ผู้ฟังระบุสระภาษาอังกฤษแบบอเมริกันที่เปล่งตามธรรมชาติได้ถูกต้อง 95.4% ในการบันทึกเสียงจากผู้พูด 139 คน เทียบกับ 94.4% ในชุดข้อมูลคลาสสิกของ Peterson และ Barney ที่มีผู้พูด 76 คน (Hillenbrand และคณะ, JASA 2011) หากลดสระชุดเดียวกันให้เหลือเพียงการสังเคราะห์ด้วยฟอร์แมนต์ ความแม่นยำจะลดลงเหลือ 88.5% และหากลดเหลือเพียงเสียงคลื่นไซน์บริสุทธิ์ที่แค่ตามรอยฟอร์แมนต์ ผู้ฟังที่ไม่ได้ฝึกทำได้เพียง 55.0% การรับรู้ฟอร์แมนต์ก็พัฒนาอย่างช้า ๆ เช่นกัน เด็กชาวดัตช์อายุ 6 ถึง 11 ปีต้องการการเปลี่ยนแปลงของ F1 เฉลี่ย 49% จึงจะสังเกตเห็น เทียบกับ 33% ในผู้ใหญ่ (Polsterer และคณะ, JASA Express Letters 2026) เรารวบรวมข้อมูลจาก Journal of the Acoustical Society of America (Peterson และ Barney, Hillenbrand, Vorperian, Chung, Chen), Journal of Phonetics, Journal of Communication Disorders, คลังข้อมูล VoxCommunis (LREC 2022) และการศึกษาใน JASA Express Letters ปี 2026 หากคุณมาจากสรุปของเราเรื่องฟอร์แมนต์นักร้องและเสียงศาสตร์ของการร้องแบบเบลท์ หน้านี้ครอบคลุมด้านการพูด คือเป้าหมายสระในชีวิตประจำวันของผู้พูดทั่วไป
ฟอร์แมนต์คือเสียงสะท้อนของช่องเสียง เป็นย่านความถี่ที่ลำคอและช่องปากขยายให้ดังขึ้น F1 สูงขึ้นเมื่อขากรรไกรและลิ้นลดต่ำลง (สระเปิด) F2 สูงขึ้นเมื่อลิ้นเคลื่อนไปข้างหน้า (สระหน้า) และ F3 สำคัญที่สุดสำหรับสระที่มีสีเสียงอาร์ เช่นสระในคำว่า ‘heard’ ตารางทุกตารางด้านล่างใช้หน่วยเฮิรตซ์ (Hz) เว้นแต่ระบุไว้เป็นอย่างอื่น
สรุปโดยย่อ
- Peterson และ Barney บันทึกเสียงผู้พูด 76 คน (ชาย 33 หญิง 28 เด็ก 15) ที่พูดสระ 10 ตัวคนละสองครั้ง รวมสระ 1,520 ตัว (คู่มือ Praat, ตาราง Peterson และ Barney 1952)
- สระธรรมชาติถูกระบุได้ถูกต้อง 94.4% (Peterson และ Barney) และ 95.4% (Hillenbrand) ของครั้งทั้งหมด (Hillenbrand และคณะ, JASA 2011)
- ฟอร์แมนต์เฉลี่ยของสระมุมแตกต่างกันราว 700 Hz ระหว่างชุดข้อมูลภาษาอังกฤษแบบอเมริกันที่เผยแพร่แล้ว สำหรับ F2 ของ /u/ ในผู้หญิง (Kent และ Vorperian, Journal of Communication Disorders 2018)
- F2 ของ /i/ ในภาษาอังกฤษแบบอเมริกัน: 2146 Hz ในผู้ชาย 2570 Hz ในผู้หญิง 2964 Hz ในเด็กอายุ 5 ขวบ 3220 Hz ในเด็กอายุ 2 ขวบ (Chung และคณะ, JASA 2012)
- ความแตกต่างของ F2 ระหว่างเพศมีอยู่แล้วตั้งแต่อายุ 4 ขวบสำหรับ /i/ และ /u/ (Vorperian และคณะ, JASA 2019)
- ตัวจำแนกฟอร์แมนต์ที่ฝึกบนภาษาถิ่นหนึ่งของสหรัฐฯ มีความถูกต้องลดลงจาก 88.9% เหลือ 44.8% บนอีกภาษาถิ่นหนึ่ง (Jacewicz และ Fox, JASA 2012)
- การเคลื่อนที่ของฟอร์แมนต์ภายในสระคือ 477 Hz ในผู้พูดอายุ 51-65 ปี เทียบกับ 380 Hz ในผู้พูดอายุ 21-33 ปี (Jacewicz, Fox และ Salmons, Journal of Phonetics 2011)
- ค่า F1 เฉลี่ยของ [i] และ [u] สัมพันธ์กันที่ r = 0.83 ใน 31 ภาษา (Ahn และ Chodroff, VoxCommunis, LREC 2022)
- ค่าคลาดเคลื่อน F1 เฉลี่ยจาก LPC สูงถึง 58 Hz (9%) เมื่อ F0 สูงกว่า 300 Hz (Chen, Whalen และ Shadle, JASA 2019)
- แม้แต่นักสัทศาสตร์ที่ผ่านการฝึกฝนซึ่งวัดด้วยมือก็วัด F1 สังเคราะห์พลาดไป 32 Hz (8%) ถึง 118 Hz (26%) (Shadle, Nam และ Whalen, JASA 2016)
- เกณฑ์การแยกแยะ F1 ของเด็กเฉลี่ยคือความต่างของ F1 49% เทียบกับ 33% ในผู้ใหญ่ (Polsterer และคณะ, JASA Express Letters 2026)
1. ชุดข้อมูลอ้างอิงเบื้องหลังแผนภูมิสระทุกแผนภูมิ
