Người nghe nhận dạng đúng 95,4% nguyên âm tiếng Anh Mỹ được phát âm tự nhiên trong bản ghi âm của 139 người nói, so với 94,4% trong bộ dữ liệu kinh điển 76 người nói của Peterson và Barney (Hillenbrand và cs., JASA 2011). Nếu rút gọn chính các nguyên âm đó xuống chỉ còn tổng hợp formant, độ chính xác giảm còn 88,5%; nếu rút gọn thành các âm sin thuần chỉ bám theo formant, người nghe chưa qua huấn luyện đạt 55,0%. Khả năng cảm nhận formant cũng trưởng thành chậm: trẻ em Hà Lan từ 6 đến 11 tuổi cần thay đổi F1 trung bình 49% mới nhận ra, so với 33% ở người lớn (Polsterer và cs., JASA Express Letters 2026). Chúng tôi tổng hợp dữ liệu từ Journal of the Acoustical Society of America (Peterson và Barney, Hillenbrand, Vorperian, Chung, Chen), Journal of Phonetics, Journal of Communication Disorders, kho ngữ liệu VoxCommunis (LREC 2022) và một nghiên cứu JASA Express Letters năm 2026. Nếu bạn đến từ bài tổng hợp về formant ca sĩ và âm học belting của chúng tôi, trang này đề cập đến phía lời nói: các mục tiêu nguyên âm thường ngày của người nói bình thường.
Formant là một cộng hưởng của đường phát âm, một dải tần số được cổ họng và miệng khuếch đại. F1 tăng khi hàm và lưỡi hạ xuống (nguyên âm mở), F2 tăng khi lưỡi di chuyển ra trước (nguyên âm trước), và F3 quan trọng nhất đối với các nguyên âm mang âm sắc r như nguyên âm trong ‘heard’. Mọi bảng dưới đây đều dùng đơn vị hertz (Hz) trừ khi có nêu khác.
Tóm tắt nhanh
- Peterson và Barney ghi âm 76 người nói (33 nam, 28 nữ, 15 trẻ em) nói 10 nguyên âm hai lần, tổng cộng 1.520 nguyên âm (sổ tay Praat, bảng Peterson và Barney 1952).
- Nguyên âm tự nhiên được nhận dạng đúng ở mức 94,4% (Peterson và Barney) và 95,4% (Hillenbrand) số lần (Hillenbrand và cs., JASA 2011).
- Formant trung bình của nguyên âm góc chênh nhau khoảng 700 Hz giữa các bộ dữ liệu tiếng Anh Mỹ đã công bố đối với F2 của /u/ ở nữ giới (Kent và Vorperian, Journal of Communication Disorders 2018).
- F2 của /i/ trong tiếng Anh Mỹ: 2146 Hz ở nam giới, 2570 Hz ở nữ giới, 2964 Hz ở trẻ 5 tuổi, 3220 Hz ở trẻ 2 tuổi (Chung và cs., JASA 2012).
- Chênh lệch F2 theo giới tính đã tồn tại từ 4 tuổi đối với /i/ và /u/ (Vorperian và cs., JASA 2019).
- Một bộ phân loại formant được huấn luyện trên một phương ngữ Mỹ giảm từ 88,9% xuống 44,8% đúng trên phương ngữ khác (Jacewicz và Fox, JASA 2012).
- Chuyển động formant bên trong một nguyên âm là 477 Hz ở người nói 51-65 tuổi so với 380 Hz ở người nói 21-33 tuổi (Jacewicz, Fox và Salmons, Journal of Phonetics 2011).
- F1 trung bình của [i] và [u] tương quan với r = 0,83 trên 31 ngôn ngữ (Ahn và Chodroff, VoxCommunis, LREC 2022).
- Sai số F1 theo LPC trung bình đạt 58 Hz (9%) khi F0 vượt quá 300 Hz (Chen, Whalen và Shadle, JASA 2019).
- Ngay cả các nhà ngữ âm học được huấn luyện khi đo thủ công cũng đo lệch F1 tổng hợp từ 32 Hz (8%) đến 118 Hz (26%) (Shadle, Nam và Whalen, JASA 2016).
- Ngưỡng phân biệt F1 của trẻ em trung bình là chênh lệch F1 49%, so với 33% ở người lớn (Polsterer và cs., JASA Express Letters 2026).
