral, cerca de 15% abaixo de Hillenbrand et al. 1995 | Jacewicz e Fox, JASA 2012 |
| Menor mudança perceptível no F1 (diferença mínima perceptível) em 94 falantes de holandês, crianças de 6-11 anos contra adultos de 20-36 anos | Diferença de F1 de 49% contra 33% (W = 1525, p = 0,001) | Polsterer et al., JASA Express Letters 2026 |
Nota de contexto: no estudo holandês de 2026, o limiar foi medido sobre a gravação que cada participante fez do estímulo do estudo, deur, uma palavra holandesa mantida aqui no idioma original. Entre as crianças, a idade não previu significativamente o limiar (b = -0,028, p = 0,3).
4. Mudanças com a Idade: Como os Formantes das Crianças Chegam às Normas Adultas
Crianças não são adultos em miniatura do ponto de vista acústico, e os sexos se separam antes do que a altura da voz sugere. Em 190 falantes de 4 a 20 anos, já havia uma diferença de F2 entre os sexos aos 4 anos para as vogais altas /i/ e /u/ (Vorperian et al., JASA 2019, PDF do autor), anos antes da puberdade. A conclusão dos autores é direta: “As propriedades acústicas das vogais tornam-se distintivas quanto ao sexo bem antes da puberdade.”
Para sistemas automáticos, a fala infantil continua sendo um alvo móvel até o fim da adolescência, um desafio também visível nas taxas de erro do reconhecimento de fala infantil.
| Métrica | Valor | Fonte |
|---|---|---|
| Diferença de F2 entre os sexos: vogais altas /i/ e /u/ contra vogais baixas | Presente aos 4 anos para /i/ e /u/; aos 6 e 7 anos para as vogais baixas | Vorperian et al., JASA 2019 |
| Idade em que os dados de formantes atingem valores adultos | Cerca de 16 anos para o sexo feminino, cerca de 20 anos para o masculino | Vorperian et al., JASA 2019 |
| Idade em que as durações segmentais convergem para níveis adultos, e o atraso da variabilidade de f0 e de formantes | Por volta dos 12 anos; a variabilidade de f0 e de formantes pode chegar à faixa adulta cerca de 2 ou 3 anos depois | Lee et al., JASA 1999 |
| Diferenciação entre falantes masculinos e femininos, 436 crianças | Começa por volta dos 11 anos, plenamente estabelecida por volta dos 15 | Lee et al., JASA 1999 |
| Ultrapassagem acústica antes de se estabilizar nos valores adultos | Em algum ponto entre os 13 e os 15 anos | Lee et al., JASA 1999 |
| Forma da mudança dos formantes das vogais com a idade em falantes masculinos | Aproximadamente linear com a idade | Lee et al., JASA 1999 |
| Idade em que a produção de vogais atinge precisão semelhante à adulta | Cerca de 12 anos | Kent e Rountrey, American Journal of Speech-Language Pathology 2020 |
| Faixa de frequência necessária para captar os quatro primeiros formantes de uma criança de 2 anos | Pouco mais de 5 kHz | Kent e Rountrey, American Journal of Speech-Language Pathology 2020 |
Nota de contexto: f0 é a frequência fundamental, a taxa de vibração das pregas vocais percebida como altura; os formantes são determinados pelo trato vocal. Os dois se desenvolvem em cronogramas diferentes, e por isso as diferenças de formantes entre meninos e meninas podem aparecer muito antes da diferença de altura. Dados normativos de formantes infantis mais recentes disponíveis: 2019.
5. Mudanças por Dialeto e por Geração
Uma norma vocálica é um retrato de uma região em um momento. Clopper e colegas observam que os falantes de Peterson e Barney “se aproximam mais da fala da costa leste americana do que do inglês americano geral” (Clopper, Pisoni e de Jong, JASA 2005), enquanto os falantes de Hillenbrand vinham do norte do Meio-Oeste. Um classificador baseado em formantes treinado com pais da Carolina do Norte acertou 88,9% no próprio conjunto de treinamento, mas apenas 44,8% com pais de Wisconsin (Jacewicz e Fox, JASA 2012): ao passar para outro dialeto, sua precisão caiu aproximadamente pela metade.
