Ca fenomen fizic, sunetul vorbirii este rezultatul mișcărilor vibraționale ale corzilor vocale. Sursa mișcărilor oscilatorii formează valuri elastice continue care acționează asupra urechii umane, ca urmare a faptului că percepem sunetul. Proprietățile sunetelor sunt studiate prin acustică. Descriind sunetele de vorbire sunt considerate proprietăți obiective mișcare oscilatorie - frecvența lor, de putere, și acele senzații sonore care apar în timpul percepția sunetului - Loudness, timbrul. Deseori, evaluarea auditivă a proprietăților de sunet nu coincide cu caracteristicile sale obiective.
Înălțimea sunetului depinde de frecvența oscilațiilor pe unitate de timp: cu cât este mai mare numărul de oscilații, cu atât este mai mare sunetul; cu cât oscilațiile sunt mai mici, cu atât sunetul este mai mic. Înălțimea sunetului este determinată în hertz. Pentru percepția sunetului, nu este absolut, ci frecvența relativă este importantă. Atunci când se compară un sunet cu o frecvență de oscilații de 10 000 Hz cu un sunet de 1 000 Hz, primul va fi estimat ca fiind mai mare, dar nu de zece ori, dar numai de trei ori. Înălțimea sunetului depinde și de masivitatea corzilor vocale - lungimea și grosimea lor. La femei, ligamentele sunt mai subțiri și mai scurte, deci vocile feminine sunt de obicei mai mari decât bărbații.
Puterea sunetului este determinată de amplitudinea (amplitudinea) mișcărilor vibraționale ale corzilor vocale. Cu cât este mai mare abaterea corpului oscilant de la punctul de plecare, cu atât sunetul este mai intens. În funcție de amplitudine, presiunea valului sonor se schimbă în timpan. Puterea sonoră în acustică este de obicei măsurată în decibeli (dB).
Forța sunetului depinde de volumul cavității de rezonanță.
Din punctul de vedere al ascultătorului, forța este percepută ca o intensitate ridicată: creșterea presiunii acustice conduce la o creștere a intensității luminozității. Nu există o relație directă între tărie și intensitate. Sunetele sunt egale în forță, dar cu înălțimi diferite sunt percepute în moduri diferite. Deci, sunetele cu o frecvență de până la 3000 Hz sunt percepute ca fiind mai puternice.
Sunetele limbii ruse diferă în timpul sunetului lor. Durata sondajului este măsurată în mii de secunde - ms. Pe lungimea sunetului, sunetul și șocurile de vocale netensionate se disting. Vocalele neînarmate ale silabei pre și a celei de-a doua prelabilare sunt, de asemenea, diferite în timp. Durata consoanelor de sablare cu oprire este practic zero.
Un pașaport fonetic al unei persoane este numit timbrul sunetului. Timbrul sunetului este creat prin impunerea pe tonul principal, care rezultă din vibrațiile ritmice ale corzilor vocale, subtilitățile rezultate din vibrațiile părților individuale ale corpului sonor. Frecvența oscilațiilor tonurilor este întotdeauna un multiplu al frecvenței oscilațiilor tonului fundamental, iar forța este mai slabă, cu atât este mai înaltă înălțimea. Rezonatorii pot schimba raportul dintre tonuri și tonuri de ton, ceea ce se reflectă în modelul sunetului timbrului.
Odată cu dezvoltarea tehnologiei electro-acustice (în anii 1920-1930) și apoi (în mijlocul anilor șaizeci) - tehnologia informatică (electronică), a fost posibilă studierea mai acustică a caracteristicilor acustice ale discursului.