Formant

On désigne par formant (acoustique) d'un son de parole l'un des maxima d'énergie du spectre sonore de ce son de parole. Il y a plusieurs définitions du mot « formant » (résonances du conduit vocal, pôles, etc.).

Le spectre sonore représente la distribution en fréquences de l'énergie du signal de parole, dans une bande de fréquences allant de 0 Hz à 4 000 Hz si on s'intéresse à la bande passante téléphonique (largement suffisante pour assurer l'intelligibilité du son).

Le spectre sonore se mesure par analyse fréquentielle d'un segment très court (aussi appelé fenêtre d'analyse dans le vocabulaire du traitement du signal), de 10 à 40 millisecondes, du signal de parole. C'est une information variable au cours du temps, dépendant du type son de parole, c'est-à-dire en première approximation, du phonème prononcé, mais plus complètement, de la manière particulière dont il a été prononcé et de son contexte phonétique.

Comme le spectre sonore, dont ils représentent l'un des aspects, les formants sont mesurés sur des segments de parole très courts, et ils sont donc variables au cours du temps, dépendant du phonème prononcé, du contexte phonétique et de la manière dont il est prononcé. On numérote les formants (qui sont donc les maxima du spectre sonore) en allant des basses fréquences vers les hautes fréquences. La présence d'anti-formants dans les voyelles nasalisées rend leur calcul difficile. On les désigne par la notation physique ${\displaystyle F_{i}}$ (mesurée en hertz) en partant du premier formant ${\displaystyle F_{1}}$ dans les fréquences basses. La notation ${\displaystyle F_{0}}$ est réservée à la fréquence fondamentale, dont les variations au cours du temps constituent l'intonation de la parole.

Les deux premiers formants ${\displaystyle F_{1}}$ et ${\displaystyle F_{2}}$ ne sont pas des caractéristiques suffisantes pour la description des voyelles, si la langue contraste, par exemple, entre voyelles antérieures étirées et arrondies (comme en français, par exemple). En conséquence de quoi, le tableau donné ci-dessous avec seulement les valeurs des deux premiers formants n'est pas valable. C'est le formant F3 qui distingue essentiellement /i/ et /y/. F2 peut être identique pour /i/ et /y/. Les voyelles qui ne sont pas des diphtongues sont des sons plus ou moins stationnaires de la parole. Chaque voyelle se caractérise ainsi par son timbre spécifique, déterminé en première approximation par ${\displaystyle F_{1}}$ et ${\displaystyle F_{2}}$. Dans certaines langues, le ton est nécessaire, dans d'autres langues, la qualité de voix. La discipline phonétique a permis d'établir une corrélation entre les valeurs mesurées en hertz de ${\displaystyle F_{1}}$ et ${\displaystyle F_{2}}$ et le troisième formant et les articulations de l'appareil phonétique nécessaires à la réalisation des voyelles (lèvres comprises). Ainsi ${\displaystyle F_{1}}$ est corrélé avec l’aperture (ouverture de la bouche) et le ${\displaystyle F_{2}}$ avec la position antérieure (valeur élevée de ${\displaystyle F_{2}}$), postérieure (valeur basse de ${\displaystyle F_{2}}$) de la langue, mais aussi avec la configuration des lèvres. Le troisième formant ${\displaystyle F_{3}}$ est également une caractéristique intéressante, corrélée avec la configuration des lèvres pour les voyelles antérieures.

K. Stevens a donné une interprétation simple de la corrélation entre l'articulation de l'appareil phonatoire et les formants acoustiques, à partir d'un modèle simplifié à deux cavités acoustiques de l'appareil phonatoire, sans prendre en compte la configuration des lèvres. Dans ce modèle, ${\displaystyle F_{1}}$ et ${\displaystyle F_{2}}$ s'interprètent comme les fréquences de résonance de chaque cavité acoustique. Voir aussi G. Fant (dont les nomogrammes incluent la configuration des lèvres).

On présente dans la table ci-dessous les valeurs typiques des formants ${\displaystyle F_{1}}$ et ${\displaystyle F_{2}}$ pour les voyelles du français. Si on reporte ces valeurs dans un graphique représentant ${\displaystyle F_{1}}$ et ${\displaystyle F_{2}}$ en abscisse et en ordonnée, on obtient le fameux triangle vocalique de la discipline phonétique comme dans la figure ci-dessous. Dans ce triangle, ${\displaystyle F_{1}}$ augmente avec l'ouverture des voyelles (de /i/ et /u/ vers /a/) et ${\displaystyle F_{2}}$ diminue avec leur profondeur (augmente donc de /u/ vers /i/). Pour une même profondeur, ${\displaystyle F_{2}}$ est plus élevé pour une voyelle non-arrondie (comme /i/) que pour une voyelle arrondie (comme /y/) de même antériorité.

Fréquences typiques des formants[1]

Voyelle (API)	${\displaystyle F_{1}}$ (Hz)	${\displaystyle F_{2}}$ (Hz)
[u]	320	800
[o]	500	1 000
[ɑ]	700	1 150
[a]	1 000	1 400
[ø]	500	1 500
[y]	320	1 650
[ɛ]	700	1 800
[e]	500	2 300
[i]	320	3 200

Triangle des voyelles avec les axes F1 et F2

Ces questions sont discutées par Gérard Genette dans Mimologiques (« mimophonies restreintes »), paru chez Seuil.