แผนภูมิสระเกือบทุกแผนภูมิในตำราสัทศาสตร์ย้อนกลับไปถึงการบันทึกเสียงภาษาอังกฤษแบบอเมริกันสามชุดที่ทำในปี 1952, 1995 และ 1999 จากชุดข้อมูลภาษาอังกฤษแบบอเมริกันเจ็ดชุดที่เปรียบเทียบกันในบทความทบทวนปี 2018 ฟอร์แมนต์เฉลี่ยของสระมุมแตกต่างกันราว 500 Hz สำหรับ F2 ของ /u/ ในผู้ชาย และราว 700 Hz สำหรับ F2 ของ /u/ ในผู้หญิง (Kent และ Vorperian, Journal of Communication Disorders 2018) “บรรทัดฐาน” จะมีความหมายก็ต่อเมื่อพิจารณาร่วมกับชุดข้อมูล ภาษาถิ่น และทศวรรษที่มันมาจาก
ชุดข้อมูลอ้างอิงเหล่านี้ยังมีขนาดเล็กตามมาตรฐานปัจจุบัน คือผู้พูดหลักสิบคนต่อกลุ่ม ไม่ใช่หลักพัน การบันทึกเสียงและการวัดของ Hillenbrand เปิดให้ใช้ได้สาธารณะ (กระจกข้อมูล GitHub ของ Hillenbrand และคณะ 1995 ซึ่งโฮสต์โดยได้รับอนุญาตจากผู้เขียน) ดังนั้นใครก็สามารถรันการวิเคราะห์คลาสสิกซ้ำได้
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| ผู้พูดและสระใน Peterson และ Barney 1952 (คำ hVd เช่น heed, hid, head, had) | ผู้พูด 76 คน (ชาย 33 หญิง 28 เด็ก 15); สระ 10 ตัว พูดตัวละสองครั้ง; บันทึกสระ 1,520 ตัว | คู่มือ Praat ตารางฟอร์แมนต์ Peterson และ Barney 1952 |
| ผู้พูดใน Hillenbrand และคณะ 1995 | 139 คน (ชาย 45 หญิง 48 เด็ก 46) | Hillenbrand, Journal of the International Phonetic Association 2003 |
| ข้อมูลสังเกตสระช่วงคงที่ในชุดข้อมูลสาธารณะ h95 | 1,668 ข้อมูลสังเกต; ค่า F2 ที่ขาดหาย 10 ค่าและค่า F3 ที่ขาดหาย 41 ค่าถูกประมาณแทนที่ | แพ็กเกจ R phonTools เอกสารประกอบชุดข้อมูล h95 |
| ผู้พูดใน Lee, Potamianos และ Narayanan 1999 | เด็ก 436 คนอายุ 5 ถึง 17 ปี และผู้ใหญ่ 56 คน | Lee และคณะ, JASA 1999 (บทคัดย่อ) |
| ผู้พูดในชุดข้อมูลสระมุมด้านพัฒนาการของสหรัฐฯ ชุดล่าสุด | ผู้พูดที่พัฒนาการปกติ 190 คนอายุ 4 ถึง 20 ปี (หญิง 97 ชาย 93) | Vorperian และคณะ, JASA 2019 |
| การกระจายของฟอร์แมนต์เฉลี่ยของสระมุมในชุดข้อมูลภาษาอังกฤษแบบอเมริกัน 7 ชุด | ราว 500 Hz (F2 ของ /u/ ในผู้ชาย), 400 Hz (F1 ของ /æ/ ในผู้หญิง), 700 Hz (F2 ของ /u/ ในผู้หญิง) | Kent และ Vorperian, Journal of Communication Disorders 2018 |
| พื้นที่ปริภูมิสระของผู้ชายวัยผู้ใหญ่: Peterson และ Barney เทียบกับผู้ชายอายุ 18 ปีใน Lee และคณะ 1999 | 411.5 kHz² เทียบกับราว 330 kHz² | Kent และ Vorperian, Journal of Communication Disorders 2018 |
หมายเหตุบริบท: ข้อมูลล่าสุดที่มีสำหรับชุดข้อมูลหลักทั้งสามชุดคือปี 1952, 1995 และ 1999 พื้นที่ปริภูมิสระหมายถึงพื้นที่ของรูปหลายเหลี่ยม F1-F2 ที่วาดระหว่างสระมุม พื้นที่ที่ใหญ่กว่าหมายถึงสระที่กระจายตัวกว้างกว่า
2. ค่าเฉลี่ย F1, F2 และ F3 ของผู้ชาย ผู้หญิง และเด็ก
ช่องเสียงที่สั้นกว่าสะท้อนเสียงที่ความถี่สูงกว่า ฟอร์แมนต์จึงสูงขึ้นจากผู้ชายไปผู้หญิงและไปเด็ก สำหรับสระ /i/ ของภาษาอังกฤษแบบอเมริกัน ค่า F2 เฉลี่ยคือ 3220 Hz ในเด็กอายุ 2 ขวบ เทียบกับ 2146 Hz ในผู้ชายวัยผู้ใหญ่ ต่างกัน 1,074 Hz (3220 ลบ 2146) (Chung และคณะ, JASA 2012) การปรับสัดส่วนไม่สม่ำเสมอ: ค่า F1 ของ /i/ ในเด็กชายอายุ 4 ขวบเป็น 1.42 เท่าของค่าผู้ชายวัยผู้ใหญ่ แต่ F4 เป็น 1.57 เท่า ดังนั้นเสียงของเด็กจึงไม่ใช่แค่เสียงผู้ชายที่เลื่อนขึ้นไปสูง
แถวของ Peterson และ Barney ด้านล่างเป็นค่าเฉลี่ยผู้ชาย “ตามเกณฑ์ระบุ” ที่พิมพ์ซ้ำกันแพร่หลายที่สุด สัญลักษณ์และคำตัวอย่างระบุไว้ตรงตามที่ฉบับพิมพ์ซ้ำพิมพ์ไว้ สำหรับผู้ที่สร้างเอฟเฟกต์เสียงที่เปลี่ยนอายุหรือเพศที่รับรู้ได้ ข้อสรุปคือรูปแบบฟอร์แมนต์ ไม่ใช่แค่ระดับเสียง ที่แตกต่างกันระหว่างผู้ชาย ผู้หญิง และเด็ก
