สัทศาสตร์เป็นสาขาหนึ่งของภาษาศาสตร์ที่เกี่ยวข้องกับการออกเสียง คุณสมบัติของคลื่นเสียง และการรับรู้เสียงพูดเป็นหลัก สาขาสัทศาสตร์แบ่งออกเป็น 3 สาขาย่อย ได้แก่สัทศาสตร์การ ออกเสียง สัทศาสตร์อะคูสติกและสัทศาสตร์การได้ยินนักภาษาศาสตร์ที่เชี่ยวชาญในการศึกษาคุณสมบัติทางกายภาพของการออกเสียงเหล่านี้เรียกว่านักสัทศาสตร์ตามธรรมเนียมแล้ว หน่วยทางภาษาที่เล็กที่สุดของสัทศาสตร์คือเสียงพูดแต่ละเสียง ซึ่งแตกต่างจากหน่วยทางภาษาที่เล็กที่สุดของสัทวิทยา คือหน่วยเสียง หน่วย เสียงเป็นการจัดหมวดหมู่เสียงพูดที่เป็นนามธรรมและเฉพาะเจาะจงในแต่ละภาษา และถูกกำหนดให้เป็นหน่วยที่เล็กที่สุดที่มีผลต่อความหมาย^{[ 1 ]}

รูปแบบการสื่อสารของภาษาอธิบายถึงวิธีการผลิตและการรับรู้ภาษา ภาษาที่ใช้รูปแบบการพูดและการฟัง เช่นภาษาอังกฤษผลิตคำพูดด้วยการพูด (โดยใช้ปาก) และรับรู้คำพูดด้วยการฟัง (โดยใช้หู) ภาษาที่ใช้รูปแบบการใช้มือและการมองเห็น เช่นภาษามือออสเตรเลีย (Auslan) และภาษามืออเมริกัน (ASL) ผลิตสัญลักษณ์ด้วยมือ (โดยใช้มือ) และรับรู้สัญลักษณ์ด้วยการมองเห็น (โดยใช้ตา) นอกจากนี้ ASL และภาษามืออื่นๆ บางภาษายังมีสำเนียงเฉพาะสำหรับใช้ในภาษามือสัมผัสสำหรับ ผู้พูดที่ หูหนวกและตาบอดซึ่งสัญลักษณ์จะถูกสร้างขึ้นด้วยมือและรับรู้ด้วยมือเช่นกัน สัทศาสตร์ยังกล่าวถึงแง่มุมที่เทียบเท่ากันของภาษามือและรวมถึงการศึกษาภาษามือสัมผัส ด้วย

การศึกษาด้านสัทศาสตร์ครั้งแรกที่รู้จักกันนั้นดำเนินการโดย นักไวยากรณ์ภาษา สันสกฤตตั้งแต่ศตวรรษที่ 6 ก่อนคริสต์ศักราช^{[ 2 ]}ปาณินีนักปราชญ์ชาวฮินดูเป็นหนึ่งในนักวิจัยยุคแรกๆ ที่รู้จักกันดีที่สุด ไวยากรณ์สี่ส่วนของเขา ซึ่งเขียนขึ้นประมาณ 350 ปีก่อนคริสต์ศักราชมีอิทธิพลต่อภาษาศาสตร์สมัยใหม่ และยังคงเป็นตัวแทนของ "ไวยากรณ์เชิงกำเนิดที่สมบูรณ์ที่สุดของภาษาใดๆ ที่เคยเขียนมา" ^{[ 3 ]}ไวยากรณ์ของเขาเป็นพื้นฐานของภาษาศาสตร์สมัยใหม่และอธิบายหลักการทางสัทศาสตร์ที่สำคัญหลายประการ รวมถึงการออกเสียง บัญชีในยุคแรกๆ นี้อธิบายว่าเสียงก้องเกิดจากโทนเสียง เมื่อเส้นเสียงปิด หรือเสียงรบกวน เมื่อเส้นเสียงเปิด หลักการทางสัทศาสตร์ในไวยากรณ์ถือเป็น "หลักการพื้นฐาน" เนื่องจากเป็นพื้นฐานสำหรับการวิเคราะห์เชิงทฤษฎีของเขา มากกว่าที่จะเป็นวัตถุของการวิเคราะห์เชิงทฤษฎีเอง และหลักการเหล่านี้สามารถอนุมานได้จากระบบสัทวิทยาของเขา^{[ 4 ]}

การศึกษาสัทศาสตร์ในภาษาสันสกฤตเรียกว่าศิกษะ ซึ่ง คัมภีร์ไทติริยาอุปนิษัทในสหัสวรรษที่ 1 ก่อนคริสต์ศักราชได้ให้คำจำกัดความไว้ดังนี้:

โอม! เราจะอธิบายวิชาเสียง (Shiksha) เสียงและการเน้นเสียง ปริมาณ (ของสระ) และการแสดงออก (ของพยัญชนะ) ความสมดุล (Saman) และการเชื่อมต่อ (ของเสียง) ทั้งหมดนี้เกี่ยวกับการศึกษาวิชาเสียง || 1 |

Taittiriya Upanishad 1.2, Shikshavalli แปลโดย Paul Deussen ^{[ 5 ]}

ความก้าวหน้าในด้านสัทศาสตร์หลังจากปาณินีและคนร่วมสมัยของเขามีจำกัดจนกระทั่งถึงยุคสมัยใหม่ ยกเว้นการศึกษาค้นคว้าอย่างจำกัดโดยนักไวยากรณ์ชาวกรีกและโรมัน ในช่วงหลายพันปีระหว่างนักไวยากรณ์ชาวอินเดียและสัทศาสตร์สมัยใหม่ จุดสนใจได้เปลี่ยนจากความแตกต่างระหว่างภาษาพูดและภาษาเขียน ซึ่งเป็นแรงผลักดันเบื้องหลังคำอธิบายของปาณินี และเริ่มมุ่งเน้นไปที่คุณสมบัติทางกายภาพของการพูดเพียงอย่างเดียว ความสนใจอย่างต่อเนื่องในสัทศาสตร์เริ่มขึ้นอีกครั้งประมาณปี ค.ศ. 1800 โดยคำว่า "สัทศาสตร์" ถูกนำมาใช้ในความหมายปัจจุบันเป็นครั้งแรกในปี ค.ศ. 1841 ^{[ 6 ] [ 2 ]}ด้วยการพัฒนาใหม่ๆ ในด้านการแพทย์และการพัฒนาอุปกรณ์บันทึกเสียงและภาพ ความเข้าใจเชิงสัทศาสตร์จึงสามารถใช้และตรวจสอบข้อมูลใหม่ๆ ที่ละเอียดมากขึ้นได้ ช่วงแรกของสัทศาสตร์สมัยใหม่นี้รวมถึงการพัฒนาอักษรสัทศาสตร์ที่มีอิทธิพลโดยอิงจากตำแหน่งการออกเสียงโดยอเล็กซานเดอร์ เมลวิลล์ เบลล์ซึ่งรู้จักกันใน ชื่อ การพูดที่มองเห็นได้และได้รับความสำคัญในฐานะเครื่องมือในการศึกษาการพูดของเด็กหูหนวก^{[ 2 ]}