A mudança também atravessa gerações. Em 123 mulheres de três regiões dos EUA, o movimento total dos formantes dentro de uma vogal (seu “comprimento da trajetória”, a distância que os formantes percorrem no plano F1-F2) foi maior no grupo mais velho (Jacewicz, Fox e Salmons, Journal of Phonetics 2011). As diferenças dialetais também aparecem nas máquinas: veja nosso levantamento sobre viés de sotaque no reconhecimento de fala.
| Métrica | Valor | Fonte |
|---|---|---|
| Falantes e medições no estudo dialetal de seis regiões dos EUA | 48 falantes (4 homens e 4 mulheres de cada uma das 6 regiões); 13.440 medições | Clopper, Pisoni e de Jong, JASA 2005 |
| Interação vogal por dialeto para F1 | F(50,2020) = 10,1, p < 0,001 | Clopper, Pisoni e de Jong, JASA 2005 |
| Identificação pelos ouvintes de falantes do próprio dialeto contra o outro dialeto | Ouvintes da Carolina do Norte 82,1% contra 75,8%; ouvintes de Wisconsin 83,5% contra 79,6% | Jacewicz e Fox, JASA 2012 |
| Classificador treinado com pais da Carolina do Norte: próprio conjunto de treinamento contra pais de Wisconsin | 88,9% contra 44,8% | Jacewicz e Fox, JASA 2012 |
| Comprimento da trajetória dos formantes por região, 123 mulheres | Carolina do Norte 516 Hz, Wisconsin 396 Hz, Ohio 353 Hz | Jacewicz, Fox e Salmons, Journal of Phonetics 2011 |
| Comprimento da trajetória dos formantes por geração: 51-65 anos contra 37-49 contra 21-33 | 477 Hz contra 408 Hz contra 380 Hz | Jacewicz, Fox e Salmons, Journal of Phonetics 2011 |
| Abaixamento de /æ/ entre gerações, Carolina do Norte, posição enfática | F(2, 38)=29,18, p<0,001, η2=0,606 | Jacewicz, Fox e Salmons, Journal of Phonetics 2011 |
Nota de contexto: o grupo mais velho diferiu significativamente dos dois grupos mais jovens no comprimento da trajetória, enquanto os dois grupos mais jovens não diferiram entre si. As gravações do estudo de três gerações foram feitas de 2006 a 2008.
6. Espaços Vocálicos Entre Línguas
Línguas que compartilham um símbolo vocálico não compartilham seus formantes. O /u/ masculino adulto teve F2 médio de 721 Hz em cantonês, 1668 Hz em inglês americano e 1704 Hz em japonês (Chung et al., JASA 2012), de modo que um /u/ escrito da mesma forma pode estar muito mais à frente na boca em uma língua do que em outra. Uma ferramenta que toma emprestadas as normas do inglês para outra língua herda essa discrepância.
Grandes corpora multilíngues agora testam o que permanece constante. No VoxCommunis, os valores médios de F1 por língua para [i] e [u] se movem juntos, um padrão chamado uniformidade: uma língua que produz uma vogal alta com F1 mais alto tende a fazer o mesmo com a outra (Ahn e Chodroff, VoxCommunis, LREC 2022). A cobertura ainda é desigual, a mesma lacuna discutida em nosso levantamento sobre reconhecimento de fala em línguas de poucos recursos.
| Métrica | Valor | Fonte |
|---|---|---|
| F2 de /u/ masculino adulto por língua (5 línguas, 150 falantes no total entre crianças de 2 anos, crianças de 5 anos e adultos) | Cantonês 721, grego 1011, coreano 1241, inglês 1668, japonês 1704 Hz | Chung et al., JASA 2012 |
| Tamanho do corpus VoxCommunis | 36 línguas; de 0,24 a 288 horas de fala e de 5 a 3.620 falantes por língua | Ahn e Chodroff, LREC 2022 |
| Correlação de F1 entre [i] e [u] entre línguas | r = 0,83, p < 0,001, 31 línguas | Ahn e Chodroff, LREC 2022 |
| Correlação de F1 entre [e] e [o] entre línguas | r = 0,74, p < 0,001, 22 línguas | Ahn e Chodroff, LREC 2022 |
| Correlação de F2 entre [i] e [a]: VoxCommunis contra o corpus anterior VoxClamantis | r = 0,67 contra r = 0,06 | Ahn e Chodroff, LREC 2022 |
| Línguas do UCLA Phonetics Lab Archive alinhadas no tempo para o corpus VoxAngeles | 95 de 314 línguas | Chodroff et al., VoxAngeles, arXiv 2024 |
Nota de contexto: as correlações do VoxCommunis comparam médias por língua, não falantes individuais, e os dois corpora divergem em alguns pares, de modo que a uniformidade é uma tendência, não uma lei.