1. Các Bộ Dữ Liệu Tham Chiếu Đằng Sau Mọi Biểu Đồ Nguyên Âm
Hầu như mọi biểu đồ nguyên âm trong giáo trình ngữ âm học đều bắt nguồn từ ba bản ghi âm tiếng Anh Mỹ thực hiện vào các năm 1952, 1995 và 1999. Trong bảy bộ dữ liệu tiếng Anh Mỹ được so sánh trong một bài tổng quan năm 2018, formant trung bình của nguyên âm góc chênh nhau khoảng 500 Hz đối với F2 của /u/ ở nam giới và khoảng 700 Hz đối với F2 của /u/ ở nữ giới (Kent và Vorperian, Journal of Communication Disorders 2018). Một “chuẩn” chỉ có ý nghĩa khi đi kèm bộ dữ liệu, phương ngữ và thập kỷ mà nó xuất phát.
Các bộ tham chiếu này cũng nhỏ theo tiêu chuẩn hiện đại: hàng chục người nói mỗi nhóm, không phải hàng nghìn. Các bản ghi âm và số đo của Hillenbrand được công khai (bản sao GitHub của Hillenbrand và cs. 1995, lưu trữ với sự cho phép của tác giả), nên bất kỳ ai cũng có thể chạy lại các phân tích kinh điển.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Người nói và nguyên âm trong Peterson và Barney 1952 (các từ hVd như heed, hid, head, had) | 76 người nói (33 nam, 28 nữ, 15 trẻ em); 10 nguyên âm, mỗi nguyên âm nói hai lần; 1.520 nguyên âm được ghi âm | Sổ tay Praat, bảng formant Peterson và Barney 1952 |
| Người nói trong Hillenbrand và cs. 1995 | 139 (45 nam, 48 nữ, 46 trẻ em) | Hillenbrand, Journal of the International Phonetic Association 2003 |
| Quan sát nguyên âm trạng thái ổn định trong bộ dữ liệu công khai h95 | 1.668 quan sát; 10 giá trị F2 và 41 giá trị F3 bị thiếu đã được ước lượng bù | Gói R phonTools, tài liệu bộ dữ liệu h95 |
| Người nói trong Lee, Potamianos và Narayanan 1999 | 436 trẻ em từ 5 đến 17 tuổi, cộng thêm 56 người lớn | Lee và cs., JASA 1999 (tóm tắt) |
| Người nói trong bộ dữ liệu nguyên âm góc về phát triển mới nhất của Hoa Kỳ | 190 người nói phát triển điển hình từ 4 đến 20 tuổi (97 nữ, 93 nam) | Vorperian và cs., JASA 2019 |
| Độ phân tán của formant trung bình nguyên âm góc trên 7 bộ dữ liệu tiếng Anh Mỹ | Khoảng 500 Hz (F2 của /u/ ở nam), 400 Hz (F1 của /æ/ ở nữ), 700 Hz (F2 của /u/ ở nữ) | Kent và Vorperian, Journal of Communication Disorders 2018 |
| Diện tích không gian nguyên âm của nam giới trưởng thành: Peterson và Barney so với nam 18 tuổi trong Lee và cs. 1999 | 411,5 kHz² so với khoảng 330 kHz² | Kent và Vorperian, Journal of Communication Disorders 2018 |
Ghi chú bối cảnh: dữ liệu mới nhất hiện có cho ba bộ dữ liệu mốc: 1952, 1995 và 1999. Diện tích không gian nguyên âm là diện tích đa giác F1-F2 vẽ giữa các nguyên âm góc; diện tích lớn hơn nghĩa là các nguyên âm trải rộng hơn.
2. Giá Trị Trung Bình F1, F2 và F3 Của Nam Giới, Nữ Giới và Trẻ Em
Đường phát âm ngắn hơn cộng hưởng ở tần số cao hơn, nên formant tăng dần từ nam sang nữ rồi đến trẻ em. Với nguyên âm /i/ của tiếng Anh Mỹ, F2 trung bình là 3220 Hz ở trẻ 2 tuổi so với 2146 Hz ở nam giới trưởng thành, chênh lệch 1.074 Hz (3220 trừ 2146) (Chung và cs., JASA 2012). Việc co giãn này không đồng đều: F1 của /i/ ở bé trai 4 tuổi bằng 1,42 lần giá trị ở nam giới trưởng thành, nhưng F4 của nó bằng 1,57 lần, vì vậy giọng của trẻ không chỉ đơn giản là giọng đàn ông được dịch lên cao.