ก่อนที่อุปกรณ์บันทึกเสียงจะแพร่หลาย นักสัทศาสตร์ต้องพึ่งพาประเพณีสัทศาสตร์เชิงปฏิบัติอย่างมากเพื่อให้แน่ใจว่าการถอดเสียงและการค้นพบมีความสอดคล้องกันในหมู่นักสัทศาสตร์ การฝึกอบรมนี้เกี่ยวข้องกับการฝึกฟัง—การจดจำเสียงพูด—รวมถึงการฝึกผลิตเสียง—ความสามารถในการผลิตเสียง นักสัทศาสตร์คาดว่าจะเรียนรู้ที่จะจดจำเสียงต่างๆ บนอักษรสัทศาสตร์สากลด้วยการฟัง และ IPA ยังคงทดสอบและรับรองผู้พูดเกี่ยวกับความสามารถในการผลิตรูปแบบสัทศาสตร์ของภาษาอังกฤษได้อย่างถูกต้อง (แม้ว่าพวกเขาจะยกเลิกการปฏิบัตินี้สำหรับภาษาอื่นๆ แล้วก็ตาม) ^{[ 7 ]}ในฐานะการปรับปรุงวิธีการพูดที่มองเห็นได้ของเขา เมลวิลล์ เบลล์ ได้พัฒนาคำอธิบายของสระตามความสูงและความหลัง ส่งผลให้มีสระหลัก 9 ตัว^{[ 8 ]}ในฐานะส่วนหนึ่งของการฝึกอบรมด้านสัทศาสตร์เชิงปฏิบัติ นักสัทศาสตร์คาดว่าจะเรียนรู้ที่จะผลิตสระหลักเหล่านี้เพื่อยึดเหนี่ยวการรับรู้และการถอดเสียงของเสียงเหล่านี้ในระหว่างการทำงานภาคสนาม^{[ 7 ]}แนวทางนี้ถูกวิพากษ์วิจารณ์โดยPeter Ladefogedในช่วงทศวรรษ 1960 โดยอิงจากหลักฐานเชิงทดลองที่เขาพบว่าสระหลักเป็นเป้าหมายทางการได้ยินมากกว่าเป้าหมายทางการออกเสียง ซึ่งท้าทายข้ออ้างที่ว่าสระหลักเป็นตัวแทนของจุดยึดการออกเสียงที่นักสัทศาสตร์สามารถใช้ตัดสินการออกเสียงอื่นๆ ได้^{[ 9 ]}

การผลิตภาษาประกอบด้วยกระบวนการที่พึ่งพาซึ่งกันและกันหลายกระบวนการ ซึ่งเปลี่ยนข้อความที่ไม่ใช่ภาษาให้เป็นสัญญาณภาษาพูดหรือภาษามือ นักภาษาศาสตร์ถกเถียงกันว่ากระบวนการผลิตภาษาเกิดขึ้นเป็นลำดับขั้นตอน (การประมวลผลแบบอนุกรม) หรือว่ากระบวนการผลิตเกิดขึ้นแบบขนาน หลังจากระบุข้อความที่จะเข้ารหัสเป็นภาษาแล้ว ผู้พูดจะต้องเลือกคำแต่ละคำ—ที่เรียกว่าคำศัพท์ —เพื่อแทนข้อความนั้นในกระบวนการที่เรียกว่าการเลือกคำศัพท์ คำต่างๆ จะถูกเลือกตามความหมาย ซึ่งในทางภาษาศาสตร์เรียกว่า ข้อมูล ความหมาย การเลือกคำศัพท์จะกระตุ้น คำหลักของคำซึ่งประกอบด้วยข้อมูลทั้งความหมายและไวยากรณ์เกี่ยวกับคำนั้น^{[ 10 ] [ a ]}

หลังจากวางแผนคำพูดแล้ว^{[ b ]}ก็จะผ่านการเข้ารหัสทางเสียง ในขั้นตอนนี้ของการผลิตภาษา การแสดงแทนทางจิตของคำจะได้รับการกำหนดเนื้อหาทางเสียงเป็นลำดับของหน่วยเสียงที่จะผลิต หน่วยเสียงจะถูกกำหนดสำหรับคุณลักษณะการออกเสียงซึ่งบ่งบอกถึงเป้าหมายเฉพาะ เช่น ริมฝีปากปิดหรือลิ้นอยู่ในตำแหน่งเฉพาะ หน่วยเสียงเหล่านี้จะถูกประสานเป็นลำดับของคำสั่งกล้ามเนื้อที่สามารถส่งไปยังกล้ามเนื้อได้ และเมื่อคำสั่งเหล่านี้ถูกดำเนินการอย่างถูกต้อง เสียงที่ตั้งใจไว้ก็จะถูกสร้างขึ้น^{[ 12 ]}ดังนั้น กระบวนการผลิตจากข้อความไปสู่เสียงสามารถสรุปได้เป็นลำดับดังต่อไปนี้: ^{[ c ]}

• การวางแผนข้อความ
• การเลือกเลมมา
• การดึงข้อมูลและการกำหนดรูปแบบคำทางสัทวิทยา
• ข้อกำหนดด้านการออกเสียง
• คำสั่งกล้ามเนื้อ
• การออกเสียง
• เสียงพูด

เสียงที่เกิดจากการหดตัวอย่างสมบูรณ์หรือบางส่วนของช่องเสียงเรียกว่าพยัญชนะพยัญชนะออกเสียงในช่องเสียง ซึ่งโดยปกติจะอยู่ในปาก และตำแหน่งของการหดตัวนี้ส่งผลต่อเสียงที่เกิดขึ้น เนื่องจากความสัมพันธ์อย่างใกล้ชิดระหว่างตำแหน่งของลิ้นและเสียงที่เกิดขึ้น ตำแหน่งการออกเสียงจึงเป็นแนวคิดที่สำคัญในสาขาย่อยต่างๆ ของสัทศาสตร์

เสียงต่างๆ สามารถแบ่งประเภทได้บางส่วนตามตำแหน่งของการบีบรัด รวมถึงส่วนของร่างกายที่ทำการบีบรัดนั้นด้วย ตัวอย่างเช่น ในภาษาอังกฤษ คำว่าfoughtและthoughtเป็นคู่คำที่มีความแตกต่างกันเพียงเล็กน้อย โดยต่างกันเพียงแค่ส่วนของอวัยวะที่สร้างเสียง ไม่ใช่ตำแหน่งของการสร้างเสียง เสียง "f" ในคำว่าfoughtเป็นเสียงที่เกิดจากการใช้ริมฝีปากล่างกดกับฟัน ส่วนเสียง "th" ในคำว่า thoughtเป็นเสียงที่เกิดจากการใช้ลิ้นกดกับฟัน การบีบรัดที่เกิดจากริมฝีปากเรียกว่าเสียงริมฝีปาก (labial ) ส่วนการบีบรัดที่เกิดจากลิ้นเรียกว่าเสียงลิ้น (lingual)

การบีบตัวด้วยลิ้นสามารถเกิดขึ้นได้ในหลายส่วนของทางเดินเสียง ซึ่งโดยทั่วไปแบ่งออกเป็นตำแหน่งการออกเสียงแบบโคโรนัล ดอร์ซัล และราดิคัล การออกเสียง แบบโคโรนัลทำด้วยส่วนหน้าของลิ้น การออกเสียง แบบดอร์ซัลทำด้วยส่วนหลังของลิ้น และ การออกเสียง แบบราดิคัลทำในคอหอย^{[ 13 ]}การแบ่งเหล่านี้ไม่เพียงพอสำหรับการแยกแยะและอธิบายเสียงพูดทั้งหมด^{[ 13 ]}ตัวอย่างเช่น ในภาษาอังกฤษ เสียง[s]และ[ʃ]ต่างก็เป็นเสียงโคโรนัล แต่ผลิตขึ้นในตำแหน่งที่แตกต่างกันของปาก เพื่ออธิบายสิ่งนี้ จำเป็นต้องมีตำแหน่งการออกเสียงที่ละเอียดมากขึ้นโดยอิงจากบริเวณของปากที่เกิดการบีบตัว^{[ 14 ]}