7. Erro de Medição de Formantes Entre Ferramentas e Métodos
Os números das seções 1 a 6 são medições, e o erro de medição cresce com a altura da voz. Em 470.000 vogais sintetizadas, o erro médio de F1 por LPC foi de 41 Hz (7%) com F0 de 200-300 Hz e de 58 Hz (9%) acima de 300 Hz (Chen, Whalen e Shadle, JASA 2019). A LPC (codificação preditiva linear) é o rastreador de formantes padrão em ferramentas como o Praat; em vozes agudas, suas estimativas são puxadas para o harmônico vocal mais próximo, e é por isso que os formantes de mulheres e, sobretudo, de crianças são os menos confiáveis.
A escolha da ferramenta também importa. Uma comparação entre Praat, WaveSurfer, TF32 e CSL constatou que os três primeiros foram precisos e comparáveis para vogais sintetizadas e vogais masculinas adultas, mas menos satisfatórios para mulheres adultas e crianças (Burris et al., Journal of Speech, Language, and Hearing Research 2014).
| Métrica | Valor | Fonte |
|---|---|---|
| Precisão típica da estimativa de formantes por espectrograma e por LPC | Cerca de f0/4; cerca de 60 Hz para uma criança com f0 de 250 Hz | Kent e Vorperian 2018 |
| Diferença absoluta entre medições repetidas de formantes em Hillenbrand et al. 1995 | 12 a 60 Hz | Kent e Vorperian 2018 |
| Erro médio de F1 por LPC, vogais sintéticas com F0 de 200-300 Hz contra acima de 300 Hz | 41 Hz (7%) contra 58 Hz (9%) | Chen, Whalen e Shadle, JASA 2019 |
| Erro de F1 por LPC em relação ao valor do formante, por vogal | /u/ 23%, /i/ 18%, /æ/ 10%, /ɑ/ 8% | Chen, Whalen e Shadle, JASA 2019 |
| Área do espaço vocálico medida por LPC com F0 de 234 Hz, como parcela da área real | 85% | Chen, Whalen e Shadle, JASA 2019 |
| Erro de medição manual por quatro foneticistas em vogais sintéticas | 32 Hz (8%) a 118 Hz (26%) | Shadle, Nam e Whalen, JASA 2016 |
| Larguras de banda de formantes da fala natural, obtidas por quatro programas de análise, dentro de ±10% dos valores manuais | Nenhuma | Burris et al., JSLHR 2014 |
| Valores de referência de consenso remedidos após 3 meses dentro de 50 Hz; valores de referência descartados por incerteza | Cerca de 80%; cerca de 15% (principalmente F3 e F4) | Derdemezis et al., American Journal of Speech-Language Pathology 2016 |
Nota de contexto: Chen e colegas estimam que mais da metade da variabilidade de F1 e F2 relatada na literatura provavelmente se deve à variabilidade de F0 (razões simulado/relatado de 0,76 para F1 e 0,58 para F2), e esperam que os erros na fala real sejam maiores do que em suas simulações idealizadas. No estudo de Derdemezis, o limite padrão de formantes do Praat, de 5500 Hz, foi reduzido para 5000 Hz para homens adultos.
Resumo: Normas de Frequência de Formantes Vocálicos em Números
| Métrica | Valor | Fonte |
|---|---|---|
| Falantes em Peterson e Barney 1952 | 76 (33 homens, 28 mulheres, 15 crianças) | Manual do Praat, tabela de Peterson e Barney 1952 |
| Falantes em Hillenbrand et al. 1995 | 139 (45 homens, 48 mulheres, 46 crianças) | Hillenbrand, Journal of the International Phonetic Association 2003 |
| Dispersão do F2 médio de /u/ em mulheres em 7 conjuntos de dados do inglês americano | Cerca de 700 Hz | Kent e Vorperian 2018 |
| Homens de Peterson e Barney, /i/ (F1 / F2 / F3) | 270 / 2290 / 3010 Hz | Peterson e Barney, JASA 1952 (reimpressão de Princeton) |
| F2 de /i/ no inglês americano: homens, mulheres, crianças de 5 anos, crianças de 2 anos | 2146, 2570, 2964, 3220 Hz | Chung et al., JASA 2012 |
| Identificação de vogais naturais, Peterson e Barney contra Hillenbrand | 94,4% contra 95,4% | Hillenbrand et al., JASA 2011 |
| Diferença mínima perceptível de F1, crianças contra adultos | 49% contra 33% | Polsterer et al., JASA Express Letters 2026 |
| Idade da primeira diferença de F2 entre os sexos para /i/ e /u/ | 4 anos | Vorperian et al., JASA 2019 |
| Diferenciação entre falantes masculinos e femininos, início contra plenamente estabelecida | Por volta dos 11 anos contra por volta dos 15 | Lee et al., JASA 1999 |
| Falantes no estudo dialetal de seis regiões dos EUA | 48 | Clopper, Pisoni e de Jong, JASA 2005 |
