Gamme de fréquences de la parole humaine : Fondamentales, Formants & Harmoniques
Gamme de fréquences de la parole humaine : Fondamentales, Formants & Harmoniques
La « gamme de fréquences de la parole » dépend entièrement de quelle couche du signal vous considérez. Un seul chiffre est trompeur.
1. Fréquence fondamentale (F0) — Hauteur
Taux de vibration des plis vocaux. Perçue comme hauteur.
| Groupe | F0 typique | Moyenne |
|---|---|---|
| Homme adulte | 85 – 180 Hz | 110–120 Hz |
| Femme adulte | 165 – 255 Hz | 200–220 Hz |
| Enfant | 250 – 400+ Hz | ~300 Hz |
Clé : F0 porte la prosodie (intonaion, accent, émotion), pas l'identité du phonème.
2. Formants (F1, F2, F3...) — Identité voyelles
Résonances du tractus vocal (gorge/bouche). Indépendants de F0.
| Voyelle (API) | F1 (Hz) | F2 (Hz) | F3 (Hz) |
|---|---|---|---|
| /i/ (bite) | 270 | 2290 | 3010 |
| /ɪ/ (bit) | 390 | 1990 | 2550 |
| /ɛ/ (bête) | 530 | 1840 | 2480 |
| /æ/ (bat) | 660 | 1720 | 2410 |
| /ɑ/ (bot) | 730 | 1090 | 2440 |
| /ɔ/ (bought) | 570 | 840 | 2410 |
| /ʊ/ (book) | 440 | 1020 | 2240 |
| /u/ (boot) | 300 | 870 | 2240 |
F1 (300–1000 Hz) : Hauteur langue (ouvert/fermé).
F2 (800–2500 Hz) : Avancement langue (antérieur/postérieur).
F3 (2000–3500 Hz) : Arrondi lèvres, rhoticité (/r/).
3. Harmoniques — Timbre / Qualité voix
Multiples entiers de F0 : 2F0, 3F0... Amplitude façonnée par formants (enveloppe spectrale).
- Homme (F0=120Hz) : Harmoniques tous les 120 Hz. Spectre dense.
- Femme (F0=220Hz) : Harmoniques tous les 220 Hz. Spectre plus espacé.
- **L'énergie s'étend à 8–10 kHz** pour naturel / discrimination fricatives (/s/, /ʃ/, /f/, /θ/).
4. Consonnes — Bruit large bande & transitoires
- Occlusives (p, t, k, b, d, g) : Explosion + silence. Centre spectral 1–4 kHz.
- Fricatives (s, z, f, v, θ, ð, ʃ, ʒ) : Bruit turbulent. **/s/ pics 4–10 kHz. /ʃ/ pics 2–4 kHz.**
- Nasales (m, n, ŋ) : Murmure basse fréquence (<500 Hz) + zéros formants (anti-formants).
5. Exigences bande passante par application
| Application | Bande passante | Raison |
|---|---|---|
| Téléphonie (RTC / G.711) | 300 – 3400 Hz | Intelligibilité seule. « Qualité commerciale ». Coupe F0 (homme), queue F2/F3, fricatives. Confusion H/F possible. |
| Large bande / HD Voice (G.722, AMR-WB) | 50 – 7000 Hz | Capture F0, formants complets, la plupart fricatives. Standard VoIP, 4G/5G (EVS). |
| Fullband / Superlarge bande | 20 – 14000 Hz | Naturel, ID locuteur, paralinguistique. Opus, EVS-SWB, conf haut de gamme. |
| Reconnaissance parole (ASR) | 16 kHz échantillonnage (0–8 kHz) | Standard pour MFCC/Filterbank features. 8kHz perd discrimination /s/. |
| Haute fidélité / Broadcast | 20 – 20000 Hz | Musique + Parole. Préserve « air » & détail transitoires. |
Résumé
- F0 (Hauteur) : 85–255 Hz (Adultes).
- Formants (Voyelles) : F1 < 1 kHz, F2 < 2,5 kHz, F3 < 3,5 kHz.
- Fricatives (Intelligibilité) : Énergie jusqu'à 8–10 kHz.
- Téléphonie : 300–3400 Hz (héritage) → 50–7000 Hz (moderne).
- ASR/Codecs modernes : Échantillonnage 16 kHz (0–8 kHz) minimum.