การออกเสียงที่เกี่ยวข้องกับริมฝีปากสามารถทำได้ 3 วิธีที่แตกต่างกัน ได้แก่ การออกเสียงด้วยริมฝีปากทั้งสองข้าง (bilabial) การออกเสียงด้วยริมฝีปากข้างเดียวและฟัน โดยริมฝีปากล่างเป็นตัวออกเสียงหลักและฟันบนเป็นตัวออกเสียงรอง^{[ 15 ]} (labiodental) และการออกเสียงด้วยลิ้นและริมฝีปากบน (linguolabial) ^{[ 16 ]}ขึ้นอยู่กับคำจำกัดความที่ใช้ การออกเสียงบางประเภทหรือทั้งหมดเหล่านี้อาจถูกจัดอยู่ในกลุ่มการออกเสียงแบบริมฝีปาก พยัญชนะ bilabial ออกเสียงด้วยริมฝีปากทั้งสองข้าง ในการออกเสียงเหล่านี้ ริมฝีปากล่างจะเคลื่อนที่ไปไกลที่สุดเพื่อมาบรรจบกับริมฝีปากบน ซึ่งก็จะเคลื่อนที่ลงเล็กน้อยเช่นกัน^{[ 17 ]}แม้ว่าในบางกรณี แรงจากอากาศที่เคลื่อนที่ผ่านช่องเปิด (ช่องระหว่างริมฝีปาก) อาจทำให้ริมฝีปากแยกออกจากกันเร็วกว่าที่จะมาบรรจบกันได้^{[ 18 ]}แตกต่างจากการออกเสียงอื่นๆ ส่วนใหญ่ อวัยวะออกเสียงทั้งสองทำจากเนื้อเยื่ออ่อน ดังนั้นเสียงหยุดริมฝีปากจึงมีแนวโน้มที่จะถูกผลิตขึ้นโดยการปิดที่ไม่สมบูรณ์มากกว่าการออกเสียงที่เกี่ยวข้องกับพื้นผิวแข็ง เช่น ฟันหรือเพดานปาก เสียงหยุดริมฝีปากยังมีความผิดปกติตรงที่อวัยวะออกเสียงในส่วนบนของช่องเสียงเคลื่อนที่ลงอย่างแข็งขัน เช่นเดียวกับริมฝีปากบนที่แสดงการเคลื่อนไหวลงอย่างแข็งขัน^{[ 19 ]}พยัญชนะลิ้นและริมฝีปากถูกสร้างขึ้นโดยที่ปลายลิ้นเข้าใกล้หรือสัมผัสกับริมฝีปากบน เช่นเดียวกับการออกเสียงริมฝีปาก ริมฝีปากบนจะเคลื่อนที่ไปทางอวัยวะออกเสียงที่เคลื่อนไหวมากกว่าเล็กน้อย การออกเสียงในกลุ่มนี้ไม่มีสัญลักษณ์เฉพาะในอักษรเสียงสากล แต่จะถูกสร้างขึ้นโดยการรวมสัญลักษณ์ปลายลิ้นเข้ากับเครื่องหมายกำกับเสียง ซึ่งโดยปริยายจัดอยู่ในหมวดหมู่โคโรนัล^{[ 20 ] [ 21 ]}มีอยู่ในภาษาพื้นเมืองจำนวนหนึ่งของวานูอาตูเช่นภาษาตังโกอา

พยัญชนะริมฝีปากและฟันเกิดจากการที่ริมฝีปากล่างยกขึ้นไปแตะฟันบน พยัญชนะริมฝีปากและฟันส่วนใหญ่มักเป็นเสียงเสียดแทรกในขณะที่พยัญชนะนาสิกริมฝีปากและฟันก็พบได้ทั่วไปเช่นกัน^{[ 22 ]}มีการถกเถียงกันว่าพยัญชนะระเบิด ริมฝีปากและฟันที่แท้จริง มีอยู่ในภาษาธรรมชาติใดบ้าง^{[ 23 ]}แม้ว่าจะมีรายงานว่าภาษาจำนวนหนึ่งมีพยัญชนะระเบิดริมฝีปากและฟัน รวมถึง^ภาษาซูลู [ ^{24 ]}ภาษาตองกา^{[ 25 ]}และภาษาชูบี^{[ 23 ]}

พยัญชนะโคโรนัลออกเสียงโดยใช้ปลายลิ้นหรือแผ่นลิ้น และเนื่องจากความคล่องตัวของส่วนหน้าของลิ้น จึงแสดงถึงความหลากหลายไม่เพียงแต่ในตำแหน่ง แต่ยังรวมถึงท่าทางของลิ้นด้วย ตำแหน่งการออกเสียงโคโรนัลแสดงถึงบริเวณในปากที่ลิ้นสัมผัสหรือบีบตัว และรวมถึงตำแหน่งฟัน ตำแหน่งเหงือก และตำแหน่งหลังเหงือก ท่าทางของลิ้นที่ใช้ปลายลิ้นอาจเป็นแบบปลายลิ้นหากใช้ส่วนบนของปลายลิ้น แบบแผ่นลิ้นหากใช้แผ่นลิ้น หรือแบบใต้ปลายลิ้นหากปลายลิ้นม้วนกลับและใช้ส่วนล่างของลิ้น พยัญชนะโคโรนัลมีความพิเศษในฐานะกลุ่มที่มีลักษณะการออกเสียงทุกแบบ^{[ 20 ] [ 26 ]}ภาษาออสเตรเลียเป็นที่รู้จักกันดีในเรื่องความแตกต่างของพยัญชนะโคโรนัลจำนวนมากที่แสดงออกมาทั้งภายในและระหว่างภาษาต่างๆ ในภูมิภาค^{[ 27 ]}พยัญชนะฟันออกเสียงโดยใช้ปลายลิ้นหรือแผ่นลิ้นและฟันบน พยัญชนะเหล่านี้แบ่งออกเป็นสองกลุ่มตามส่วนของลิ้นที่ใช้ในการสร้างเสียง: พยัญชนะปลายฟันสร้างขึ้นโดยให้ปลายลิ้นสัมผัสกับฟัน พยัญชนะระหว่างฟันสร้างขึ้นโดยให้ปลายลิ้นยื่นออกมาด้านหน้าฟัน ไม่มีภาษาใดที่ทราบว่าใช้ทั้งสองแบบแยกความแตกต่างกัน แม้ว่าอาจจะมีอยู่ในรูปของหน่วยเสียงย่อย พยัญชนะเหงือกสร้างขึ้นโดยให้ปลายลิ้นหรือแผ่นลิ้นอยู่ที่สันเหงือกด้านหลังฟัน และสามารถเป็นได้ทั้งแบบปลายลิ้นหรือแผ่นลิ้น^{[ 28 ]}

