Il est de constatation banale qu’un locuteur aux traits physiques non visibles peut être identifié par des auditeurs qui le connaissent, et ce quel que soit le contenu sémantique de son discours, voire la langue dont il use. On dénomme habituellement « voix » cet attribut phonique véhiculé par le signal de parole. 

Les contours du concept, sans doute du fait de sa grande banalité dans la vie profane, sont cependant assez flous. Quelques scientifiques ont cependant essayé de le mieux cerner. Abercrombie (1967) a ainsi posé, à côté de la notion profane de voix, celle voulue scientifique de « qualité vocale » Laver (1980) a tenté d’en construire un modèle phonétique descriptif et Nolan (1983) en a interrogé les fondements phonétiques. Mis à part divers essais expérimentaux ultérieurs, force est pourtant de constater que peu de travaux de chercheurs ont vu le jour depuis le dernier quart de siècle. La réflexion théorique n’a plus guère progressé non plus. 

Pour autant, le concept conserve une saillance indéniable dans le grand public (à la télévision, efforts d’apprentis-chanteurs cherchant à cultiver leur voix ; dans les prétoires, controverse à propos de la recevabilité des expertises vocales, etc.). Les concepteurs de logiciels de dictée vocale développent, quant à eux, d’importants efforts pour contrecarrer les effets, dans ce cas, indésirables, de l’identité vocale, alors que les logopèdes, psychologues et médecins s’appuient de plus en plus sur les caractéristiques vocales des patients dans leurs diagnostics. 

Une réflexion à caractère fondamental s’impose donc aujourd’hui, d’autant que d’autres sources globales de variation extra-linguistique du signal de parole, telles les styles de parole, ou encore les accents (régional, national, « étranger », etc.) sont régulièrement étudiées, sans véritable questionnement approfondi quant aux potentielles parentés épistémologiques entre ces concepts.