Ακολουθούν μερικοί από τους βασικούς παράγοντες που συμβάλλουν στη διαφορά στο φωνητικό ύψος μεταξύ ανδρών και γυναικών:
1. Μήκος φωνητικών χορδών: Το μήκος των φωνητικών χορδών είναι αντιστρόφως ανάλογο με το ύψος της φωνής. Οι μικρότερες φωνητικές χορδές δονούνται πιο γρήγορα και παράγουν υψηλότερο τόνο, ενώ οι μεγαλύτερες φωνητικές χορδές δονούνται πιο αργά και παράγουν χαμηλότερο τόνο. Κατά μέσο όρο, οι γυναίκες έχουν μικρότερες φωνητικές χορδές από τους άνδρες, γι' αυτό και οι φωνές τους τείνουν να είναι υψηλότερες.
2. Πάχος φωνητικών χορδών: Το πάχος των φωνητικών χορδών επηρεάζει επίσης το ύψος της φωνής. Οι παχύτερες φωνητικές χορδές δονούνται πιο αργά και παράγουν χαμηλότερο τόνο, ενώ οι λεπτότερες φωνητικές χορδές δονούνται πιο γρήγορα και παράγουν υψηλότερο τόνο. Οι άντρες έχουν συνήθως πιο χοντρές φωνητικές χορδές από τις γυναίκες, γεγονός που συμβάλλει στη χαμηλότερη φωνή τους.
3. Συντονισμοί φωνητικών οδών: Η φωνητική οδός, η οποία αποτελείται από τον φάρυγγα, το στόμα και τις ρινικές κοιλότητες, λειτουργεί ως αντηχείο που ενισχύει ορισμένες συχνότητες ήχου. Το σχήμα και το μέγεθος της φωνητικής οδού επηρεάζουν επίσης τη συνολική χροιά και την ποιότητα της φωνής. Οι διαφορές στην ανατομία της φωνητικής οδού μεταξύ ανδρών και γυναικών μπορούν να συμβάλουν περαιτέρω στις διαφορές στο φωνητικό ύψος.
Επιπλέον, ορμονικοί παράγοντες κατά την εφηβεία παίζουν ρόλο στην ανάπτυξη της φωνής. Στους άνδρες, η αυξημένη παραγωγή τεστοστερόνης κατά την εφηβεία προκαλεί πάχυνση και επιμήκυνση των φωνητικών χορδών, με αποτέλεσμα μια πιο βαθιά φωνή. Αντίθετα, τα θηλυκά παρουσιάζουν μικρότερη αύξηση της τεστοστερόνης και οι φωνητικές τους χορδές παραμένουν σχετικά πιο κοντές και λεπτές, συμβάλλοντας στην υψηλότερη ένταση της φωνής τους.
Αξίζει να σημειωθεί ότι ενώ υπάρχουν γενικές τάσεις στις διαφορές στο ύψος της φωνής μεταξύ ανδρών και γυναικών, εξακολουθεί να υπάρχει σημαντική διαφοροποίηση σε κάθε φύλο. Ορισμένες γυναίκες μπορεί να έχουν φυσικά χαμηλότερες φωνές και μερικοί άνδρες μπορεί να έχουν υψηλότερες φωνές, λόγω μεμονωμένων παραλλαγών στη φωνητική ανατομία και ορμονικών παραγόντων.