ในเชิงภาษาศาสตร์ พยัญชนะฟันและพยัญชนะเหงือกมักถูกเปรียบเทียบกันบ่อยครั้ง ทำให้เกิดรูปแบบทั่วไปของภาษาศาสตร์หลายรูปแบบ ตำแหน่งการออกเสียงที่แตกต่างกันมักจะถูกเปรียบเทียบในส่วนของลิ้นที่ใช้ในการสร้างเสียงเหล่านั้นด้วย ภาษาที่มีพยัญชนะหยุดฟันส่วนใหญ่มักมีพยัญชนะหยุดที่ลิ้นชั้นลามินัล ในขณะที่ภาษาที่มีพยัญชนะหยุดที่ปลายลิ้นมักมีพยัญชนะหยุดที่ปลายลิ้น ภาษาต่างๆ แทบจะไม่มีพยัญชนะสองตัวในตำแหน่งเดียวกันที่มีความแตกต่างในเรื่องความเป็นชั้นลามินัล แม้ว่า ภาษา Taa (ǃXóõ) จะเป็นตัวอย่างที่ขัดแย้งกับรูปแบบนี้ก็ตาม^{[ 29 ]}หากภาษาใดมีพยัญชนะหยุดฟันหรือพยัญชนะหยุดเหงือกเพียงอย่างเดียว โดยปกติแล้วจะเป็นพยัญชนะหยุดฟันชั้นลามินัล และจะเป็นพยัญชนะหยุดที่ปลายลิ้นหากเป็นพยัญชนะหยุดเหงือก แม้ว่าตัวอย่างเช่น ภาษาTemneและภาษาบัลแกเรีย^{[ 30 ]}จะไม่เป็นไปตามรูปแบบนี้ก็ตาม^{[ 31 ]}หากภาษามีทั้งเสียงหยุดปลายลิ้นและเสียงหยุดลิ้น เสียงหยุดลิ้นมีแนวโน้มที่จะเป็นเสียงเสียดแทรกมากกว่า เช่นในภาษาอิโซโกะแม้ว่าภาษาดาฮาโลจะแสดงรูปแบบตรงกันข้าม โดยเสียงหยุดเหงือกมีแนวโน้มที่จะเป็นเสียงเสียดแทรกมากกว่า^{[ 32 ]}

พยัญชนะรีโทรเฟล็กซ์มีคำจำกัดความที่แตกต่างกันหลายประการ ขึ้นอยู่กับว่าตำแหน่งของลิ้นหรือตำแหน่งบนเพดานปากมีความสำคัญหรือไม่ โดยทั่วไปแล้ว พยัญชนะรีโทรเฟล็กซ์หมายถึงกลุ่มการออกเสียงที่ปลายลิ้นม้วนขึ้นในระดับหนึ่ง ด้วยวิธีนี้ การออกเสียงรีโทรเฟล็กซ์สามารถเกิดขึ้นได้ในหลายตำแหน่งบนเพดานปาก รวมถึงบริเวณอัลวีโอลา โพสต์อัลวีโอลา และเพดานปาก หากด้านล่างของปลายลิ้นสัมผัสกับเพดานปาก จะเรียกว่าซับเอพิคัล แม้ว่าเสียงโพสต์อัลวีโอลาแบบเอพิคัลก็ถูกอธิบายว่าเป็นรีโทรเฟล็กซ์เช่นกัน^{[ 33 ]}ตัวอย่างทั่วไปของเสียงหยุดรีโทรเฟล็กซ์ซับเอพิคัลมักพบในภาษาดราวิเดียนและในบางภาษาพื้นเมืองของทางตะวันตกเฉียงใต้ของสหรัฐอเมริกาความแตกต่างระหว่างเสียงหยุดฟันและเสียงหยุดอัลวีโอลาคือการรีโทรเฟล็กซ์เล็กน้อยของเสียงหยุดอัลวีโอลา^{[ 34 ]} ในทาง อะคูสติก การรีโทรเฟล็กซ์มักส่งผลต่อฟอร์แมนต์ที่สูงกว่า^{[ 34 ]}

การออกเสียงที่เกิดขึ้นหลังสันเหงือก ซึ่งเรียกว่าพยัญชนะหลังเหงือกได้รับการเรียกโดยใช้คำต่างๆ มากมาย พยัญชนะหลังเหงือกปลายลิ้นมักเรียกว่า retroflex ในขณะที่การออกเสียงแผ่นลิ้นบางครั้งเรียกว่า palato-alveolar ^{[ 35 ]}ในวรรณกรรมออสเตรเลียนนิสต์ พยัญชนะหยุดแผ่นลิ้นเหล่านี้มักถูกอธิบายว่าเป็น 'palatal' แม้ว่าจะออกเสียงไปข้างหน้ามากกว่าบริเวณเพดานปากที่โดยทั่วไปเรียกว่า palatal ก็ตาม^{[ 27 ]}เนื่องจากความแปรผันทางกายวิภาคของแต่ละบุคคล การออกเสียงที่แม่นยำของพยัญชนะหยุด palato-alveolar (และพยัญชนะหยุด coronal โดยทั่วไป) อาจแตกต่างกันอย่างมากในชุมชนผู้พูด^{[ 36 ]}

พยัญชนะดอร์ซัล คือพยัญชนะที่สร้างขึ้นโดยใช้ส่วนกลางของลิ้น แทนที่จะใช้ปลายลิ้นหรือใบมีดลิ้น และโดยทั่วไปจะออกเสียงที่เพดานปาก เพดานอ่อน หรือลิ้นไก่พยัญชนะเพดานปาก สร้างขึ้นโดยใช้ส่วนกลางของลิ้นแนบกับเพดานแข็งบนเพดานปาก พยัญชนะเหล่านี้มักจะแตกต่างจากพยัญชนะเพดานอ่อนหรือพยัญชนะลิ้นไก่ แม้ว่าจะเป็นเรื่องยากที่ภาษาใดภาษาหนึ่งจะมีความแตกต่างทั้งสามแบบพร้อมกัน โดยภาษาจาการูอาจเป็นตัวอย่างหนึ่งของความแตกต่างสามแบบ^{[ 37 ]}พยัญชนะเพดานอ่อนสร้างขึ้นโดยใช้ส่วนกลางของลิ้นแนบกับเพดาน อ่อน พยัญชนะเหล่านี้พบได้ทั่วไปในภาษาต่างๆ เกือบทุกภาษามีเสียงหยุดเพดานอ่อน เนื่องจากทั้งพยัญชนะเพดานอ่อนและสระสร้างขึ้นโดยใช้ส่วนกลางของลิ้น จึงได้รับผลกระทบอย่างมากจากการออกเสียงร่วมกับสระ และสามารถออกเสียงได้ไกลถึงเพดานแข็งหรือไกลถึงลิ้นไก่ การเปลี่ยนแปลงเหล่านี้มักจะแบ่งออกเป็นพยัญชนะเพดานอ่อนด้านหน้า กลาง และหลัง ขนานไปกับช่องว่างของสระ^{[ 38 ]}อาจแยกแยะได้ยากจากพยัญชนะเพดานปากทางเสียง แม้ว่าจะออกเสียงอยู่ด้านหลังบริเวณพยัญชนะเพดานปากต้นแบบเล็กน้อยก็ตาม^{[ 39 ]}พยัญชนะลิ้นไก่เกิดจากการที่ลิ้นสัมผัสหรือเข้าใกล้ลิ้นไก่ พยัญชนะเหล่านี้พบได้น้อย ประมาณ 19 เปอร์เซ็นต์ของภาษาทั้งหมด และภูมิภาคขนาดใหญ่ในทวีปอเมริกาและแอฟริกาไม่มีภาษาใดที่มีพยัญชนะลิ้นไก่ ในภาษาที่มีพยัญชนะลิ้นไก่ พยัญชนะหยุดจะพบได้บ่อยที่สุด ตามด้วยพยัญชนะต่อเนื่อง (รวมถึงพยัญชนะนาสิก) ^{[ 40 ]}