Các hàng Peterson và Barney dưới đây là giá trị trung bình “danh nghĩa” của nam giới được in lại rộng rãi nhất; ký hiệu và từ ví dụ được ghi đúng như bản in lại. Với bất kỳ ai xây dựng hiệu ứng giọng nói thay đổi độ tuổi hoặc giới tính được cảm nhận, điều rút ra là mẫu formant, chứ không chỉ cao độ, khác nhau giữa nam giới, nữ giới và trẻ em.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Nam giới của Peterson và Barney, /i/ như trong ‘beet’ (F1 / F2 / F3) | 270 / 2290 / 3010 Hz | Peterson và Barney, JASA 1952, theo bản in lại của Đại học Princeton (COS 325) |
| Nam giới của Peterson và Barney, /ae/ như trong ‘bat’ (F1 / F2 / F3) | 660 / 1720 / 2410 Hz | Peterson và Barney, JASA 1952 (bản in lại của Princeton) |
| Nam giới của Peterson và Barney, /a/ như trong ‘father’ (F1 / F2 / F3) | 730 / 1090 / 2440 Hz | Peterson và Barney, JASA 1952 (bản in lại của Princeton) |
| Nam giới của Peterson và Barney, /u/ như trong ‘boot’ (F1 / F2 / F3) | 300 / 870 / 2240 Hz | Peterson và Barney, JASA 1952 (bản in lại của Princeton) |
| /i/ trong tiếng Anh Mỹ, nam giới trưởng thành so với nữ giới trưởng thành (F1 / F2 / F3) | 370 / 2146 / 2838 Hz so với 391 / 2570 / 3128 Hz | Chung và cs., JASA 2012 |
| /i/ trong tiếng Anh Mỹ, trẻ 5 tuổi so với trẻ 2 tuổi (F1 / F2 / F3) | 439 / 2964 / 3739 Hz so với 544 / 3220 / 4210 Hz | Chung và cs., JASA 2012 |
| Tỷ số formant, bé trai 4 tuổi so với nam giới trưởng thành | 1,42 (F1 của /i/); 1,57 (F4 của /i/) | Vorperian và cs., JASA 2019 |
Ghi chú bối cảnh: các giá trị của Peterson và Barney được đọc từ phổ đồ, còn các giá trị năm 2012 đến từ phân tích LPC trong Praat tại điểm giữa nguyên âm, với 10 người nói (5 nam, 5 nữ) cho mỗi ngôn ngữ và nhóm tuổi. Các thời đại, công cụ và phương ngữ khác nhau khiến hai bộ dữ liệu không thể so sánh chặt chẽ (xem phần 7).
3. Độ Chính Xác Nhận Dạng Phụ Thuộc Vào Formant Như Thế Nào
Formant mang phần lớn, nhưng không phải toàn bộ, bản sắc của nguyên âm. Nguyên âm tự nhiên đạt 95,4% nhận dạng, bản sao tổng hợp bằng formant đạt 88,5%, và bản sao âm sin chỉ đạt 55,0% trước khi huấn luyện (Hillenbrand và cs., JASA 2011). Bản sao âm sin thay mỗi formant bằng một âm thuần duy nhất bám theo đường tần số của nó, nên giữ lại mẫu formant nhưng bỏ đi chất giọng. Mức giảm khoảng 40 điểm (95,4 trừ 55,0) cho thấy người nghe cũng dựa nhiều vào phần còn lại của tín hiệu.
Sự đa dạng của người nói cũng làm giảm độ chính xác. Khi những người nói đến từ hai vùng phương ngữ khác nhau của Hoa Kỳ và ba thế hệ, người nghe giảm xuống 80,2% nói chung (Jacewicz và Fox, JASA 2012).
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Nguyên âm tự nhiên được nhận dạng đúng như dự định: Peterson và Barney (10 loại nguyên âm, 76 người nói) so với Hillenbrand và cs. 1995 (12 loại nguyên âm, 139 người nói) | 94,4% so với 95,4% | Hillenbrand và cs., JASA 2011 |
| Các phiên bản tổng hợp bằng formant của nguyên âm từ 300 âm tiết hVd | 88,5% | Hillenbrand và cs., JASA 2011 (trích dẫn Hillenbrand và Nearey 1999) |
| Nguyên âm âm sin, 71 người nghe trước huấn luyện so với sau huấn luyện chuyên sâu hơn (mức ngẫu nhiên 8,3%) | 55,0% (khoảng 21,3% đến 80,7% giữa các người nghe) so với 73,5% | Hillenbrand và cs., JASA 2011 |
| Nhận dạng 120 người nói có phương ngữ đa dạng (North Carolina và Wisconsin) bởi 30 người nghe | 80,2% nói chung, thấp hơn khoảng 15% so với Hillenbrand và cs. 1995 | Jacewicz và Fox, JASA 2012 |
| Thay đổi F1 nhỏ nhất có thể nhận ra (ngưỡng sai biệt vừa đủ nhận thấy) ở 94 người nói tiếng Hà Lan, trẻ em 6-11 tuổi so với người lớn 20-36 tuổi | Chênh lệch F1 49% so với 33% (W = 1525, p = 0,001) | Polsterer và cs., JASA Express Letters 2026 |
Ghi chú bối cảnh: trong nghiên cứu Hà Lan năm 2026, ngưỡng được đo trên chính bản ghi âm của từng người tham gia đối với kích thích nghiên cứu deur, một từ tiếng Hà Lan được giữ nguyên ngôn ngữ gốc ở đây. Trong nhóm trẻ em, tuổi không dự đoán ngưỡng một cách có ý nghĩa thống kê (b = -0,028, p = 0,3).
