メロディを正しく覚えているにもかかわらず、発声時にピッチがズレてしまう現象には、明確な身体的・聴覚的メカニズムが存在します。ボイスディレクターや音声生理学の知見から導き出された主な要因は以下の4点です。
① 骨伝導と気導音のギャップによる認識のズレ
歌っている本人は、頭蓋骨を通じて響く「骨伝導音」と耳から入る「気導音」が混ざった声を聴いています。しかし、マイクや周囲の聴き手に届くのは空気中を伝わる気導音のみです。骨伝導は低音域が強調されて聴こえる性質があるため、本人が「ちょうど良い音高」と感じていても、客観的にはピッチが低くぶら下がっているケースが頻発します。
② 声帯の閉鎖力と呼気圧（息の強さ）のアンバランス
音のピッチを上げるには、輪状甲状筋などの筋肉を使って声帯を薄く引き伸ばし、振動数を増やす必要があります。しかし、息を吐き出す力（呼気圧）が強すぎると声帯が過剰に煽られてピッチが上がり（シャープ）、逆に息を支える腹圧が抜けるとピッチが下がります（フラット）。筋力と呼気のバランス崩壊が、ピッチがズレる原因の約7割を占めています。
③ 聴覚フィードバック（自分の声を聴く耳）の遅延
伴奏の大きな音に自分の声がかき消されると、脳は自分が今どの高さで発声しているかを瞬時に照合できなくなります。フィードバックループが遮断されると、喉周りの筋肉が無意識に緊張し、ピッチが乱高下します。
④ 支えのない「ピッチ揺れ」の発生
ロングトーンで音が一定に保てず波打ってしまう「ピッチ揺れ」は、呼気流量の不安定さと喉仏（喉頭）の位置が上下動してしまうことが原因です。意図したビブラートではなく、単なる筋力不足による揺れは歌唱の説得力を著しく損ないます。