พยัญชนะที่เกิดจากการบีบตัวของลำคอเรียกว่า พยัญชนะคอหอย (pharyngeals) และพยัญชนะที่เกิดจากการบีบตัวของกล่องเสียงเรียกว่า พยัญชนะกล่องเสียง (laryngeals) พยัญชนะกล่องเสียงเกิดจากการใช้เส้นเสียง เนื่องจากกล่องเสียงอยู่ลึกลงไปในลำคอเกินกว่าที่ลิ้นจะเอื้อมถึงได้ แต่พยัญชนะคอหอยอยู่ใกล้กับปากมากพอที่ส่วนต่างๆ ของลิ้นจะเอื้อมถึงได้

พยัญชนะรากศัพท์จะใช้โคนลิ้นหรือลิ้นไก่ในการออกเสียง และออกเสียงจากส่วนหลังของช่องเสียง^{[ 41 ]}พยัญชนะคอหอยจะออกเสียงโดยการดึงโคนลิ้นกลับไปจนเกือบแตะผนังคอหอยเนื่องจากความยากลำบากในการออกเสียง จึงสามารถออกเสียงได้เฉพาะพยัญชนะเสียดแทรกและพยัญชนะกึ่งเสียดแทรกเท่านั้น^{[ 42 ] [ 43 ]}พยัญชนะลิ้นไก่ จะออกเสียง โดยใช้ลิ้นไก่และผนังด้านหลังของคอหอย มีการบันทึกเสียงหยุดลิ้นไก่ในภาษาดาฮาโล [ ^{43 ] พยัญชนะ}ลิ้นไก่ที่เปล่งเสียงได้นั้นไม่ถือว่าเป็นไปได้ เนื่องจากช่องว่างระหว่างกล่องเสียงและลิ้นไก่มีขนาดเล็กเกินไปที่จะทำให้เกิดเสียงได้^{[ 44 ]}

พยัญชนะกลอตทัลคือพยัญชนะที่ผลิตโดยใช้เส้นเสียงในกล่องเสียง เนื่องจากเส้นเสียงเป็นแหล่งกำเนิดเสียงและอยู่ต่ำกว่าทางเดินเสียงในช่องปากและจมูก พยัญชนะกลอตทัลจำนวนหนึ่งจึงเป็นไปไม่ได้ เช่น กลอตทัลสต็อปแบบมีเสียง พยัญชนะกลอตทัลสามตัวเป็นไปได้ กลอตทัลสต็อปแบบไม่มีเสียง และกลอตทัลฟริเคทีฟสองตัว และทั้งหมดนี้ได้รับการยืนยันในภาษาธรรมชาติ^{[ 20 ]}กลอตทัลสต็อปซึ่งเกิดจากการปิดเส้นเสียง เป็นเสียงที่พบได้ทั่วไปในภาษาต่างๆ ทั่วโลก^{[ 44 ]}ในขณะที่หลายภาษาใช้กลอตทัลสต็อปเพื่อกำหนดขอบเขตของวลี บางภาษาเช่นภาษาอาหรับและ ภาษา ฮัวตลามาซาเตกใช้กลอตทัลสต็อปเป็นหน่วยเสียงที่แตกต่างกัน นอกจากนี้ กลอตทัลสต็อปยังสามารถเกิดขึ้นได้จากการสร้างเสียงสระที่ตามมาในกล่องเสียงในภาษานี้^{[ 45 ]}กลอตทัลสต็อป โดยเฉพาะอย่างยิ่งระหว่างสระ มักจะไม่ปิดสนิท กลอตทัลสต็อปที่แท้จริงมักเกิดขึ้นเฉพาะเมื่อมีการซ้ำกันของ กลอตทัลสต็ อป เท่านั้น ^{[ 46 ]}

กล่องเสียง หรือที่รู้จักกันทั่วไปว่า "กล่องเสียง" เป็นโครงสร้างกระดูกอ่อนในหลอดลมที่ทำหน้าที่ในการออกเสียง เส้นเสียง (สายเสียง) จะถูกยึดไว้ด้วยกันเพื่อให้สั่น หรือถูกยึดไว้แยกจากกันเพื่อให้ไม่สั่น ตำแหน่งของเส้นเสียงเกิดขึ้นจากการเคลื่อนไหวของกระดูกอ่อนแอริเทนอยด์ [ ^{47 ] กล้าม}เนื้อกล่องเสียงภายในมีหน้าที่ในการเคลื่อนไหวของกระดูกอ่อนแอริเทนอยด์ รวมถึงการปรับความตึงของเส้นเสียง^{[ 48 ]}หากเส้นเสียงไม่ชิดกันหรือตึงพอ เส้นเสียงจะสั่นเป็นช่วงๆ หรือไม่สั่นเลย หากสั่นเป็นช่วงๆ จะส่งผลให้เสียงแหบหรือเสียงลมแทรก ขึ้นอยู่กับระดับ หากไม่สั่นเลย ผลที่ได้คือ เสียง ไม่มี เสียง

นอกจากการจัดตำแหน่งเส้นเสียงให้ถูกต้องแล้ว ยังต้องมีอากาศไหลผ่านเส้นเสียงด้วย มิฉะนั้นเส้นเสียงจะไม่สั่น ความแตกต่างของความดันระหว่างกล่องเสียงที่จำเป็นสำหรับการออกเสียงนั้นประมาณอยู่ที่ 1 – 2 ซม. H₂O ( _98.0665 – 196.133 ปาสคาล) ^{[ 49 ]}ความแตกต่างของความดันอาจลดลงต่ำกว่าระดับที่จำเป็นสำหรับการออกเสียงได้ ไม่ว่าจะเป็นเพราะความดันเหนือกล่องเสียงเพิ่มขึ้น (ความดันเหนือกล่องเสียง) หรือความดันใต้กล่องเสียงลดลง (ความดันใต้กล่องเสียง) ความดันใต้กล่องเสียงจะถูกรักษาไว้โดยกล้ามเนื้อระบบหายใจความดันเหนือกล่องเสียง เมื่อไม่มีการบีบรัดหรือการออกเสียง จะเท่ากับความดันบรรยากาศ โดยประมาณ อย่างไรก็ตาม เนื่องจากการออกเสียง โดยเฉพาะพยัญชนะ แสดงถึงการบีบรัดของกระแสอากาศ ความดันในโพรงด้านหลังการบีบรัดเหล่านั้นจึงอาจเพิ่มขึ้น ส่งผลให้ความดันเหนือกล่องเสียงสูงขึ้น^{[ 50 ]}

ตามแบบจำลองการเข้าถึงคำศัพท์ มีการใช้ขั้นตอนการรับรู้ที่แตกต่างกันสองขั้นตอน ดังนั้นแนวคิดนี้จึงเรียกว่าทฤษฎีการเข้าถึงคำศัพท์แบบสองขั้นตอน ขั้นตอนแรกคือการเลือกคำศัพท์ ซึ่งให้ข้อมูลเกี่ยวกับรายการคำศัพท์ที่จำเป็นในการสร้างการแสดงระดับฟังก์ชัน รายการเหล่านี้จะถูกดึงมาตามคุณสมบัติทางความหมายและไวยากรณ์ที่เฉพาะเจาะจง แต่รูปแบบทางเสียงยังไม่พร้อมใช้งานในขั้นตอนนี้ ขั้นตอนที่สองคือการดึงรูปแบบคำ ซึ่งให้ข้อมูลที่จำเป็นสำหรับการสร้างการแสดงระดับตำแหน่ง^{[ 51 ]}

