Applied Speech and Audio Processing: With matlab examples

3.2. Characteristics of speech
41
3.2
Characteristics of speech
Despite many differences between individuals, and the existence of many languages,
speech follows general patterns, and on average has well defined characteristics such as
those of volume, frequency distribution, pitch rate and syllabic rate [3]. These character-
istics have adapted with regard to environment, hearing and voice production limitations
– speech characteristics fit the speech generating abilities of the body – but the rapid
changes in society over the past century have exceeded our ability to adapt.
The shouting mechanism for ‘long distance’ communications, for example, across an
open valley, is not particularly suited to inner-city conditions (just stand outside a tower
block for a few minutes on a hot day when windows are open and hear the examples of
inappropriately loud vocal communications). On the other hand, rail or bus commuters
will seldom have the opportunity to converse in whispers.
Infobox 3.2 The International Phonetic Alphabet
The International Phonetic Alphabet (IPA) is the usual method of describing and writing the
various phonemes that make up speech. As defined by the International Phonetic Association,
a set of symbols, written using a shorthand notation, describes the basic sound units of words.
These symbols can completely describe many different languages using the 107 letters and several
diacritical marks available [3]. It is beyond the scope of this book to introduce this alphabet, but
simply to point out that researchers working with phonetics would be advised to learn the IPA
and apply this notation in their work to avoid misconceptions and insufficiently specified speech
sounds.
3.2.1
Speech classification
Physically, the sounds of speech can be described in terms of a pitch contour and formant
frequencies. In fact this description forms a method of analysis used by most speech
compression algorithms (discussed in Section 5.2 and beyond). Formants are resonant
frequencies of the vocal tract which appear in the speech spectrum as clear peaks. As
an example, three distinct formant peaks can be seen in the frequency domain plot of a
short speech recording, in Figure 3.2.
Formants have been described by the famous researcher Klatt and others as being the
single most important feature in speech communications [4]. Generally many formants
will be present in a typical utterance, and the location of these will vary over time
as the shape of the mouth changes. Formants are counted from the lowest frequency
upwards, and usually only the first three (F1, F2 and F3) contribute significantly to the
intelligibility of speech. Some fricative sounds like /ch/ can produce a lot of formants,
but generally speaking F1 contains most of the speech energy while F2 and F3 between
them contribute more to speech intelligibility [5].

---

42