何謂「語音」？語音的要素包括動能、物體振動、介質…等。在人類的發音器官中，從肺部呼出來的氣就是動能；聲帶就是造成覺體振動的地方；共鳴器官則包括口腔、鼻腔…等。哭、笑都能發出聲音來，從所有千千萬萬的聲音中，只取得幾十個作為說話的基本單位，就成為語音，以華語為例，其包含二十一聲母、十六個韻母。語音(speech sound)就是如此。
語言的歷程包括心理、生理和物理的連鎖性動作。語言的連鎖歷程可分為以下五個層次：
一、語言層次：說話者的大腦。(發音語音學)
二、生理層次：運動神經支配發音器官、發音肌肉。(發音語音學)
三、聲學層次：聲音在空氣的傳導，透過電腦、圖譜將聲波的物理現像記錄。(聲學語音學)
四、生理層次：從耳膜、耳蝸、聽覺神經、語音感知。例如：高頻聽覺障礙對於某些語音會產生障礙。(聽覺語言學)
五、語言層次：大腦聽覺中樞，聽話者的解碼。
「聲學語音學」主要研究語音的物理基礎。
「音高」(pitch)會取決於聲音的「頻率」(frequency)，如果聽到較細、較高，那可能是小孩子的聲帶，其較薄、較緊。小孩子變聲後，聲帶變長、變厚。而聲帶使用多的人，聲帶則會鬆弛，頻率就變慢。頻率的單位以單位時間裡頭的次數氣壓變化的週期數目，通常以秒為單位，一秒一百個週期則為100CPS(cycles per second)，也叫100赫(Hertz)。
聲音的強度「音強」(intensity)則取決於空氣壓力異動的大小空氣振幅)
水波是橫波，振動方向與傳播方向垂直，時而高時而低，又叫高低波；聲波是縱波，振動方向與傳播方向平行，有緊有疏，又叫疏密波。
人對強度的感知，如聲音或者光照，更接近與強度的對數成正比而不是強度值本身，因此分貝值可用於描述感知級別或級差，我們感受的是響度的計算單位叫分貝(dB)。
影響聲音的音質，取決於振動體(聲帶)和共鳴腔。
透過聲譜儀，我們可以進一步去觀察其聲學特性。母音的聲學特性會在低頻的區塊最為明顯，而除了在低頻處有較明顯的第一次「共振峰」(formant)外，可能會在不同頻率的地方再出現第二次或第三次的共振峰。其能夠用來解構母音的聲學特性。
將第一次共振峰和第二次振峰頻率的關係以左下方向的座標圖標出的話，可以約略看出如IPA母音表的不規則梯形。
至於，子音的聲學特性亦能透過聲譜圖來分析，例如有塞音的時候，圖形就會有如刀切的形狀；有擦音時則會在高頻帶有霧狀。