共振峰、频谱与“明亮厚重”的来源

先有声源，再经过滤波

一个实用的近似是声源—滤波器模型：声带周期振动提供基频与泛音，咽腔、口腔和鼻腔等通道对不同频率进行增强或削弱。被显著增强的频带形成共振峰。改变舌位和口型，即使基频保持不变，也会改变元音和音色。

这解释了为什么“音高较低”不自动等于“声音厚重”，也为什么模仿口型或改变共鸣位置能明显改变听感。

频谱统计在描述什么

麦克风也在参与“塑形”

近距离录音可能增加低频，偏轴录音会削弱部分高频，房间反射会制造新的峰谷，手机的降噪和自动增益还会随时间改变频谱。因此算法首先测量的是“说话者 + 内容 + 房间 + 设备 + 处理链”共同产生的文件。

CVoice 用多种频谱统计组成听感维度；Reborn 还会结合瞬态、事件密度和动态范围判断声形。它们都不把单一频谱数字直接翻译成人的身份。

共振提供线索，不提供身份证明

声道结构、发音动作、语言、训练、情绪和设备都能影响共振。群体之间可能存在统计趋势，但单条录音的分布大量重叠。将共振峰用于“这段录音听起来偏明亮”属于描述；用它确认真实性别、年龄或身体结构，则越过了证据能够支持的范围。