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| ผู้ชายของ Peterson และ Barney, /i/ ในคำว่า ‘beet’ (F1 / F2 / F3) | 270 / 2290 / 3010 Hz | Peterson และ Barney, JASA 1952 ตามที่พิมพ์ซ้ำโดยมหาวิทยาลัยพรินซ์ตัน (COS 325) |
| ผู้ชายของ Peterson และ Barney, /ae/ ในคำว่า ‘bat’ (F1 / F2 / F3) | 660 / 1720 / 2410 Hz | Peterson และ Barney, JASA 1952 (ฉบับพิมพ์ซ้ำของพรินซ์ตัน) |
| ผู้ชายของ Peterson และ Barney, /a/ ในคำว่า ‘father’ (F1 / F2 / F3) | 730 / 1090 / 2440 Hz | Peterson และ Barney, JASA 1952 (ฉบับพิมพ์ซ้ำของพรินซ์ตัน) |
| ผู้ชายของ Peterson และ Barney, /u/ ในคำว่า ‘boot’ (F1 / F2 / F3) | 300 / 870 / 2240 Hz | Peterson และ Barney, JASA 1952 (ฉบับพิมพ์ซ้ำของพรินซ์ตัน) |
| /i/ ภาษาอังกฤษแบบอเมริกัน ผู้ชายวัยผู้ใหญ่เทียบกับผู้หญิงวัยผู้ใหญ่ (F1 / F2 / F3) | 370 / 2146 / 2838 Hz เทียบกับ 391 / 2570 / 3128 Hz | Chung และคณะ, JASA 2012 |
| /i/ ภาษาอังกฤษแบบอเมริกัน เด็กอายุ 5 ขวบเทียบกับเด็กอายุ 2 ขวบ (F1 / F2 / F3) | 439 / 2964 / 3739 Hz เทียบกับ 544 / 3220 / 4210 Hz | Chung และคณะ, JASA 2012 |
| อัตราส่วนฟอร์แมนต์ เด็กชายอายุ 4 ขวบเทียบกับผู้ชายวัยผู้ใหญ่ | 1.42 (F1 ของ /i/); 1.57 (F4 ของ /i/) | Vorperian และคณะ, JASA 2019 |
หมายเหตุบริบท: ค่าของ Peterson และ Barney อ่านจากสเปกโทรแกรม ส่วนค่าปี 2012 มาจากการวิเคราะห์ LPC ใน Praat ที่จุดกึ่งกลางของสระ โดยมีผู้พูด 10 คน (ชาย 5 หญิง 5) ต่อภาษาและกลุ่มอายุ ยุคสมัย เครื่องมือ และภาษาถิ่นที่ต่างกันทำให้ทั้งสองชุดเทียบกันได้ไม่เคร่งครัด (ดูหัวข้อที่ 7)
3. ความแม่นยำในการระบุสระขึ้นอยู่กับฟอร์แมนต์อย่างไร
ฟอร์แมนต์เป็นตัวบ่งบอกเอกลักษณ์ของสระเป็นส่วนใหญ่ แต่ไม่ทั้งหมด สระธรรมชาติได้รับการระบุถูกต้อง 95.4% สระสำเนาที่สังเคราะห์ด้วยฟอร์แมนต์ 88.5% และสระจำลองด้วยคลื่นไซน์เพียง 55.0% ก่อนการฝึก (Hillenbrand และคณะ, JASA 2011) สระจำลองด้วยคลื่นไซน์แทนที่ฟอร์แมนต์แต่ละตัวด้วยเสียงบริสุทธิ์หนึ่งเสียงที่ตามเส้นความถี่ของมัน จึงคงรูปแบบฟอร์แมนต์ไว้แต่ทิ้งคุณภาพเสียงพูด การลดลงราว 40 จุด (95.4 ลบ 55.0) แสดงให้เห็นว่าผู้ฟังพึ่งพาส่วนที่เหลือของสัญญาณมากเพียงใด
ความหลากหลายของผู้พูดก็ทำให้ความแม่นยำลดลงเช่นกัน เมื่อผู้พูดมาจากสองภูมิภาคภาษาถิ่นของสหรัฐฯ และสามรุ่นอายุ ผู้ฟังทำได้ 80.2% โดยรวม (Jacewicz และ Fox, JASA 2012)
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| สระธรรมชาติที่ถูกระบุตรงตามที่ตั้งใจ: Peterson และ Barney (สระ 10 ชนิด ผู้พูด 76 คน) เทียบกับ Hillenbrand และคณะ 1995 (สระ 12 ชนิด ผู้พูด 139 คน) | 94.4% เทียบกับ 95.4% | Hillenbrand และคณะ, JASA 2011 |
| สระฉบับสังเคราะห์ด้วยฟอร์แมนต์จากพยางค์ hVd 300 พยางค์ | 88.5% | Hillenbrand และคณะ, JASA 2011 (อ้างถึง Hillenbrand และ Nearey 1999) |
| สระคลื่นไซน์ ผู้ฟัง 71 คน ก่อนการฝึกเทียบกับหลังการฝึกที่เข้มข้นขึ้น (ระดับความบังเอิญ 8.3%) | 55.0% (ช่วง 21.3% ถึง 80.7% ในหมู่ผู้ฟัง) เทียบกับ 73.5% | Hillenbrand และคณะ, JASA 2011 |
| การระบุผู้พูด 120 คนที่มีภาษาถิ่นหลากหลาย (นอร์ทแคโรไลนาและวิสคอนซิน) โดยผู้ฟัง 30 คน | 80.2% โดยรวม ต่ำกว่า Hillenbrand และคณะ 1995 ราว 15% | Jacewicz และ Fox, JASA 2012 |
| การเปลี่ยนแปลงของ F1 ที่เล็กที่สุดที่สังเกตเห็นได้ (ความต่างที่เพิ่งสังเกตเห็นได้) ในผู้พูดชาวดัตช์ 94 คน เด็กอายุ 6-11 ปีเทียบกับผู้ใหญ่อายุ 20-36 ปี | ความต่างของ F1 49% เทียบกับ 33% (W = 1525, p = 0.001) | Polsterer และคณะ, JASA Express Letters 2026 |
