Звук речи в современной фонетике характеризуется в следующих аспектах: акустическом (физическом), артикуляционном (физиологическом), лингвистическом (функциональном), перцептивном (с точки зрения восприятия) и сегментном (с точки зрения сочетаемости с другими единицами речи)

Акустически звук — это волновые колебания упругой среды (воздуха, воды и др.), которые вызывают слуховые ощущения. Такие колебания обычно возникают в результате колебаний какого-либо тела (колокола, струны музыкального инструмента, голосовых связок человека и т.п.). Колеблющееся тело непрерывно образует упругие волны, которые достигают нашего уха, и мы слышим звук. Звуки отличаются друг от друга высотой, силой, длительностью и тембром.

Высота звука зависит от частоты колебаний: чем выше частота колебаний в единицу времени, тем выше звук; чем меньше приходится колебаний на это время, тем звук ниже. За единицу высоты звука принят герц (сокращенно Гц) - одно колебание в секунду (по имени немецкого физика Р. Г. Герца). Человеческое ухо способно воспринимать звуки в диапазоне от 16 до 20 ООО Гц. Звуки ниже 16 Гц (инфразвуки) и выше 20 ООО Гц (ультразвуки) человек не слышит.

Некоторые животные (дельфины, летучие мыши, собаки, лисы и др.) слышат и эти звуки. У каждого человека своя средняя высота звуков речи. По ней определяется такая характеристика человеческого голоса, как тенор, баритон, бас, сопрано, альт, контральто.
Сила звука зависит от амплитуды (размаха) колебаний: чем больше амплитуда, тем сильнее звук. С силой звука связана его громкость. Если чуть-чуть тронуть струну гитары, возникнет слабый звук, но если сильно оттянуть и затем отпустить струну, то звук будет гораздо громче.

Длительность звука — это его продолжительность во времени. Длительность звуков речи измеряется в тысячных долях секунды — миллисекундах (мс). В русском языке ударные гласные длительнее безударных. Так, длительность ударного [о] в слове корм может составлять 150 мс, длительность первого гласного в слове корма —100 мс, а длительность первого гласного в слове кормовой — 50 мс.

Тембр звука — это индивидуальная особенность, окраска звука, определяемая характером обертонов, или дополнительных тонов,
накладывающихся на основной тон. Так, если оттянуть и отпустить натянутую струну, то она начнет колебаться, образуя звук. Если прижать струну посередине и заставить колебаться оставшуюся часть, то получится звук, который в два раза выше основного тона струны, так как частота колебаний половинки струны в два раза больше, чем всей струны.

В результате на основной тон накладываются тоны, образуемые колебаниями частей струны. Основное свойство обертонов заключается в том, что их частота всегда в кратное число раз выше частоты основного тона, а сила тем слабее, чем выше частота.
Это соотношение основного тона и обертонов может меняться в результате усиления одного из них в резонаторе.

Всякий резонатор — это любое полое тело (пустая комната, морская раковина, корпус гитары, труба и т. д.), у которого свои форма,объем и частота колебаний.

Если рядом с резонатором возникает звук, частота которого совпадает с частотой резонатора, звук станет намного громче, так как колебания воздуха, представляющие собой этот звук, усилятся в результате ответных колебаний стенок резонатора. Это явление называется резонансом. Ротовая полость, носовая полость и глотка тоже резонаторы. Вытягивая или растягивая губы, опуская нижнюю челюсть, перемещая язык в ротовой полости, подключая носовую полость, мы меняем объем и форму речевого резонатора.

При произнесении гласных напряжение мышц разлито по всей ротовой полости, стенки ротового резонатора гладкие, они хорошо отражают звук. При произнесении согласных напряжение мышц сосредоточено в одном месте ротовой полости, а в других ее частях мышцы расслаблены. Здесь стенки рыхлые, они поглощают звук.

Различают колебания гармонические, периодические, которые создают тон, или музыкальный звук. Так образуются гласные — чисто тоновые звуки. Другие колебания негармонические, непериодические, они создают шум. Согласные характеризуются наличием шума. Существуют различные методы акустических исследований.

Акустическая сторона речи может изучаться инструментальными Методами. Так, с помощью звукозаписывающей аппаратуры речь можно зафиксировать и воспроизвести. Звучащую речь можно увидеть и на экране компьютера в виде отображения акустических характеристик звуковых сигналов. Эти отображения называются осциллограммой.

Она дает изображение изменяющейся во времени звуковой волны, где в свернутом виде представлена информация о составляющих звук частотах и их интенсивности. На осциллограмме хорошо видны отличия разных гласных, различных типов согласных. По осциллограммам обычно измеряют длительность звуков или их отдельных участков.

Спектрограмма представляет спектр звуков — изображение всех частот звука с их амплитудами. Такое изображение может соответствовать мгновенному спектру звука, взятому в одной из его точек. Динамическая спектрограмма, или сонаграмма, представляет изменяющийся во времени спектр звуков, т. е. отражает часть речевого потока — один звук или последовательность звуков.