Gamma di Frequenze del Parlato Umano: Fondamentali, Formanti e Armoniche
La "gamma di frequenze del parlato" dipende interamente da quale livello del segnale intendi. Un singolo numero è fuorviante.
1. Frequenza Fondamentale (F0) — Altezza
Il tasso di vibrazione delle corde vocali. Percepita come altezza.
| Gruppo | Intervallo F0 Tipico | Media |
|---|---|---|
| Uomo Adulto | 85 – 180 Hz | 110–120 Hz |
| Donna Adulta | 165 – 255 Hz | 200–220 Hz |
| Bambino | 250 – 400+ Hz | ~300 Hz |
Chiave: F0 trasporta prosodia (intonazione, enfasi, emozione), non identità fonema.
2. Formanti (F1, F2, F3...) — Identità Vocale
Risonanze del tratto vocale (cavità gola/bocca). **Indipendenti da F0**.
| Vocale (IPA) | F1 (Hz) | F2 (Hz) | F3 (Hz) |
|---|---|---|---|
| /i/ (beet) | 270 | 2290 | 3010 |
| /ɪ/ (bit) | 390 | 1990 | 2550 |
| /ɛ/ (bet) | 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): Altezza lingua (aperto/chiuso).
F2 (800–2500 Hz): Avanzamento lingua (fronte/dorso).
F3 (2000–3500 Hz): Arrotondamento labbra, roticità (/r/).
3. Armoniche — Timbro / Qualità Voce
Multipli interi di F0: 2F0, 3F0... Ampiezza modellata da formanti (involucro spettrale).
- Uomo (F0=120Hz): Armoniche ogni 120 Hz. Spettro denso.
- Donna (F0=220Hz): Armoniche ogni 220 Hz. Spettro più sparso.
- L'energia si estende fino a 8–10 kHz per naturalezza / discriminazione fricative (/s/, /ʃ/, /f/, /θ/).
4. Consonanti — Rumore a Banda Larga e Transienti
- Occlusive (p, t, k, b, d, g): Scoppio + silenzio. Centro spettrale 1–4 kHz.
- Fricative (s, z, f, v, θ, ð, ʃ, ʒ): Rumore turbolento. **/s/ picco 4–10 kHz. /ʃ/ picco 2–4 kHz.**
- Nasali (m, n, ŋ): Mormorio a bassa frequenza (<500 Hz) + zero di formanti (anti-formanti).
5. Requisiti di Banda per Applicazione
| Applicazione | Banda | Motivazione |
|---|---|---|
| Telefonia (PSTN / G.711) | 300 – 3400 Hz | Solo intelligibilità. "Toll Quality". Taglia F0 (uomo), coda F2/F3, fricative. Possibile confusione Uomo/Donna. |
| Wideband / HD Voice (G.722, AMR-WB) | 50 – 7000 Hz | Cattura F0, formanti completi, la maggior parte fricative. Standard per VoIP, 4G/5G (EVS). |
| Fullband / Superwideband | 20 – 14000 Hz | Naturalezza, identificazione parlante, paralinguistica. Opus, EVS-SWB, videoconferenza di fascia alta. |
| Riconoscimento Vocale (ASR) | 16 kHz sample rate (0–8 kHz) | Standard per caratteristiche MFCC/Filterbank. 8 kHz perde discriminazione /s/. |
| Alta Fedeltà / Broadcast | 20 – 20000 Hz | Musica + Parlato. Preserva "aria" e dettaglio transiente. |
Riepilogo
- F0 (Altezza): 85–255 Hz (Adulti).
- Formanti (Vocali): F1 < 1 kHz, F2 < 2,5 kHz, F3 < 3,5 kHz.
- Fricative (Intelligibilità): Energia fino a 8–10 kHz.
- Telefonia: 300–3400 Hz (legacy) → 50–7000 Hz (moderno).
- ASR/Codec Moderni: 16 kHz sampling (0–8 kHz) minimo.