เมื่อสร้างเสียงพูด อวัยวะที่ใช้ในการออกเสียงจะเคลื่อนที่ผ่านและสัมผัสกับตำแหน่งเฉพาะในอวกาศ ส่งผลให้สัญญาณเสียงเปลี่ยนแปลงไป แบบจำลองการสร้างเสียงพูดบางแบบใช้สิ่งนี้เป็นพื้นฐานในการสร้างแบบจำลองการออกเสียงในระบบพิกัด ซึ่งอาจอยู่ภายในร่างกาย (ภายใน) หรือภายนอก (ภายนอก) ระบบพิกัดภายในสร้างแบบจำลองการเคลื่อนไหวของอวัยวะที่ใช้ในการออกเสียงเป็นตำแหน่งและมุมของข้อต่อในร่างกาย แบบจำลองพิกัดภายในของขากรรไกรมักใช้องศาอิสระสองถึงสามองศาที่แสดงถึงการแปลและการหมุน แบบจำลองเหล่านี้มีปัญหาในการสร้างแบบจำลองลิ้น ซึ่งแตกต่างจากข้อต่อของขากรรไกรและแขน ลิ้นเป็นกล้ามเนื้อไฮโดรสแตท —เหมือนงวงช้าง—ซึ่งไม่มีข้อต่อ^{[ 52 ]}เนื่องจากโครงสร้างทางสรีรวิทยาที่แตกต่างกัน เส้นทางการเคลื่อนไหวของขากรรไกรจึงเป็นเส้นตรงค่อนข้างตรงในระหว่างการพูดและการเคี้ยว ในขณะที่การเคลื่อนไหวของลิ้นเป็นไปตามเส้นโค้ง^{[ 53 ]}

การเคลื่อนไหวแบบเส้นตรงถูกนำมาใช้เพื่อโต้แย้งการออกเสียงตามที่วางแผนไว้ในพื้นที่ภายนอกมากกว่าพื้นที่ภายใน แม้ว่าระบบพิกัดภายนอกจะรวมถึงพื้นที่พิกัดเสียงด้วย ไม่ใช่แค่พื้นที่พิกัดทางกายภาพเท่านั้น^{[ 52 ]}แบบจำลองที่สมมติว่าการเคลื่อนไหวถูกวางแผนไว้ในพื้นที่ภายนอกจะประสบปัญหาผกผันในการอธิบายตำแหน่งของกล้ามเนื้อและข้อต่อที่สร้างเส้นทางหรือสัญญาณเสียงที่สังเกตได้ ตัวอย่างเช่น แขนมีองศาอิสระเจ็ดองศาและกล้ามเนื้อ 22 มัด ดังนั้นการกำหนดค่าข้อต่อและกล้ามเนื้อที่แตกต่างกันหลายแบบสามารถนำไปสู่ตำแหน่งสุดท้ายเดียวกันได้ สำหรับแบบจำลองของการวางแผนในพื้นที่เสียงภายนอก ปัญหาการแมปแบบหนึ่งต่อหลายแบบเดียวกันก็ใช้ได้เช่นกัน โดยไม่มีการแมปที่ไม่ซ้ำกันจากเป้าหมายทางกายภาพหรือทางเสียงไปยังการเคลื่อนไหวของกล้ามเนื้อที่จำเป็นเพื่อให้บรรลุเป้าหมายเหล่านั้น อย่างไรก็ตาม ความกังวลเกี่ยวกับปัญหาผกผันอาจเกินจริง เนื่องจากคำพูดเป็นทักษะที่เรียนรู้มาอย่างสูงโดยใช้โครงสร้างทางประสาทที่วิวัฒนาการมาเพื่อจุดประสงค์นี้^{[ 54 ]}

แบบจำลองจุดสมดุลเสนอวิธีแก้ปัญหาผกผันโดยให้เหตุผลว่าเป้าหมายการเคลื่อนไหวควรแสดงเป็นตำแหน่งของคู่กล้ามเนื้อที่กระทำต่อข้อต่อ^{[ d ]}ที่สำคัญคือ กล้ามเนื้อถูกจำลองเป็นสปริง และเป้าหมายคือจุดสมดุลสำหรับระบบสปริง-มวลที่จำลองขึ้น การใช้สปริงทำให้แบบจำลองจุดสมดุลสามารถอธิบายการชดเชยและการตอบสนองเมื่อการเคลื่อนไหวถูกขัดจังหวะได้อย่างง่ายดาย แบบจำลองนี้ถือเป็นแบบจำลองพิกัดเนื่องจากถือว่าตำแหน่งของกล้ามเนื้อเหล่านี้แสดงเป็นจุดในอวกาศ จุดสมดุล ซึ่งการกระทำคล้ายสปริงของกล้ามเนื้อมาบรรจบกัน^{[ 55 ] [ 56 ]}

แนวทางการใช้ท่าทางในการผลิตเสียงพูดเสนอว่า การออกเสียงจะถูกแสดงเป็นรูปแบบการเคลื่อนไหวมากกว่าพิกัดเฉพาะที่จะต้องกด หน่วยขั้นต่ำคือท่าทางที่แสดงถึงกลุ่มของ "รูปแบบการเคลื่อนไหวของอวัยวะออกเสียงที่เทียบเท่ากันในเชิงฟังก์ชัน ซึ่งถูกควบคุมอย่างแข็งขันโดยอ้างอิงถึงเป้าหมายที่เกี่ยวข้องกับการพูดที่กำหนด (เช่น การปิดริมฝีปาก)" ^{[ 57 ]}กลุ่มเหล่านี้แสดงถึงโครงสร้างการประสานงานหรือ "การทำงานร่วมกัน" ซึ่งมองการเคลื่อนไหวไม่ใช่เป็นการเคลื่อนไหวของกล้ามเนื้อแต่ละมัด แต่เป็นการจัดกลุ่มของกล้ามเนื้อที่ขึ้นอยู่กับงาน ซึ่งทำงานร่วมกันเป็นหน่วยเดียว [ ^{58 ] [ 59 ] สิ่ง}นี้ช่วยลดระดับความเป็นอิสระในการวางแผนการออกเสียง ซึ่งเป็นปัญหาโดยเฉพาะในแบบจำลองพิกัดภายใน ซึ่งอนุญาตให้มีการเคลื่อนไหวใดๆ ที่บรรลุเป้าหมายการพูด แทนที่จะเข้ารหัสการเคลื่อนไหวเฉพาะในการแสดงแบบนามธรรม การออกเสียงร่วมกันได้รับการอธิบายอย่างดีโดยแบบจำลองท่าทาง เนื่องจากการออกเสียงในอัตราการพูดที่เร็วขึ้นสามารถอธิบายได้ว่าเป็นส่วนประกอบของท่าทางอิสระในอัตราการพูดที่ช้าลง^{[ 60 ]}

เสียงพูดเกิดจากการเปลี่ยนแปลงของกระแสลม ส่งผลให้เกิดคลื่นเสียง การเปลี่ยนแปลงนี้ทำโดยอวัยวะที่ใช้ในการออกเสียง โดยตำแหน่งและวิธีการออกเสียงที่แตกต่างกันจะให้ผลลัพธ์ทางเสียงที่แตกต่างกัน เนื่องจากท่าทางของช่องเสียง ไม่ใช่แค่ตำแหน่งของลิ้นเท่านั้นที่ส่งผลต่อเสียงที่เกิดขึ้น ดังนั้นวิธีการออกเสียงจึงมีความสำคัญในการอธิบายเสียงพูด คำว่าtackและsackต่างก็เริ่มต้นด้วยเสียงที่เกิดจากเหงือกในภาษาอังกฤษ แต่แตกต่างกันที่ระยะห่างของลิ้นจากสันเหงือก ความแตกต่างนี้มีผลอย่างมากต่อกระแสลมและเสียงที่เกิดขึ้น ในทำนองเดียวกัน ทิศทางและแหล่งที่มาของกระแสลมก็ส่งผลต่อเสียงเช่นกัน กลไกของกระแสลมที่พบได้บ่อยที่สุดคือแบบปอด แต่กล่องเสียงและลิ้นก็สามารถใช้สร้างกระแสลมได้เช่นกัน