หมายเหตุบริบท: ในการศึกษาของเนเธอร์แลนด์ปี 2026 เกณฑ์ถูกวัดจากการบันทึกเสียงของผู้เข้าร่วมแต่ละคนเองสำหรับสิ่งเร้าในการศึกษาคำว่า deur ซึ่งเป็นคำภาษาดัตช์ที่คงไว้ในภาษาต้นฉบับ ในกลุ่มเด็ก อายุไม่ได้ทำนายเกณฑ์อย่างมีนัยสำคัญ (b = -0.028, p = 0.3)
4. การเปลี่ยนแปลงตามอายุ: ฟอร์แมนต์ของเด็กพัฒนาเป็นบรรทัดฐานของผู้ใหญ่อย่างไร
ในทางเสียงศาสตร์ เด็กไม่ใช่ผู้ใหญ่ตัวเล็ก และสองเพศแยกจากกันเร็วกว่าที่ระดับเสียงบ่งชี้ ในผู้พูด 190 คนอายุ 4 ถึง 20 ปี ความแตกต่างของ F2 ระหว่างเพศปรากฏแล้วตั้งแต่อายุ 4 ขวบสำหรับสระสูง /i/ และ /u/ (Vorperian และคณะ, JASA 2019, ไฟล์ PDF ของผู้เขียน) ซึ่งเกิดขึ้นก่อนวัยแรกรุ่นหลายปี ข้อสรุปของผู้เขียนตรงไปตรงมา: “คุณสมบัติทางเสียงของสระมีความจำเพาะต่อเพศก่อนวัยแรกรุ่นนานแล้ว”
สำหรับระบบอัตโนมัติ เสียงพูดของเด็กยังคงเป็นเป้าหมายที่เคลื่อนไหวไปจนถึงช่วงปลายวัยรุ่น ซึ่งเป็นความท้าทายที่เห็นได้จากอัตราข้อผิดพลาดของการรู้จำเสียงพูดของเด็ก เช่นกัน
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| ความแตกต่างของ F2 ระหว่างเพศ: สระสูง /i/ และ /u/ เทียบกับสระต่ำ | พบที่อายุ 4 ขวบสำหรับ /i/ และ /u/; ที่อายุ 6 และ 7 ขวบสำหรับสระต่ำ | Vorperian และคณะ, JASA 2019 |
| อายุที่ข้อมูลฟอร์แมนต์ถึงค่าของผู้ใหญ่ | ราว 16 ปีในผู้พูดหญิง ราว 20 ปีในผู้พูดชาย | Vorperian และคณะ, JASA 2019 |
| อายุที่ความยาวของส่วนเสียงลู่เข้าสู่ระดับผู้ใหญ่ และความล่าช้าของ f0 และความแปรปรวนของฟอร์แมนต์ | ราวอายุ 12 ปี; f0 และความแปรปรวนของฟอร์แมนต์อาจถึงช่วงของผู้ใหญ่ช้ากว่านั้นราว 2 หรือ 3 ปี | Lee และคณะ, JASA 1999 |
| การแยกความแตกต่างระหว่างผู้พูดชายและหญิง เด็ก 436 คน | เริ่มราวอายุ 11 ปี เห็นชัดเจนเต็มที่ราวอายุ 15 ปี | Lee และคณะ, JASA 1999 |
| ค่าเกินทางเสียงก่อนจะคงที่ที่ค่าของผู้ใหญ่ | ช่วงใดช่วงหนึ่งระหว่างอายุ 13 ถึง 15 ปี | Lee และคณะ, JASA 1999 |
| รูปแบบการเปลี่ยนแปลงของฟอร์แมนต์สระตามอายุในผู้พูดชาย | เป็นเส้นตรงโดยประมาณตามอายุ | Lee และคณะ, JASA 1999 |
| อายุที่การเปล่งสระถึงความแม่นยำใกล้เคียงผู้ใหญ่ | ราว 12 ปี | Kent และ Rountrey, American Journal of Speech-Language Pathology 2020 |
| ช่วงความถี่ที่ต้องใช้เพื่อจับฟอร์แมนต์สี่ตัวแรกของเด็กอายุ 2 ขวบ | เกิน 5 kHz เล็กน้อย | Kent และ Rountrey, American Journal of Speech-Language Pathology 2020 |
หมายเหตุบริบท: f0 คือความถี่มูลฐาน อัตราการสั่นของสายเสียงที่ได้ยินเป็นระดับเสียง ส่วนฟอร์แมนต์ถูกกำหนดโดยช่องเสียง ทั้งสองพัฒนาตามกรอบเวลาที่ต่างกัน นี่คือเหตุผลที่ความแตกต่างของฟอร์แมนต์ระหว่างเด็กชายและเด็กหญิงอาจปรากฏก่อนช่องว่างของระดับเสียงนานมาก ข้อมูลฟอร์แมนต์เชิงบรรทัดฐานของเด็กล่าสุดที่มี: ปี 2019
5. การเปลี่ยนแปลงตามภาษาถิ่นและข้ามรุ่นอายุ
บรรทัดฐานของสระเป็นภาพแช่แข็งของภูมิภาคหนึ่งในช่วงเวลาหนึ่ง Clopper และเพื่อนร่วมงานชี้ว่าผู้พูดของ Peterson และ Barney “ใกล้เคียงกับการพูดของชายฝั่งตะวันออกของอเมริกามากกว่าภาษาอังกฤษแบบอเมริกันทั่วไป” (Clopper, Pisoni และ de Jong, JASA 2005) ในขณะที่ผู้พูดของ Hillenbrand มาจากมิดเวสต์ตอนเหนือ ตัวจำแนกที่อิงฟอร์แมนต์ซึ่งฝึกบนผู้ปกครองจากนอร์ทแคโรไลนาได้ 88.9% บนชุดฝึกของตัวเอง แต่ได้เพียง 44.8% บนผู้ปกครองจากวิสคอนซิน (Jacewicz และ Fox, JASA 2012) การย้ายไปยังภาษาถิ่นอื่นทำให้ความแม่นยำลดลงราวครึ่งหนึ่ง
