formanty spółgłoskowe
spółgłoski dźwięczne, takie jak nosy i boczne, mają również określone kształty dróg głosowych, które charakteryzują się częstotliwością formantów. Różnią się one od samogłosek tym, że w ich produkcji struna głosowa nie jest jedną tubą. Gałąź boczna powstaje, gdy przewód nosowy jest sprzężony z przewodem pokarmowym, lub, w przypadku boków, gdy sam przewód pokarmowy jest zablokowany w środku. Efektem tych gałęzi bocznych jest zmiana względnych amplitud formantów; jest tak, jakby jedna lub więcej z możliwych nałożonych zmian ciśnienia powietrza została zmniejszona, ponieważ została uwięziona w jamie utworzonej z boku. Nosy i bocznice mogą być zatem określone pod względem częstotliwości formantów, podobnie jak samogłoski. Ale w pełnej specyfikacji tych spółgłosek należy również podać względne amplitudy formantów, ponieważ nie są one całkowicie przewidywalne.
Inne spółgłoski dźwięczne, takie jak stop i aproksymanty, są bardziej podobne do samogłosek, ponieważ mogą być częściowo scharakteryzowane przez częstotliwości rezonansowe—formanty—ich kształtów dróg głosowych. Różnią się one od samogłosek tym, że podczas zamykania stopu głosowego występuje bardzo mało energii akustycznej, a podczas fazy uwalniania stopu i całej artykulacji półgłosu kształty dróg głosowych zmieniają się stosunkowo szybko. Te przejściowe ruchy mogą być określone akustycznie pod względem ruchów częstotliwości formantu.
Dźwięki bezdźwięczne nie mają okresowej formy falowej o dobrze określonej częstotliwości podstawowej. Niemniej jednak niektóre odczucia skoku towarzyszą zmianom ciśnienia powietrza spowodowanym turbulentnym przepływem powietrza, który występuje podczas bezdźwięcznego tarcia lub w fazie uwalniania bezdźwięcznego zatrzymania. Dzieje się tak dlatego, że zmiany ciśnienia są dalekie od przypadkowych. Podczas pierwszej spółgłoski w morzu mają one tendencję do znajdowania się na wyższej częstotliwości środkowej, a co za tym idzie na wyższym poziomie, niż w wymowie pierwszej spółgłoski w she. Istnieje również różnica w średniej amplitudzie formy falowej w różnych dźwiękach bezdźwięcznych. Wszystkie dźwięki bezdźwięczne mają znacznie mniej energii – tj. mniejszą amplitudę-niż dźwięki dźwiękowe wymawiane przy tym samym stopniu wysiłku. Inne rzeczy są równe, tarcia w grzechach i goleniach mają większą amplitudę—tzn. są głośniejsze—niż te w cienkich i płetwach.
podsumowując, dźwięki mowy są dość dobrze zdefiniowane przez dziewięć czynników akustycznych. Pierwsze trzy czynniki obejmują częstotliwości pierwszych trzech formantów; są one odpowiedzialne za główną część informacji w mowie. Charakteryzując kształt dróg głosowych, te częstotliwości formantów określają samogłoski, nosy, boczne i przejściowe ruchy w spółgłoskach dźwięcznych. Częstotliwości czwartego i wyższych formantów nie różnią się znacząco. Czwarty czynnik to podstawowa częstotliwość—z grubsza mówiąc, wysokość-pulsu krtani w dźwiękach dźwiękowych, a piąty, Amplituda—z grubsza mówiąc, głośność-pulsu krtani. Te dwa ostatnie czynniki odpowiadają za informacje nadsegmentalne; np. zmiany w stresie i intonacji. Rozróżniają również dźwięki dźwiękowe i bezdźwięczne, ponieważ te ostatnie nie mają amplitudy pulsu krtani. Częstotliwość środkowa dźwięków syczących o wysokiej częstotliwości w dźwiękach bezdźwięcznych stanowi szósty współczynnik akustyczny, a siódmy to amplituda tych dźwięków o wysokiej częstotliwości. Te dwa czynniki charakteryzują główne różnice między dźwiękami bezdźwięcznymi. W dokładniejszych opisach konieczne byłoby określenie czegoś więcej niż tylko częstotliwości środkowej szumu w dźwiękach tarcia. Czynniki ósmy i dziewiąty obejmują amplitudy drugiego i trzeciego formanta w stosunku do pierwszego formanta; amplitudy formantów jako całości są określane przez amplitudę pulsu krtani. Te ostatnie czynniki są najmniej ważne, ponieważ przekazują tylko informacje uzupełniające o Nasalach i bocznych.