Com a análise espectrográfica de Fourier, pode-se visualizar as frequências presentes no sinal de voz. Sons periódicos, como das consoantes, são representados pela superposição de várias componentes senoidais, cada uma com sua frequência, amplitude e defasagem (atraso). Essas componentes formam a chamada série harmônica do som periódico, em que a frequência de cada componente é um múltiplo inteiro da frequência fundamental.

Componentes não periódicas da voz, como o ruído gerado em consoantes sibilantes ou em fendas glóticas, apresentam um espectro denso de frequências, ao invés das linhas espectrais bem definidas existentes nas séries harmônicas.

A análise computadorizada de Fourier popularizou-se com o uso de um método numérico denominado FFT (Fast Fourier Transfom). Na FFT, o espectro de frequências é amostrado em um número de bandas, sendo a largura da banda ajustada por um parâmetro chamado de “tamanho” ou “número de pontos”. Em geral, o número de pontos da FFT é, por peculiaridades do algoritmo, um múltiplo de dois. Quanto menor o número de pontos, mais estreita cada banda do espectro da FFT e melhor a capacidade de separar os harmônicos da voz.

Os programas de análise espectral, durante sua execução, processam o sinal de voz em pequenos blocos conhecidos por “janelas temporais”. A duração da janela estabelece a capacidade de resolução espectral, ou seja, o maior intervalo entre frequências que pode ser discriminado.