การเปลี่ยนแปลงยังเกิดข้ามรุ่นอายุด้วย ในผู้หญิง 123 คนจากสามภูมิภาคของสหรัฐฯ การเคลื่อนที่รวมของฟอร์แมนต์ภายในสระ (“ความยาววิถี” ของมัน คือระยะทางที่ฟอร์แมนต์เคลื่อนผ่านระนาบ F1-F2) ยาวที่สุดในกลุ่มอายุมากที่สุด (Jacewicz, Fox และ Salmons, Journal of Phonetics 2011) ช่องว่างของภาษาถิ่นปรากฏในเครื่องจักรด้วย: ดูสรุปของเราเรื่องอคติต่อสำเนียงในการรู้จำเสียงพูด
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| ผู้พูดและการวัดในการศึกษาภาษาถิ่นของสหรัฐฯ หกภูมิภาค | ผู้พูด 48 คน (ชาย 4 และหญิง 4 จากแต่ละภูมิภาคจาก 6 ภูมิภาค); การวัด 13,440 ครั้ง | Clopper, Pisoni และ de Jong, JASA 2005 |
| อันตรกิริยาระหว่างสระกับภาษาถิ่นสำหรับ F1 | F(50,2020) = 10.1, p < 0.001 | Clopper, Pisoni และ de Jong, JASA 2005 |
| การระบุผู้พูดโดยผู้ฟังจากภาษาถิ่นของตัวเองเทียบกับอีกภาษาถิ่นหนึ่ง | ผู้ฟังนอร์ทแคโรไลนา 82.1% เทียบกับ 75.8%; ผู้ฟังวิสคอนซิน 83.5% เทียบกับ 79.6% | Jacewicz และ Fox, JASA 2012 |
| ตัวจำแนกที่ฝึกบนผู้ปกครองนอร์ทแคโรไลนา: ชุดฝึกของตัวเองเทียบกับผู้ปกครองวิสคอนซิน | 88.9% เทียบกับ 44.8% | Jacewicz และ Fox, JASA 2012 |
| ความยาววิถีของฟอร์แมนต์ตามภูมิภาค ผู้หญิง 123 คน | นอร์ทแคโรไลนา 516 Hz, วิสคอนซิน 396 Hz, โอไฮโอ 353 Hz | Jacewicz, Fox และ Salmons, Journal of Phonetics 2011 |
| ความยาววิถีของฟอร์แมนต์ตามรุ่นอายุ: อายุ 51-65 เทียบกับ 37-49 เทียบกับ 21-33 | 477 Hz เทียบกับ 408 Hz เทียบกับ 380 Hz | Jacewicz, Fox และ Salmons, Journal of Phonetics 2011 |
| การลดต่ำลงของ /æ/ ข้ามรุ่นอายุ นอร์ทแคโรไลนา ตำแหน่งเน้น | F(2, 38)=29.18, p<0.001, η2=0.606 | Jacewicz, Fox และ Salmons, Journal of Phonetics 2011 |
หมายเหตุบริบท: กลุ่มอายุมากที่สุดแตกต่างอย่างมีนัยสำคัญจากทั้งสองกลุ่มที่อายุน้อยกว่าในด้านความยาววิถี ขณะที่สองกลุ่มที่อายุน้อยกว่าไม่แตกต่างกันเอง การบันทึกเสียงของการศึกษาสามรุ่นอายุทำขึ้นระหว่างปี 2006 ถึง 2008
6. ปริภูมิสระข้ามภาษา
ภาษาที่ใช้สัญลักษณ์สระร่วมกันไม่ได้ใช้ฟอร์แมนต์ร่วมกัน สระ /u/ ของผู้ชายวัยผู้ใหญ่มี F2 เฉลี่ย 721 Hz ในภาษากวางตุ้ง 1668 Hz ในภาษาอังกฤษแบบอเมริกัน และ 1704 Hz ในภาษาญี่ปุ่น (Chung และคณะ, JASA 2012) ดังนั้น /u/ ที่เขียนเหมือนกันอาจอยู่ไปข้างหน้าในช่องปากมากกว่ากันอย่างมากในภาษาหนึ่งเทียบกับอีกภาษาหนึ่ง เครื่องมือที่ยืมบรรทัดฐานของภาษาอังกฤษไปใช้กับภาษาอื่นจะได้รับความไม่ตรงกันนั้นมาด้วย
คลังข้อมูลหลายภาษาขนาดใหญ่ในปัจจุบันทดสอบว่าอะไรคงที่ ใน VoxCommunis ค่า F1 เฉลี่ยระดับภาษาของ [i] และ [u] เคลื่อนไปด้วยกัน รูปแบบที่เรียกว่าความสม่ำเสมอ (uniformity): ภาษาที่เปล่งสระสูงตัวหนึ่งด้วย F1 ที่สูงกว่ามักทำเช่นเดียวกันกับอีกตัวหนึ่ง (Ahn และ Chodroff, VoxCommunis, LREC 2022) การครอบคลุมยังไม่สม่ำเสมอ ซึ่งเป็นช่องว่างเดียวกับที่กล่าวถึงในสรุปของเราเรื่องการรู้จำเสียงพูดสำหรับภาษาที่มีทรัพยากรน้อย
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| F2 ของ /u/ ในผู้ชายวัยผู้ใหญ่ตามภาษา (5 ภาษา ผู้พูดรวม 150 คนจากเด็กอายุ 2 ขวบ เด็กอายุ 5 ขวบ และผู้ใหญ่) | กวางตุ้ง 721, กรีก 1011, เกาหลี 1241, อังกฤษ 1668, ญี่ปุ่น 1704 Hz | Chung และคณะ, JASA 2012 |
| ขนาดของคลังข้อมูล VoxCommunis | 36 ภาษา; เสียงพูด 0.24 ถึง 288 ชั่วโมง และผู้พูด 5 ถึง 3,620 คนต่อภาษา | Ahn และ Chodroff, LREC 2022 |
| สหสัมพันธ์ของ F1 ระหว่าง [i] และ [u] ข้ามภาษา | r = 0.83, p < 0.001, 31 ภาษา | Ahn และ Chodroff, LREC 2022 |
