Speaker sex identification from voiced, whispered, and filtered isolated vowels

Abstract

The purpose of this investigation was to determine the relative importance of the speaker’s laryngeal fundamental frequency and vocal tract resonance characteristics in speaker sex identification tasks. Six sustained isolated vowels (/i, -, -, a, o, u/) were recorded by 20 speakers, 10 males and 10 females, in a normal and whispered manner. A total of three master tapes (voiced, whispered, and filtered) were constructed from these recordings. The filtered tape involved 255 Hz low-pass filtering of the voiced tape. The tapes were played to 15 listeners for speaker sex identification judgments and confidence ratings of their evaluations. Results of their judgments indicate that, of the 1800 identifications made for each tape (20 speakers × 6 vowels × 15 listeners), 96% were correct for the voiced tape, 91% were correct for the filtered tape, and 75% were correct for the whispered tape. Moreover, the listeners were most confident in their judgments on the voiced tape, followed by the filtered tape, and showed the least amount of confidence on the whispered tape. These findings indicate that the laryngeal fundamental frequency appears to be a more important acoustic cue in speaker sex identification tasks than the resonance characteristics of the speaker. Subject Classification: [43]70.30.

A propos du rôle des formants vocaliques et du f0moyen dans l'identification du genre par la voix chez les auditeurs francophones parisiens et anglophones américains

“…La tâche d'identification du genre par la voix (voir Lass et al, 1976 ;Pausewang Gelfer & Mikos, 2005 ; se caractérise par la présentation de stimuli audio, à partir desquels les participants doivent tenter de reconnaître le genre du locuteur ayant produit ces stimuli. La technique retenue ici pour la diffusion des stimuli est celle du dévoilement progressif, ou gating (voir Grosjean, 1980).…”

“…Sur les voyelles isolées, les pourcentages d'identifications réussies varient de 96 % (Lass & al., 1976) à 98.9 % (Whiteside, 1998a). Ils atteignent pratiquement 100 % avec des phrases d'une douzaine de syllabes .…”

“…Quand des formants vocaliques "féminins" étaient couplés avec un f 0 "masculin", les auditeurs ont identifié une voix d'homme dans près de 80 % des cas, et inversement. Ces donnés confirment des résultats obtenus antérieurement (Coleman, 1976;Lass, Hughes, Bowyer, Waters & Bourne, 1976;Whiteside, 1998c).…”

“…Remarquons par ailleurs que contrairement à Pausewang Gelfer & Mikos (2005) et Lass et al (1976), qui utilisaient des stimuli de type « voyelle isolée », Arnold (2012) a travaillé avec des phrases resynthétisées, en jouant non seulement sur la position des formants vocaliques mais également sur les fréquences de résonance des consonnes. Ceci a pu avoir une forte incidence sur les résultats observés.…”

“…Pausewang Gelfer & Mikos (2005) et Lass et al (1976) ont travaillé avec des auditeurs (et locuteurs) anglophones américains, alors que l'étude d' Arnold (2008) a été menée sur des francophones. Or il est établi que certaines différences acoustiques inter-genres peuvent varier en fonction de la langue parlée (Johnson, 2005).…”