我们有喉头、软腭、舌面、舌尖、舌根、双唇六个语音器官，语音之所以难以识别，是因为人类的大脑和口头之间存在许多不相配的地方。
语言规则是一套离散组合系统：音素组合成语素，语素组合成单词，单词组合成短语。
1、元音和辅音
元音：又称母音，是音素的一种，与辅音相对，是在发音过程中由气流通过口腔而不受阻碍发出的音。（声带振动~浊元音；声带不振动~清元音）
辅音：又叫子音，是气流在口腔或咽头受到阻碍而形成的音。
2、发音器官的组合方式
语音并不是由某个单独的器官以单一的运动方式制造出来的，每个语音都是一系列运动方式的组合，而每种运动方式都能对声波进行特定的雕琢和塑造，它们差不多以相同的步调通力合作，履行各自的职责。这也是为什么我们能够迅速发音的原因之一。
3、语音模式
不同的音素库存给不同的语言带来了独特的语音模式。
音位规则很少由单个音素触发，它们往往适用于一整类有着某种共同特征 的音素，例如同为浊音，同为塞音或擦音，或者有相同的发音器官。这表明，音位规则并不是将音素看成一串符号，而是透过音素的外在形式，把握其内在的发音特征。因此，音位规则操纵的是发音特征，而不是音素。
4、为什么语音识别会如此之难
语音识别之所以如此困难，是因为人类的大脑和口头之间存在许多 龃龉之处。世界上没有两个人的声音是相同的，无论是声道形状还是发音习惯，都存在个体差异。说话的语气和速度也会影响音素的听觉效果。在快速交谈的时候，许多音素会被直接略过。
英语拼写体系还有不少可以改进之处，但它的表现已经比人们想象的要好得多，这是因为拼写体系并不需要对应实际的语音，它的作用是代表潜藏于语音之下的抽象的语言单位，因为这才是我们真正聆听的对象。