| สหสัมพันธ์ของ F1 ระหว่าง [e] และ [o] ข้ามภาษา | r = 0.74, p < 0.001, 22 ภาษา | Ahn และ Chodroff, LREC 2022 |
| สหสัมพันธ์ของ F2 ระหว่าง [i] และ [a]: VoxCommunis เทียบกับคลังข้อมูล VoxClamantis ก่อนหน้า | r = 0.67 เทียบกับ r = 0.06 | Ahn และ Chodroff, LREC 2022 |
| ภาษาใน UCLA Phonetics Lab Archive ที่จัดเวลาให้ตรงกันสำหรับคลังข้อมูล VoxAngeles | 95 จาก 314 ภาษา | Chodroff และคณะ, VoxAngeles, arXiv 2024 |
หมายเหตุบริบท: สหสัมพันธ์ของ VoxCommunis เปรียบเทียบค่าเฉลี่ยระดับภาษา ไม่ใช่ผู้พูดรายบุคคล และคลังข้อมูลทั้งสองไม่ลงรอยกันในบางคู่ ความสม่ำเสมอจึงเป็นแนวโน้ม ไม่ใช่กฎ
7. ความคลาดเคลื่อนในการวัดฟอร์แมนต์ระหว่างเครื่องมือและวิธีการ
ตัวเลขในหัวข้อที่ 1 ถึง 6 เป็นผลการวัด และความคลาดเคลื่อนของการวัดเพิ่มขึ้นตามระดับเสียง ในสระสังเคราะห์ 470,000 ตัว ค่าคลาดเคลื่อน F1 เฉลี่ยจาก LPC อยู่ที่ 41 Hz (7%) เมื่อ F0 อยู่ที่ 200-300 Hz และ 58 Hz (9%) เมื่อสูงกว่า 300 Hz (Chen, Whalen และ Shadle, JASA 2019) LPC (การเข้ารหัสเชิงทำนายเชิงเส้น) เป็นตัวติดตามฟอร์แมนต์ค่าเริ่มต้นในเครื่องมืออย่าง Praat ที่ระดับเสียงสูง ค่าประมาณของมันถูกดึงไปหาฮาร์มอนิกของเสียงที่ใกล้ที่สุด ซึ่งเป็นเหตุผลที่ฟอร์แมนต์ของผู้หญิงและโดยเฉพาะเด็กเชื่อถือได้น้อยที่สุด
การเลือกเครื่องมือก็สำคัญเช่นกัน การเปรียบเทียบ Praat, WaveSurfer, TF32 และ CSL พบว่าสามตัวแรกแม่นยำและเทียบเคียงกันได้สำหรับสระสังเคราะห์และสระของผู้ชายวัยผู้ใหญ่ แต่น่าพอใจน้อยกว่าสำหรับผู้หญิงวัยผู้ใหญ่และเด็ก (Burris และคณะ, Journal of Speech, Language, and Hearing Research 2014)
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| ความแม่นยำทั่วไปของการประมาณฟอร์แมนต์ด้วยสเปกโทรแกรมและ LPC | ราว f0/4; ราว 60 Hz สำหรับเด็กที่มี f0 เท่ากับ 250 Hz | Kent และ Vorperian 2018 |
| ผลต่างสัมบูรณ์ระหว่างการวัดฟอร์แมนต์ซ้ำใน Hillenbrand และคณะ 1995 | 12 ถึง 60 Hz | Kent และ Vorperian 2018 |
| ค่าคลาดเคลื่อน F1 เฉลี่ยจาก LPC สระสังเคราะห์ที่ F0 200-300 Hz เทียบกับสูงกว่า 300 Hz | 41 Hz (7%) เทียบกับ 58 Hz (9%) | Chen, Whalen และ Shadle, JASA 2019 |
| ค่าคลาดเคลื่อน F1 จาก LPC เทียบกับค่าฟอร์แมนต์ แยกตามสระ | /u/ 23%, /i/ 18%, /æ/ 10%, /ɑ/ 8% | Chen, Whalen และ Shadle, JASA 2019 |
| พื้นที่ปริภูมิสระที่วัดด้วย LPC ที่ F0 234 Hz เป็นสัดส่วนของพื้นที่จริง | 85% | Chen, Whalen และ Shadle, JASA 2019 |
| ค่าคลาดเคลื่อนจากการวัดด้วยมือโดยนักสัทศาสตร์สี่คนบนสระสังเคราะห์ | 32 Hz (8%) ถึง 118 Hz (26%) | Shadle, Nam และ Whalen, JASA 2016 |
| แบนด์วิดท์ฟอร์แมนต์ของเสียงพูดธรรมชาติจากโปรแกรมวิเคราะห์สี่โปรแกรมที่อยู่ภายใน ±10% ของค่าที่วัดด้วยมือ | ไม่มีเลย | Burris และคณะ, JSLHR 2014 |
| ค่าอ้างอิงฉันทามติที่วัดซ้ำหลัง 3 เดือนอยู่ภายใน 50 Hz; ค่าอ้างอิงที่ถูกละทิ้งเพราะไม่แน่นอน | ราว 80%; ราว 15% (ส่วนใหญ่เป็น F3 และ F4) | Derdemezis และคณะ, American Journal of Speech-Language Pathology 2016 |
หมายเหตุบริบท: Chen และเพื่อนร่วมงานประมาณว่าความแปรปรวนของ F1 และ F2 ที่รายงานในงานวิจัยกว่าครึ่งน่าจะเกิดจากความแปรปรวนของ F0 (อัตราส่วนจำลองต่อที่รายงานคือ 0.76 สำหรับ F1 และ 0.58 สำหรับ F2) และคาดว่าความคลาดเคลื่อนในเสียงพูดจริงจะมากกว่าในแบบจำลองอุดมคติของพวกเขา ในการศึกษาของ Derdemezis เพดานฟอร์แมนต์ค่าเริ่มต้นของ Praat ที่ 5500 Hz ถูกลดลงเป็น 5000 Hz สำหรับผู้ชายวัยผู้ใหญ่