4. Biến Đổi Theo Tuổi: Formant Của Trẻ Phát Triển Thành Chuẩn Người Lớn Như Thế Nào
Về mặt âm học, trẻ em không phải là người lớn thu nhỏ, và hai giới tách biệt sớm hơn so với những gì cao độ giọng nói gợi ý. Ở 190 người nói từ 4 đến 20 tuổi, chênh lệch F2 theo giới tính đã xuất hiện từ 4 tuổi với các nguyên âm cao /i/ và /u/ (Vorperian và cs., JASA 2019, bản PDF của tác giả), nhiều năm trước tuổi dậy thì. Kết luận của các tác giả rất thẳng thắn: “Các đặc tính âm học của nguyên âm trở nên đặc trưng theo giới tính từ rất lâu trước tuổi dậy thì.”
Đối với các hệ thống tự động, lời nói của trẻ em vẫn là một mục tiêu luôn dịch chuyển cho đến cuối tuổi thiếu niên, một thách thức cũng thể hiện trong tỷ lệ lỗi nhận dạng giọng nói của trẻ em.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Chênh lệch F2 theo giới tính: nguyên âm cao /i/ và /u/ so với nguyên âm thấp | Xuất hiện ở tuổi 4 với /i/ và /u/; ở tuổi 6 và 7 với nguyên âm thấp | Vorperian và cs., JASA 2019 |
| Tuổi mà dữ liệu formant đạt giá trị người lớn | Khoảng 16 tuổi với người nói nữ, khoảng 20 tuổi với người nói nam | Vorperian và cs., JASA 2019 |
| Tuổi mà độ dài phân đoạn hội tụ về mức người lớn, và độ trễ của f0 và độ biến thiên formant | Khoảng 12 tuổi; f0 và độ biến thiên formant có thể đạt khoảng người lớn muộn hơn khoảng 2 hoặc 3 năm | Lee và cs., JASA 1999 |
| Sự phân hóa giữa người nói nam và nữ, 436 trẻ em | Bắt đầu vào khoảng 11 tuổi, hình thành đầy đủ vào khoảng 15 tuổi | Lee và cs., JASA 1999 |
| Độ vượt quá về âm học trước khi ổn định ở giá trị người lớn | Đâu đó giữa 13 và 15 tuổi | Lee và cs., JASA 1999 |
| Dạng thay đổi formant nguyên âm theo tuổi ở người nói nam | Xấp xỉ tuyến tính theo tuổi | Lee và cs., JASA 1999 |
| Tuổi mà việc phát âm nguyên âm đạt độ chính xác giống người lớn | Khoảng 12 tuổi | Kent và Rountrey, American Journal of Speech-Language Pathology 2020 |
| Dải tần số cần thiết để thu bốn formant đầu tiên của trẻ 2 tuổi | Hơn 5 kHz một chút | Kent và Rountrey, American Journal of Speech-Language Pathology 2020 |
Ghi chú bối cảnh: f0 là tần số cơ bản, tốc độ rung của dây thanh được nghe thành cao độ; formant do đường phát âm quyết định. Hai yếu tố này phát triển theo những lịch trình khác nhau, đó là lý do chênh lệch formant giữa bé trai và bé gái có thể xuất hiện rất lâu trước khoảng cách về cao độ. Dữ liệu formant chuẩn của trẻ em mới nhất hiện có: 2019.
5. Dịch Chuyển Theo Phương Ngữ và Thế Hệ
Chuẩn nguyên âm là một ảnh chụp nhanh của một vùng tại một thời điểm. Clopper và các đồng nghiệp chỉ ra rằng những người nói của Peterson và Barney “gần với lời nói của vùng duyên hải phía đông nước Mỹ hơn là tiếng Anh Mỹ Chuẩn” (Clopper, Pisoni và de Jong, JASA 2005), trong khi những người nói của Hillenbrand đến từ vùng Trung Tây phía bắc. Một bộ phân loại dựa trên formant được huấn luyện trên cha mẹ ở North Carolina đạt 88,9% trên tập huấn luyện của chính nó nhưng chỉ 44,8% trên cha mẹ ở Wisconsin (Jacewicz và Fox, JASA 2012): chuyển sang một phương ngữ khác làm độ chính xác giảm gần một nửa.
