Звуки речи, как и всякий другой звук, есть результат колебательного движения упругой среды. Струя воздуха, нагнетаемая из легких, приводит в колебательное движение голосовые связки, они передают движение частицам окружающей воздушной среды. Каждая из частиц делает сначала движение вперед от колеблющегося тела, затем возвращается назад. В результате получается периодическое изменение воздушного давления, то есть последовательные сгущения воздуха (при движении вперед) и разряжения (при движении назад). Это создает звуковую волну (акусму).
Высота звука зависит от количества колебаний в единицу времени. От увеличения количества колебаний высота звука повышается, от уменьшения – понижается. Высоту звуков измеряют герцами – одно колебание в секунду (Герц – нем. физик). Человеческое ухо воспринимает звуки от 16 до 20 000 герц. Изменения высоты звуков в речи создает интонацию, мелодику речи.
Сила звука определяется амплитудой колебаний звуковой волны: чем больше амплитуда, тем сильнее звук (лат. amplitudo пространность, обширность). В речи сила звука связывается с понятием о силовом ударении. Сила звука воспринимается слушающим как громкость. Ученые выделяют два порога: порог слышимости (когда звук слабо различим) и порог болевого ощущения.
Длительность или долгота звука связана с продолжительностью данного звука во времени с его количеством колебаний: в русском языке, например, гласные под ударением длительнее безударных.
Большую роль в акустической окраске звуков играет характер колебательного движения: если оно совершается ритмически, то есть через определенные интервалы повторяются такие же периоды, то такая звуковая волна создает музыкальный тон; это наблюдается при произношении гласных звуков, когда воздух из легких, проходя через голосовые связки, нигде больше не встречает преград. Если же колебательное движение прерывается, то ухо воспринимает такой звук как шум. Шумными являются согласные звуки: воздух, проходя через речевой аппарат, встречает на пути преграды (с участием неба, языка, зубов и губ).
Тоны и шумы взаимодействуют в ротовом и носовом резонаторах, создавая индивидуальные тембры звуков, по которым мы и узнаем звуковую речь наших знакомых и родных.