ความแตกต่างที่สำคัญระหว่างเสียงพูดคือว่าเสียงนั้นเป็นเสียงก้องหรือไม่ เสียงก้องเกิดขึ้นเมื่อเส้นเสียงเริ่มสั่นในกระบวนการออกเสียง เสียงหลายเสียงสามารถผลิตได้โดยมีหรือไม่มีการก้อง แม้ว่าข้อจำกัดทางกายภาพอาจทำให้การก้องทำได้ยากหรือเป็นไปไม่ได้สำหรับบางการออกเสียง เมื่อการออกเสียงเป็นการก้อง แหล่งกำเนิดเสียงหลักคือการสั่นของเส้นเสียงเป็นระยะๆ การออกเสียงเช่นเสียงระเบิดที่ไม่ก้องไม่มีแหล่งกำเนิดเสียงและสังเกตได้จากความเงียบ แต่เสียงที่ไม่ก้องอื่นๆ เช่นเสียงเสียดแทรกสร้างแหล่งกำเนิดเสียงของตัวเองโดยไม่ขึ้นอยู่กับการก้อง

การออกเสียงถูกควบคุมโดยกล้ามเนื้อของกล่องเสียง และภาษาต่างๆ ใช้รายละเอียดทางเสียงมากกว่าการออกเสียงแบบไบนารี ในระหว่างการออกเสียง เส้นเสียงจะสั่นด้วยอัตราที่แน่นอน การสั่นนี้ส่งผลให้เกิดรูปคลื่นเสียงเป็นคาบ ซึ่งประกอบด้วยความถี่พื้นฐานและฮาร์โมนิก ความถี่พื้นฐานของคลื่นเสียงสามารถควบคุมได้โดยการปรับกล้ามเนื้อของกล่องเสียง และผู้ฟังจะรับรู้ความถี่พื้นฐานนี้เป็นระดับเสียง ภาษาต่างๆ ใช้การปรับระดับเสียงเพื่อถ่ายทอดข้อมูลทางคำศัพท์ในภาษาที่มีวรรณยุกต์ และหลายภาษาใช้ระดับเสียงเพื่อบ่งบอกข้อมูลทางด้านจังหวะหรือการใช้งาน

เพื่อให้เส้นเสียงสั่น เส้นเสียงต้องอยู่ในตำแหน่งที่เหมาะสมและต้องมีอากาศไหลผ่านกล่องเสียง^{[ 49 ]}ประเภทของการออกเสียงนั้นจำลองขึ้นจากความต่อเนื่องของสถานะกล่องเสียงตั้งแต่เปิดอย่างสมบูรณ์ (ไม่มีเสียง) ไปจนถึงปิดอย่างสมบูรณ์ (เสียงหยุดกล่องเสียง) ตำแหน่งที่เหมาะสมที่สุดสำหรับการสั่น และประเภทของการออกเสียงที่ใช้มากที่สุดในการพูด คือ เสียงปกติ จะอยู่ตรงกลางระหว่างสองขั้วนี้ หากกล่องเสียงกว้างขึ้นเล็กน้อย จะเกิดเสียงลม ในขณะที่การทำให้เส้นเสียงชิดกันมากขึ้นจะทำให้เกิดเสียงแหบ^{[ 61 ]}

รูปแบบการออกเสียงปกติที่ใช้ในการพูดทั่วไปคือเสียงโมดัล ซึ่งเส้นเสียงจะถูกดึงชิดกันด้วยแรงตึงปานกลาง เส้นเสียงจะสั่นเป็นหน่วยเดียวเป็นระยะๆ อย่างมีประสิทธิภาพด้วยการปิดกล่องเสียงอย่างสมบูรณ์และไม่มีลมหายใจ^{[ 62 ]}หากเส้นเสียงถูกดึงให้ห่างกันมากขึ้น เส้นเสียงจะไม่สั่นและทำให้เกิดเสียงที่ไม่มีเสียง หากเส้นเสียงถูกดึงชิดกันอย่างแน่นหนา จะทำให้เกิดเสียงหยุดกล่องเสียง^{[ 61 ]}

หากเส้นเสียงแยกออกจากกันเล็กน้อยมากกว่าในการออกเสียงปกติ จะทำให้เกิดเสียงประเภทต่างๆ เช่น เสียงลมหายใจ (หรือเสียงพึมพำ) และเสียงกระซิบ แรงตึงของเอ็นเสียง ( เส้นเสียง ) จะน้อยกว่าในการออกเสียงปกติ ทำให้ลมไหลผ่านได้สะดวกขึ้น ทั้งเสียงลมหายใจและเสียงกระซิบมีอยู่บนความต่อเนื่องที่อธิบายอย่างคร่าวๆ ว่าเริ่มจากรูปคลื่นที่เป็นคาบมากกว่าของเสียงลมหายใจไปจนถึงรูปคลื่นที่มีเสียงรบกวนมากกว่าของเสียงกระซิบ ในทางอะคูสติก ทั้งสองมีแนวโน้มที่จะลดทอนฟอร์แมนต์แรก โดยเสียงกระซิบจะแสดงความเบี่ยงเบนที่รุนแรงกว่า^{[ 63 ]}

การรัดเส้นเสียงให้แน่นขึ้นจะทำให้เกิดเสียงแหบแห้ง แรงตึงของเส้นเสียงจะน้อยกว่าในเสียงปกติ แต่เส้นเสียงจะถูกรัดแน่น ทำให้มีเพียงเอ็นของเส้นเสียงเท่านั้นที่สั่น^{[ e ]}จังหวะการเต้นไม่สม่ำเสมออย่างมาก มีระดับเสียงและความถี่ต่ำ^{[ 64 ]}

บางภาษาไม่รักษาความแตกต่างของเสียงก้องสำหรับพยัญชนะบางตัว^{[ f ]}แต่ทุกภาษามีการใช้เสียงก้องในระดับหนึ่ง ตัวอย่างเช่น ไม่มีภาษาใดที่ทราบว่ามีความแตกต่างของเสียงก้องในระดับหน่วยเสียงสำหรับสระ โดยสระที่รู้จักทั้งหมดมีเสียงก้องตามหลักการ^{[ g ]}ตำแหน่งอื่นๆ ของกล่องเสียง เช่น เสียงลมหายใจและเสียงแหบ ถูกใช้ในหลายภาษา เช่น ภาษาจาลาปา มาซาเตกเพื่อสร้างความแตกต่างของหน่วยเสียงในขณะที่ในภาษาอื่นๆ เช่น ภาษาอังกฤษ เสียงเหล่านี้มีอยู่แบบหน่วยเสียงย่อย