Sự thay đổi cũng diễn ra giữa các thế hệ. Ở 123 phụ nữ từ ba vùng của Hoa Kỳ, tổng chuyển động formant bên trong một nguyên âm (“chiều dài quỹ đạo” của nó, tức quãng đường formant đi qua mặt phẳng F1-F2) dài nhất ở nhóm lớn tuổi nhất (Jacewicz, Fox và Salmons, Journal of Phonetics 2011). Khoảng cách phương ngữ cũng xuất hiện ở máy móc: xem bài tổng hợp về thiên lệch giọng vùng miền trong nhận dạng giọng nói của chúng tôi.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Người nói và số đo trong nghiên cứu phương ngữ Hoa Kỳ sáu vùng | 48 người nói (4 nam và 4 nữ từ mỗi vùng trong 6 vùng); 13.440 số đo | Clopper, Pisoni và de Jong, JASA 2005 |
| Tương tác nguyên âm theo phương ngữ đối với F1 | F(50,2020) = 10,1, p < 0,001 | Clopper, Pisoni và de Jong, JASA 2005 |
| Người nghe nhận dạng người nói thuộc phương ngữ của mình so với phương ngữ khác | Người nghe North Carolina 82,1% so với 75,8%; người nghe Wisconsin 83,5% so với 79,6% | Jacewicz và Fox, JASA 2012 |
| Bộ phân loại huấn luyện trên cha mẹ ở North Carolina: tập huấn luyện của chính nó so với cha mẹ ở Wisconsin | 88,9% so với 44,8% | Jacewicz và Fox, JASA 2012 |
| Chiều dài quỹ đạo formant theo vùng, 123 phụ nữ | North Carolina 516 Hz, Wisconsin 396 Hz, Ohio 353 Hz | Jacewicz, Fox và Salmons, Journal of Phonetics 2011 |
| Chiều dài quỹ đạo formant theo thế hệ: tuổi 51-65 so với 37-49 so với 21-33 | 477 Hz so với 408 Hz so với 380 Hz | Jacewicz, Fox và Salmons, Journal of Phonetics 2011 |
| Sự hạ thấp của /æ/ qua các thế hệ, North Carolina, vị trí nhấn mạnh | F(2, 38)=29,18, p<0,001, η2=0,606 | Jacewicz, Fox và Salmons, Journal of Phonetics 2011 |
Ghi chú bối cảnh: nhóm lớn tuổi nhất khác biệt có ý nghĩa thống kê so với cả hai nhóm trẻ hơn về chiều dài quỹ đạo, trong khi hai nhóm trẻ hơn không khác nhau. Các bản ghi âm cho nghiên cứu ba thế hệ được thực hiện từ 2006 đến 2008.
6. Không Gian Nguyên Âm Giữa Các Ngôn Ngữ
Các ngôn ngữ dùng chung một ký hiệu nguyên âm không dùng chung formant của nó. /u/ của nam giới trưởng thành có F2 trung bình 721 Hz trong tiếng Quảng Đông, 1668 Hz trong tiếng Anh Mỹ và 1704 Hz trong tiếng Nhật (Chung và cs., JASA 2012), vì vậy một /u/ được viết giống nhau có thể nằm xa về phía trước trong khoang miệng ở ngôn ngữ này hơn nhiều so với ngôn ngữ khác. Một công cụ mượn chuẩn tiếng Anh cho ngôn ngữ khác sẽ thừa hưởng sự lệch chuẩn đó.
Các kho ngữ liệu đa ngôn ngữ lớn hiện nay kiểm tra điều gì giữ nguyên không đổi. Trong VoxCommunis, giá trị F1 trung bình theo ngôn ngữ của [i] và [u] biến thiên cùng nhau, một mẫu hình gọi là tính đồng nhất (uniformity): ngôn ngữ nào tạo ra một nguyên âm cao với F1 cao hơn thì có xu hướng làm tương tự với nguyên âm kia (Ahn và Chodroff, VoxCommunis, LREC 2022). Độ phủ vẫn chưa đồng đều, đúng là khoảng trống đã bàn trong bài tổng hợp về nhận dạng giọng nói cho ngôn ngữ ít tài nguyên của chúng tôi.