สรุป: บรรทัดฐานความถี่ฟอร์แมนต์สระในรูปแบบตัวเลข
| ตัวชี้วัด | ค่า | แหล่งที่มา |
|---|---|---|
| ผู้พูดใน Peterson และ Barney 1952 | 76 คน (ชาย 33 หญิง 28 เด็ก 15) | คู่มือ Praat ตาราง Peterson และ Barney 1952 |
| ผู้พูดใน Hillenbrand และคณะ 1995 | 139 คน (ชาย 45 หญิง 48 เด็ก 46) | Hillenbrand, Journal of the International Phonetic Association 2003 |
| การกระจายของ F2 เฉลี่ยของ /u/ ในผู้หญิงใน 7 ชุดข้อมูลภาษาอังกฤษแบบอเมริกัน | ราว 700 Hz | Kent และ Vorperian 2018 |
| ผู้ชายของ Peterson และ Barney, /i/ (F1 / F2 / F3) | 270 / 2290 / 3010 Hz | Peterson และ Barney, JASA 1952 (ฉบับพิมพ์ซ้ำของพรินซ์ตัน) |
| F2 ของ /i/ ในภาษาอังกฤษแบบอเมริกัน: ผู้ชาย ผู้หญิง เด็กอายุ 5 ขวบ เด็กอายุ 2 ขวบ | 2146, 2570, 2964, 3220 Hz | Chung และคณะ, JASA 2012 |
| การระบุสระธรรมชาติ Peterson และ Barney เทียบกับ Hillenbrand | 94.4% เทียบกับ 95.4% | Hillenbrand และคณะ, JASA 2011 |
| ความต่างของ F1 ที่เพิ่งสังเกตเห็นได้ เด็กเทียบกับผู้ใหญ่ | 49% เทียบกับ 33% | Polsterer และคณะ, JASA Express Letters 2026 |
| อายุที่พบความแตกต่างของ F2 ระหว่างเพศครั้งแรกสำหรับ /i/ และ /u/ | 4 ขวบ | Vorperian และคณะ, JASA 2019 |
| การแยกความแตกต่างระหว่างผู้พูดชายและหญิง ช่วงเริ่มต้นเทียบกับเห็นชัดเจนเต็มที่ | ราวอายุ 11 ปี เทียบกับราวอายุ 15 ปี | Lee และคณะ, JASA 1999 |
| ผู้พูดในการศึกษาภาษาถิ่นของสหรัฐฯ หกภูมิภาค | 48 | Clopper, Pisoni และ de Jong, JASA 2005 |
| ความแม่นยำของตัวจำแนกข้ามภาษาถิ่น ภาษาถิ่นของตัวเองเทียบกับอีกภาษาถิ่นหนึ่ง | 88.9% เทียบกับ 44.8% | Jacewicz และ Fox, JASA 2012 |
| ความยาววิถีของฟอร์แมนต์ รุ่นอายุมากที่สุดเทียบกับน้อยที่สุด | 477 Hz เทียบกับ 380 Hz | Jacewicz, Fox และ Salmons, Journal of Phonetics 2011 |
| สหสัมพันธ์ของ F1 ระหว่าง [i] และ [u] ใน 31 ภาษา | r = 0.83 | Ahn และ Chodroff, LREC 2022 |
| ภาษาในคลังเก็บของ UCLA ที่จัดเวลาให้ตรงกันใน VoxAngeles | 95 จาก 314 | Chodroff และคณะ, arXiv 2024 |
| ค่าคลาดเคลื่อน F1 เฉลี่ยจาก LPC เมื่อ F0 สูงกว่า 300 Hz | 58 Hz (9%) | Chen, Whalen และ Shadle, JASA 2019 |
| ค่าคลาดเคลื่อนของการวัด F1 ด้วยมือบนสระสังเคราะห์ | 32 Hz (8%) ถึง 118 Hz (26%) | Shadle, Nam และ Whalen, JASA 2016 |
| ค่าอ้างอิงที่ถูกละทิ้งเพราะไม่แน่นอนในการเปรียบเทียบโปรแกรมสี่โปรแกรม | ราว 15% | Derdemezis และคณะ, AJSLP 2016 |
ระเบียบวิธีและแหล่งที่มา
เราค้นหาแบบเจาะจงจากหกมุมมอง (ชุดข้อมูลอ้างอิง บรรทัดฐานตามเพศและอายุ ความแม่นยำในการระบุ ภาษาถิ่น ข้อมูลข้ามภาษา ความคลาดเคลื่อนในการวัด) และเก็บเฉพาะตัวเลขที่เราอ่านจากบทความต้นฉบับ บทคัดย่อทางการ หรือฉบับพิมพ์ซ้ำที่ระบุชื่อได้ ในกรณีที่เข้าถึงหน้าเว็บได้ยาก เราอ่านผ่านพร็อกซีข้อความแต่ยังคงลิงก์ไปยังต้นฉบับ
- Peterson และ Barney, JASA 1952, ค่าเฉลี่ยผู้ชายตามเกณฑ์ระบุตามที่พิมพ์ซ้ำโดยมหาวิทยาลัยพรินซ์ตัน (COS 325) จาก P. R. Cook (บรรณาธิการ), Music, Cognition, and Computerized Sound, MIT Press 1999
- คู่มือ Praat: ตารางฟอร์แมนต์ Peterson และ Barney 1952 (จำนวนผู้พูดและรายการสระ)
- Hillenbrand, American English: Southern Michigan, Journal of the International Phonetic Association 2003
- ไฟล์ข้อมูลของ Hillenbrand และคณะ 1995 กระจกข้อมูล GitHub และเอกสารประกอบชุดข้อมูล h95 ของ phonTools
- Hillenbrand และคณะ, Perception of sinewave vowels, JASA 2011
