Faixa de Frequência da Fala Humana: Fundamentais, Formantes e Harmônicos

A "faixa de frequência da fala" depende inteiramente de **qual camada do sinal você quer dizer**. Um único número é enganoso.

1. Frequência Fundamental (F₀) — Tom

Taxa de vibração das pregas vocais. Percebida como tom.

Grupo	Faixa F₀ Típica	Média
Homem Adulto	85 – 180 Hz	110–120 Hz
Mulher Adulta	165 – 255 Hz	200–220 Hz
Criança	250 – 400+ Hz	~300 Hz

Chave: F₀ carrega **prosódia** (entonação, ênfase, emoção), não identidade de fonema.

2. Formantes (F₁, F₂, F₃...) — Identidade Vogal

Ressonâncias do trato vocal (cavidade garganta/boca). **Independentes de F₀**.

Vogal (AFI)	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): Altura da língua (abre/fecha).
F₂ (800–2500 Hz): Avanço da língua (frente/trás).
F₃ (2000–3500 Hz): Arredondamento labial, rotacidade (/r/).

3. Harmônicos — Timbre / Qualidade Vocal

Múltiplos inteiros de F₀: 2F₀, 3F₀... Amplitude moldada por formantes (envelope espectral).

Homem (F₀=120Hz): Harmônicos a cada 120 Hz. Espectro denso.
Mulher (F₀=220Hz): Harmônicos a cada 220 Hz. Espectro mais espaçado.
**Energia estende a 8–10 kHz** para naturalidade / discriminação fricativas (/s/, /ʃ/, /f/, /θ/).

4. Consoantes — Ruído Banda Larga e Transientes

Oclusivas (p, t, k, b, d, g): Explosão + silêncio. Centro espectral 1–4 kHz.
Fricativas (s, z, f, v, θ, ð, ʃ, ʒ): Ruído turbulento. **/s/ picos 4–10 kHz. /ʃ/ picos 2–4 kHz.**
Nasais (m, n, ŋ): Murmúrio baixa frequência (<500 Hz) + zeros de formantes (anti-formantes).

5. Requisitos de Largura de Banda por Aplicação

Aplicação	Largura Banda	Racional
Telefonia (PSTN / G.711)	300 – 3400 Hz	Inteligibilidade apenas. "Qualidade Toll". Corta F₀ (homem), cauda F₂/F₃, fricativas. Confusão homem/mulher possível.
Wideband / HD Voice (G.722, AMR-WB)	50 – 7000 Hz	Captura F₀, formantes completos, maioria fricativas. Padrão VoIP, 4G/5G (EVS).
Fullband / Superwideband	20 – 14000 Hz	Naturalidade, ID falante, paralinguística. Opus, EVS-SWB, conferência high-end.
Reconhecimento Fala (ASR)	Taxa amostragem 16 kHz (0–8 kHz)	Padrão para features MFCC/Filterbank. 8kHz perde discriminação /s/.
Alta Fidelidade / Broadcast	20 – 20000 Hz	Música + Fala. Preserva "ar" & detalhe transiente.