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| F2 của /u/ ở nam giới trưởng thành theo ngôn ngữ (5 ngôn ngữ, tổng 150 người nói gồm trẻ 2 tuổi, trẻ 5 tuổi và người lớn) | Quảng Đông 721, Hy Lạp 1011, Hàn Quốc 1241, Anh 1668, Nhật 1704 Hz | Chung và cs., JASA 2012 |
| Quy mô kho ngữ liệu VoxCommunis | 36 ngôn ngữ; 0,24 đến 288 giờ lời nói và 5 đến 3.620 người nói mỗi ngôn ngữ | Ahn và Chodroff, LREC 2022 |
| Tương quan F1 giữa [i] và [u] giữa các ngôn ngữ | r = 0,83, p < 0,001, 31 ngôn ngữ | Ahn và Chodroff, LREC 2022 |
| Tương quan F1 giữa [e] và [o] giữa các ngôn ngữ | r = 0,74, p < 0,001, 22 ngôn ngữ | Ahn và Chodroff, LREC 2022 |
| Tương quan F2 giữa [i] và [a]: VoxCommunis so với kho ngữ liệu VoxClamantis trước đó | r = 0,67 so với r = 0,06 | Ahn và Chodroff, LREC 2022 |
| Các ngôn ngữ trong UCLA Phonetics Lab Archive được căn chỉnh thời gian cho kho ngữ liệu VoxAngeles | 95 trên 314 ngôn ngữ | Chodroff và cs., VoxAngeles, arXiv 2024 |
Ghi chú bối cảnh: các tương quan của VoxCommunis so sánh giá trị trung bình theo ngôn ngữ, không phải từng người nói riêng lẻ, và hai kho ngữ liệu không thống nhất ở một số cặp, vì vậy tính đồng nhất là một xu hướng, không phải một quy luật.
7. Sai Số Đo Formant Giữa Các Công Cụ và Phương Pháp
Các con số ở phần 1 đến 6 đều là kết quả đo, và sai số đo tăng theo cao độ giọng nói. Trên 470.000 nguyên âm tổng hợp, sai số F1 theo LPC trung bình là 41 Hz (7%) ở F0 200-300 Hz và 58 Hz (9%) khi vượt quá 300 Hz (Chen, Whalen và Shadle, JASA 2019). LPC (mã hóa dự đoán tuyến tính) là bộ theo dõi formant mặc định trong các công cụ như Praat; ở cao độ cao, ước lượng của nó bị kéo về hài âm giọng gần nhất, đó là lý do formant của phụ nữ và đặc biệt là trẻ em kém tin cậy nhất.
Việc chọn công cụ cũng quan trọng. Một so sánh giữa Praat, WaveSurfer, TF32 và CSL cho thấy ba công cụ đầu chính xác và tương đương nhau với nguyên âm tổng hợp và nguyên âm của nam giới trưởng thành, nhưng kém thỏa đáng hơn với nữ giới trưởng thành và trẻ em (Burris và cs., Journal of Speech, Language, and Hearing Research 2014).
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Độ chính xác điển hình của ước lượng formant bằng phổ đồ và LPC | Khoảng f0/4; khoảng 60 Hz với một trẻ có f0 là 250 Hz | Kent và Vorperian 2018 |
| Chênh lệch tuyệt đối giữa các lần đo formant lặp lại trong Hillenbrand và cs. 1995 | 12 đến 60 Hz | Kent và Vorperian 2018 |
| Sai số F1 theo LPC trung bình, nguyên âm tổng hợp ở F0 200-300 Hz so với trên 300 Hz | 41 Hz (7%) so với 58 Hz (9%) | Chen, Whalen và Shadle, JASA 2019 |
| Sai số F1 theo LPC so với giá trị formant, theo nguyên âm | /u/ 23%, /i/ 18%, /æ/ 10%, /ɑ/ 8% | Chen, Whalen và Shadle, JASA 2019 |
| Diện tích không gian nguyên âm đo bằng LPC ở F0 234 Hz, tính theo tỷ lệ diện tích thực | 85% | Chen, Whalen và Shadle, JASA 2019 |
| Sai số đo thủ công của bốn nhà ngữ âm học trên nguyên âm tổng hợp | 32 Hz (8%) đến 118 Hz (26%) | Shadle, Nam và Whalen, JASA 2016 |
| Băng thông formant của lời nói tự nhiên từ bốn chương trình phân tích nằm trong khoảng ±10% so với giá trị đo thủ công | Không có | Burris và cs., JSLHR 2014 |
| Giá trị tham chiếu đồng thuận được đo lại sau 3 tháng trong khoảng 50 Hz; giá trị tham chiếu bị loại bỏ vì không chắc chắn | Khoảng 80%; khoảng 15% (chủ yếu F3 và F4) | Derdemezis và cs., American Journal of Speech-Language Pathology 2016 |
Ghi chú bối cảnh: Chen và các đồng nghiệp ước tính rằng hơn một nửa độ biến thiên F1 và F2 được báo cáo trong tài liệu có khả năng là do độ biến thiên F0 (tỷ số mô phỏng trên báo cáo là 0,76 với F1 và 0,58 với F2), và dự kiến sai số trên lời nói thực sẽ lớn hơn trong các mô phỏng lý tưởng hóa của họ. Trong nghiên cứu của Derdemezis, ngưỡng trần formant mặc định 5500 Hz của Praat được hạ xuống 5000 Hz cho nam giới trưởng thành.