| Precisão do classificador entre dialetos, próprio dialeto contra outro dialeto | 88,9% contra 44,8% | Jacewicz e Fox, JASA 2012 |
| Comprimento da trajetória dos formantes, geração mais velha contra a mais jovem | 477 Hz contra 380 Hz | Jacewicz, Fox e Salmons, Journal of Phonetics 2011 |
| Correlação de F1 de [i] e [u] em 31 línguas | r = 0,83 | Ahn e Chodroff, LREC 2022 |
| Línguas do arquivo da UCLA alinhadas no tempo no VoxAngeles | 95 de 314 | Chodroff et al., arXiv 2024 |
| Erro médio de F1 por LPC com F0 acima de 300 Hz | 58 Hz (9%) | Chen, Whalen e Shadle, JASA 2019 |
| Erro de medição manual de F1 em vogais sintéticas | 32 Hz (8%) a 118 Hz (26%) | Shadle, Nam e Whalen, JASA 2016 |
| Valores de referência descartados por incerteza em uma comparação de quatro programas | Cerca de 15% | Derdemezis et al., AJSLP 2016 |
Metodologia e Fontes
Realizamos buscas direcionadas em seis frentes (conjuntos de dados de referência, normas por sexo e idade, precisão de identificação, dialeto, dados entre línguas, erro de medição) e mantivemos apenas os números que lemos no artigo primário, em um resumo oficial ou em uma reimpressão identificada. Quando uma página era de difícil acesso, a lemos por meio de um proxy de texto, mas indicamos o link original.
- Peterson e Barney, JASA 1952, médias masculinas nominais conforme reproduzidas pela Princeton University (COS 325), de P. R. Cook (org.), Music, Cognition, and Computerized Sound, MIT Press 1999.
- Manual do Praat: tabela de formantes de Peterson e Barney 1952 (número de falantes e lista de vogais).
- Hillenbrand, American English: Southern Michigan, Journal of the International Phonetic Association 2003.
- Arquivos de dados de Hillenbrand et al. 1995, espelho no GitHub e documentação do conjunto h95 do phonTools.
- Hillenbrand et al., Perception of sinewave vowels, JASA 2011.
- Kent e Vorperian, Static measurements of vowel formant frequencies and bandwidths: A review, Journal of Communication Disorders 2018.
- Lee, Potamianos e Narayanan, Acoustics of children’s speech, JASA 1999 (resumo).
- Vorperian et al., Corner vowels in males and females ages 4 to 20 years, JASA 2019.
- Kent e 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 e de Jong, Acoustic characteristics of the vowel systems of six regional varieties of American English, JASA 2005.
- Jacewicz e Fox, Effects of cross-generational and cross-dialectal variation on vowel identification and classification, JASA 2012.
- Jacewicz, Fox e 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 e 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 e Shadle, F0-induced formant measurement errors result in biased variabilities, JASA 2019.
- Shadle, Nam e 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 os dados: a taxa de identificação de Hillenbrand et al. 1995 aparece como 95,4% em Hillenbrand et al. 2011, mas como 95,8% na coluna de comparação de Jacewicz e Fox 2012 (Tabela III); citamos 95,4%. As fontes também divergem quanto ao momento: Vorperian et al. 2019 encontram diferenças de formantes entre os sexos a partir dos 4 anos e diferenças de f0 a partir dos 7, a revisão de Kent e Vorperian cita dados anteriores que situam as diferenças de f0 aos 10 ou 11, e Lee et al. 1999 situam o início da diferenciação entre masculino e feminino por volta dos 11 anos; os estudos usaram idades, vogais e medidas diferentes. Os valores por vogal de Peterson e Barney vêm de uma reimpressão, não do artigo de 1952 em si, e só tivemos acesso às médias masculinas, então as médias femininas e infantis da tabela original não são citadas aqui. A maioria das normas centrais deste levantamento tem décadas, e não conseguimos verificar a existência de um novo conjunto normativo grande de vogais do inglês americano publicado em 2025 ou 2026. Valores de estudos diferentes usaram ferramentas e configurações diferentes (veja a seção 7), portanto diferenças de algumas dezenas de hertz entre estudos não devem ser lidas como diferenças reais de fala.
Última atualização: 8 de novembro de 2026. Atualizamos este levantamento trimestralmente, e a próxima revisão é esperada quando for publicada a próxima versão do corpus VoxCommunis.