- Kent และ Vorperian, Static measurements of vowel formant frequencies and bandwidths: A review, Journal of Communication Disorders 2018
- Lee, Potamianos และ Narayanan, Acoustics of children’s speech, JASA 1999 (บทคัดย่อ)
- Vorperian และคณะ, Corner vowels in males and females ages 4 to 20 years, JASA 2019
- Kent และ Rountrey, What acoustic studies tell us about vowels in developing and disordered speech, AJSLP 2020
- Polsterer และคณะ, Auditory acuity to vowels is more refined in adulthood compared to childhood, JASA Express Letters 2026
- Clopper, Pisoni และ de Jong, Acoustic characteristics of the vowel systems of six regional varieties of American English, JASA 2005
- Jacewicz และ Fox, Effects of cross-generational and cross-dialectal variation on vowel identification and classification, JASA 2012
- Jacewicz, Fox และ Salmons, Vowel change across three age groups of speakers in three regional varieties of American English, Journal of Phonetics 2011
- Chung และคณะ, Cross-linguistic studies of children’s and adults’ vowel spaces, JASA 2012
- Ahn และ Chodroff, VoxCommunis: A Corpus for Cross-linguistic Phonetic Analysis, LREC 2022
- Chodroff และคณะ, Phonetic Segmentation of the UCLA Phonetics Lab Archive (VoxAngeles), arXiv 2024
- Chen, Whalen และ Shadle, F0-induced formant measurement errors result in biased variabilities, JASA 2019
- Shadle, Nam และ Whalen, Comparing measurement errors for formants in synthetic and natural vowels, JASA 2016
- Burris และคณะ, Quantitative and descriptive comparison of four acoustic analysis systems: vowel measurements, JSLHR 2014
- Derdemezis และคณะ, Optimizing vowel formant measurements in four acoustic analysis systems for diverse speaker groups, AJSLP 2016
- ข้อสังเกตเกี่ยวกับข้อมูล: อัตราการระบุของ Hillenbrand และคณะ 1995 ปรากฏเป็น 95.4% ใน Hillenbrand และคณะ 2011 แต่เป็น 95.8% ในคอลัมน์เปรียบเทียบของ Jacewicz และ Fox 2012 (ตารางที่ III) เราอ้างอิง 95.4% แหล่งข้อมูลยังไม่ตรงกันเรื่องช่วงเวลา: Vorperian และคณะ 2019 พบความแตกต่างของฟอร์แมนต์ระหว่างเพศตั้งแต่อายุ 4 ขวบ และความแตกต่างของ f0 ระหว่างเพศตั้งแต่อายุ 7 ขวบ บทความทบทวนของ Kent และ Vorperian อ้างข้อมูลก่อนหน้าที่ระบุความแตกต่างของ f0 ที่อายุ 10 หรือ 11 ปี และ Lee และคณะ 1999 ระบุว่าการแยกความแตกต่างระหว่างชายและหญิงเริ่มราวอายุ 11 ปี ทั้งนี้การศึกษาเหล่านี้ใช้ช่วงอายุ สระ และตัวชี้วัดที่ต่างกัน ค่ารายสระของ Peterson และ Barney มาจากฉบับพิมพ์ซ้ำ ไม่ใช่บทความปี 1952 เอง และเรามีเพียงค่าเฉลี่ยของผู้ชายเท่านั้น ดังนั้นค่าเฉลี่ยของผู้หญิงและเด็กจากตารางต้นฉบับจึงไม่ได้อ้างอิงไว้ที่นี่ บรรทัดฐานหลักส่วนใหญ่ในสรุปนี้มีอายุหลายทศวรรษแล้ว และเราไม่สามารถยืนยันได้ว่ามีชุดข้อมูลสระเชิงบรรทัดฐานภาษาอังกฤษแบบอเมริกันขนาดใหญ่ชุดใหม่ที่เผยแพร่ในปี 2025 หรือ 2026 ค่าจากการศึกษาที่ต่างกันใช้เครื่องมือและการตั้งค่าที่ต่างกัน (ดูหัวข้อที่ 7) ดังนั้นความต่างข้ามการศึกษาเพียงไม่กี่สิบเฮิรตซ์จึงไม่ควรตีความว่าเป็นความแตกต่างของการพูดที่แท้จริง
อัปเดตล่าสุด: 8 พฤศจิกายน 2026 เราปรับปรุงสรุปนี้ทุกไตรมาส และคาดว่าการปรับปรุงครั้งถัดไปจะเกิดขึ้นเมื่อมีการเผยแพร่คลังข้อมูล VoxCommunis รุ่นถัดไป