Tổng kết: Chuẩn Tần Số Formant Nguyên Âm Qua Các Con Số
| Chỉ số | Giá trị | Nguồn |
|---|---|---|
| Người nói trong Peterson và Barney 1952 | 76 (33 nam, 28 nữ, 15 trẻ em) | Sổ tay Praat, bảng Peterson và Barney 1952 |
| Người nói trong Hillenbrand và cs. 1995 | 139 (45 nam, 48 nữ, 46 trẻ em) | Hillenbrand, Journal of the International Phonetic Association 2003 |
| Độ phân tán của F2 trung bình của /u/ ở nữ giới trên 7 bộ dữ liệu tiếng Anh Mỹ | Khoảng 700 Hz | Kent và Vorperian 2018 |
| Nam giới của Peterson và Barney, /i/ (F1 / F2 / F3) | 270 / 2290 / 3010 Hz | Peterson và Barney, JASA 1952 (bản in lại của Princeton) |
| F2 của /i/ trong tiếng Anh Mỹ: nam, nữ, trẻ 5 tuổi, trẻ 2 tuổi | 2146, 2570, 2964, 3220 Hz | Chung và cs., JASA 2012 |
| Nhận dạng nguyên âm tự nhiên, Peterson và Barney so với Hillenbrand | 94,4% so với 95,4% | Hillenbrand và cs., JASA 2011 |
| Ngưỡng sai biệt vừa đủ nhận thấy của F1, trẻ em so với người lớn | 49% so với 33% | Polsterer và cs., JASA Express Letters 2026 |
| Tuổi xuất hiện chênh lệch F2 theo giới tính đầu tiên với /i/ và /u/ | 4 tuổi | Vorperian và cs., JASA 2019 |
| Sự phân hóa giữa người nói nam và nữ, lúc bắt đầu so với khi hình thành đầy đủ | Khoảng 11 tuổi so với khoảng 15 tuổi | Lee và cs., JASA 1999 |
| Người nói trong nghiên cứu phương ngữ Hoa Kỳ sáu vùng | 48 | Clopper, Pisoni và de Jong, JASA 2005 |
| Độ chính xác bộ phân loại giữa các phương ngữ, phương ngữ của chính nó so với phương ngữ khác | 88,9% so với 44,8% | Jacewicz và Fox, JASA 2012 |
| Chiều dài quỹ đạo formant, thế hệ lớn tuổi nhất so với trẻ nhất | 477 Hz so với 380 Hz | Jacewicz, Fox và Salmons, Journal of Phonetics 2011 |
| Tương quan F1 của [i] và [u] trên 31 ngôn ngữ | r = 0,83 | Ahn và Chodroff, LREC 2022 |
| Các ngôn ngữ của kho lưu trữ UCLA được căn chỉnh thời gian trong VoxAngeles | 95 trên 314 | Chodroff và cs., arXiv 2024 |
| Sai số F1 theo LPC trung bình khi F0 trên 300 Hz | 58 Hz (9%) | Chen, Whalen và Shadle, JASA 2019 |
| Sai số đo F1 thủ công trên nguyên âm tổng hợp | 32 Hz (8%) đến 118 Hz (26%) | Shadle, Nam và Whalen, JASA 2016 |
| Giá trị tham chiếu bị loại bỏ vì không chắc chắn trong một so sánh bốn chương trình | Khoảng 15% | Derdemezis và cs., AJSLP 2016 |
Phương pháp luận và Nguồn
Chúng tôi thực hiện các tìm kiếm có chủ đích theo sáu góc độ (bộ dữ liệu tham chiếu, chuẩn theo giới tính và tuổi, độ chính xác nhận dạng, phương ngữ, dữ liệu liên ngôn ngữ, sai số đo) và chỉ giữ lại những con số mà chúng tôi đã đọc trong bài báo gốc, bản tóm tắt chính thức hoặc một bản in lại có nêu tên. Khi một trang khó truy cập, chúng tôi đọc qua một proxy văn bản nhưng vẫn liên kết đến bản gốc.
