Dado que el tracto vocal evoluciona en el tiempo para producir los distintos sonidos, la caracterización espectral de la señal de voz también es variante en el tiempo. Esta evolución temporal puede representarse mediante un espectrograma de la señal de voz o sonograma. Este es una representación bidimensional que muestra la evolución temporal de la caracterización espectral. En la figura siguiente se representan el oscilograma y el sonograma de la frase: "el golpe de timón fue sobrecogedor".

Los formantes aparecen como franjas horizontales, mientras que los valores de amplitud en función de la frecuencia se representan en tonalidades de grises en sentido vertical. Existen dos tipos de monogramas: de banda ancha y de banda estrecha, en función del ancho de banda del filtro que se haya utilizado para realizar el análisis frecuencial. En el caso de los espectrogramas de banda ancha, se obtendrá una buena resolución temporal. En cambio, en el caso de espectrogramas de banda estrecha se obtendrá una buena resolución frecuencial, dado que el filtro utilizado es de banda estrecha, y permite obtener estimaciones espectrales más precisas. La figura de abajo muestra un fragmento de señal y su correspondiente espectrograma de banda ancha (obtenido con ventanas de 220 muestras) y de banda estrecha se diferencian claramente los formantes, mientras que en el de banda ancha se observan los detalles temporales con mayor claridad (picos de pitch).