- Peterson và Barney, JASA 1952, giá trị trung bình danh nghĩa của nam giới theo bản in lại của Đại học Princeton (COS 325), trích từ P. R. Cook (chủ biên), Music, Cognition, and Computerized Sound, MIT Press 1999.
- Sổ tay Praat: bảng formant Peterson và Barney 1952 (số lượng người nói và danh sách nguyên âm).
- Hillenbrand, American English: Southern Michigan, Journal of the International Phonetic Association 2003.
- Các tệp dữ liệu Hillenbrand và cs. 1995, bản sao GitHub và tài liệu bộ dữ liệu h95 của phonTools.
- Hillenbrand và cs., Perception of sinewave vowels, JASA 2011.
- Kent và Vorperian, Static measurements of vowel formant frequencies and bandwidths: A review, Journal of Communication Disorders 2018.
- Lee, Potamianos và Narayanan, Acoustics of children’s speech, JASA 1999 (tóm tắt).
- Vorperian và cs., Corner vowels in males and females ages 4 to 20 years, JASA 2019.
- Kent và Rountrey, What acoustic studies tell us about vowels in developing and disordered speech, AJSLP 2020.
- Polsterer và cs., Auditory acuity to vowels is more refined in adulthood compared to childhood, JASA Express Letters 2026.
- Clopper, Pisoni và de Jong, Acoustic characteristics of the vowel systems of six regional varieties of American English, JASA 2005.
- Jacewicz và Fox, Effects of cross-generational and cross-dialectal variation on vowel identification and classification, JASA 2012.
- Jacewicz, Fox và Salmons, Vowel change across three age groups of speakers in three regional varieties of American English, Journal of Phonetics 2011.
- Chung và cs., Cross-linguistic studies of children’s and adults’ vowel spaces, JASA 2012.
- Ahn và Chodroff, VoxCommunis: A Corpus for Cross-linguistic Phonetic Analysis, LREC 2022.
- Chodroff và cs., Phonetic Segmentation of the UCLA Phonetics Lab Archive (VoxAngeles), arXiv 2024.
- Chen, Whalen và Shadle, F0-induced formant measurement errors result in biased variabilities, JASA 2019.
- Shadle, Nam và Whalen, Comparing measurement errors for formants in synthetic and natural vowels, JASA 2016.
- Burris và cs., Quantitative and descriptive comparison of four acoustic analysis systems: vowel measurements, JSLHR 2014.
- Derdemezis và cs., Optimizing vowel formant measurements in four acoustic analysis systems for diverse speaker groups, AJSLP 2016.
- Lưu ý về dữ liệu: tỷ lệ nhận dạng của Hillenbrand và cs. 1995 xuất hiện là 95,4% trong Hillenbrand và cs. 2011 nhưng là 95,8% ở cột so sánh của Jacewicz và Fox 2012 (Bảng III); chúng tôi trích dẫn 95,4%. Các nguồn cũng không thống nhất về mốc thời gian: Vorperian và cs. 2019 thấy chênh lệch formant theo giới tính từ 4 tuổi và chênh lệch f0 theo giới tính từ 7 tuổi, bài tổng quan của Kent và Vorperian trích dẫn dữ liệu sớm hơn đặt chênh lệch f0 ở 10 hoặc 11 tuổi, và Lee và cs. 1999 đặt thời điểm bắt đầu phân hóa nam nữ vào khoảng 11 tuổi; các nghiên cứu dùng độ tuổi, nguyên âm và thước đo khác nhau. Các giá trị theo từng nguyên âm của Peterson và Barney đến từ một bản in lại, không phải bài báo gốc năm 1952, và chúng tôi chỉ có giá trị trung bình của nam giới, vì vậy giá trị trung bình của nữ giới và trẻ em từ bảng gốc không được trích dẫn ở đây. Hầu hết các chuẩn cốt lõi trong bài tổng hợp này đã có từ nhiều thập kỷ trước, và chúng tôi không thể xác minh có một bộ nguyên âm chuẩn mực tiếng Anh Mỹ quy mô lớn mới nào được công bố trong năm 2025 hoặc 2026. Các giá trị từ những nghiên cứu khác nhau dùng công cụ và thiết lập khác nhau (xem phần 7), vì vậy chênh lệch vài chục hertz giữa các nghiên cứu không nên được hiểu là khác biệt lời nói thực sự.
Cập nhật lần cuối: ngày 8 tháng 11 năm 2026. Chúng tôi cập nhật bài tổng hợp này hàng quý, và lần làm mới tiếp theo dự kiến sẽ diễn ra khi bản phát hành tiếp theo của kho ngữ liệu VoxCommunis được công bố.