มีหลายวิธีในการพิจารณาว่าส่วนใดเป็นเสียงหรือไม่ วิธีที่ง่ายที่สุดคือการคลำกล่องเสียงขณะพูดและสังเกตเมื่อรู้สึกถึงการสั่นสะเทือน การวัดที่แม่นยำยิ่งขึ้นสามารถทำได้โดยการวิเคราะห์ทางเสียงของสเปกโตรแกรมหรือสเปกตรัมสไลซ์ ในการวิเคราะห์สเปกโตรแกรม ส่วนที่เป็นเสียงจะแสดงแถบเสียง ซึ่งเป็นบริเวณที่มีพลังงานเสียงสูงในความถี่ต่ำของส่วนที่เป็นเสียง^{[ 65 ]}ในการตรวจสอบสเปกตรัมสไลซ์ สเปกตรัมเสียง ณ จุดเวลาที่กำหนด แบบจำลองของสระที่ออกเสียงจะกลับการกรองของปาก ทำให้เกิดสเปกตรัมของกล่องเสียง จากนั้นแบบจำลองการคำนวณของสัญญาณกล่องเสียงที่ไม่ได้กรองจะถูกปรับให้เข้ากับสัญญาณเสียงที่กรองแบบผกผันเพื่อกำหนดลักษณะของกล่องเสียง^{[ 66 ]}การวิเคราะห์ด้วยสายตาก็สามารถทำได้โดยใช้อุปกรณ์ทางการแพทย์เฉพาะทาง เช่น อัลตราซาวนด์และเอนโดสโคปี^{[ 65 ] [ h ]}

IPA : สระ

	ด้านหน้า	กลาง	กลับ
ปิด	ฉัน y	ɨ ʉ	ɯ คุณ
ใกล้ปิด	ɪ ย		ʊ
ระยะใกล้-กลาง	อี ø	ɘ ɵ	ɤ โอ
กลาง	e̞ ø̞	ə	ɤ̞ โอ̞
เปิดกลาง	ɛ œ	ɜ ɞ	ʌ ɔ
ใกล้เปิด	æ	ɐ
เปิด	เอ ɶ	เอ	ɑ ɒ

---

• ความช่วยเหลือ IPA
•  เสียง
• แผนภูมิฉบับเต็ม
• แม่แบบ

คำอธิบายสัญลักษณ์: ไม่กลม  •  กลม

โดยทั่วไปแล้ว สระจะถูกแบ่งประเภทตามบริเวณของปากที่ใช้ในการออกเสียง แต่เนื่องจากสระเกิดขึ้นโดยไม่มีการหดตัวในช่องเสียง การอธิบายลักษณะที่แม่นยำของสระจึงต้องอาศัยการวัดความสัมพันธ์ทางเสียงของตำแหน่งลิ้น ตำแหน่งของลิ้นในระหว่างการออกเสียงสระจะเปลี่ยนความถี่ที่โพรงเสียงเกิดการสั่นพ้อง และการสั่นพ้องเหล่านี้—ที่เรียกว่าฟอร์แมนต์ —จะถูกวัดและใช้ในการจำแนกลักษณะของสระ

ความสูงของสระตามธรรมเนียมหมายถึงจุดสูงสุดของลิ้นขณะออกเสียง^{[ 67 ]}พารามิเตอร์ความสูงแบ่งออกเป็นสี่ระดับหลัก ได้แก่ สูง (ปิด) ปิดกลาง เปิดกลาง และต่ำ (เปิด) สระที่มีความสูงอยู่ตรงกลางเรียกว่าสระกลาง สระปิดที่เปิดเล็กน้อยและสระเปิดที่ปิดเล็กน้อยเรียกว่าสระใกล้ปิดและสระใกล้เปิดตามลำดับ สระที่ต่ำที่สุดไม่ได้ออกเสียงด้วยลิ้นที่ต่ำลงเท่านั้น แต่ยังออกเสียงด้วยการลดขากรรไกรลงด้วย^{[ 68 ]}

แม้ว่า IPA จะบ่งชี้ว่ามีระดับความสูงของสระเจ็ดระดับ แต่ก็ไม่น่าเป็นไปได้ที่ภาษาใดภาษาหนึ่งจะสามารถเปรียบเทียบระดับความสูงทั้งเจ็ดระดับได้อย่างน้อยที่สุดChomskyและHalleแนะนำว่ามีเพียงสามระดับเท่านั้น^{[ 69 ]}แม้ว่าดูเหมือนว่าจะต้องมีระดับความสูงของสระสี่ระดับเพื่ออธิบายภาษาเดนมาร์กและเป็นไปได้ว่าบางภาษาอาจต้องการถึงห้าระดับด้วยซ้ำ^{[ 70 ]}

ความหลังของสระแบ่งออกเป็นสามระดับ ได้แก่ หน้า กลาง และหลัง โดยทั่วไปแล้วภาษาต่างๆ จะไม่มีความแตกต่างของความหลังของสระมากกว่าสองระดับ ภาษาบางภาษาที่อ้างว่ามีความแตกต่างของความหลังสามทาง ได้แก่ ภาษานิมโบรานและภาษานอร์เวย์^{[ 71 ]}

ในภาษาส่วนใหญ่ ริมฝีปากขณะออกเสียงสระสามารถจำแนกได้เป็นแบบกลมหรือแบบไม่กลม (กางออก) แม้ว่าจะมีการอธิบายตำแหน่งริมฝีปากประเภทอื่น ๆ เช่น การบีบและการยื่นออกมา ตำแหน่งริมฝีปากมีความสัมพันธ์กับความสูงและความด้านหลัง: สระหน้าและสระต่ำมักจะไม่กลม ในขณะที่สระหลังและสระสูงมักจะกลม^{[ 72 ]}สระคู่ในแผนภูมิ IPA จะมีสระแบบกางออกอยู่ทางซ้ายและสระแบบกลมอยู่ทางขวา^{[ 73 ]}

นอกเหนือจากลักษณะสระสากลที่อธิบายไว้ข้างต้นแล้ว บางภาษายังมีคุณลักษณะเพิ่มเติม เช่นเสียงนาสิกความยาวและรูปแบบการออกเสียงที่แตกต่างกัน เช่นเสียงไม่มีเสียงหรือเสียงแหบบางครั้งอาจต้องใช้การเคลื่อนไหวของลิ้นที่เฉพาะเจาะจงมากขึ้น เช่นเสียงโรติกการขยับโคนลิ้นไปข้างหน้า การ ออกเสียง แบบคอหอย เสียง เสียดสีและเสียงเสียดแทรก เพื่ออธิบายสระบางตัว^{[ 74 ]}

การรู้ตำแหน่งของการออกเสียงไม่เพียงพอที่จะอธิบายพยัญชนะได้อย่างสมบูรณ์ วิธีการที่เกิดการตีบตันก็มีความสำคัญไม่แพ้กัน ลักษณะการออกเสียงอธิบายว่าอวัยวะที่ใช้ในการออกเสียงปรับเปลี่ยน บีบให้แคบลง หรือปิดกั้นช่องเสียงอย่างไร^{[ 75 ]}

เสียงหยุด (หรือเรียกว่าเสียงระเบิด) คือพยัญชนะที่กระแสลมถูกปิดกั้นอย่างสมบูรณ์ ความดันจะสะสมในปากระหว่างการหดตัว จากนั้นจะถูกปล่อยออกมาเป็นเสียงระเบิดเล็กๆ เมื่ออวัยวะออกเสียงเคลื่อนแยกออกจากกัน เพดานอ่อนจะยกขึ้นทำให้ลมไม่สามารถไหลผ่านโพรงจมูกได้ หากเพดานอ่อนลดลงและยอมให้ลมไหลผ่านจมูก ผลที่ได้คือเสียงหยุดนาสิก อย่างไรก็ตาม นักสัทศาสตร์มักจะเรียกเสียงหยุดนาสิกว่า "นาซัล" เฉยๆ^{[ 75 ]}เสียงกึ่งเสียดแทรกคือลำดับของเสียงหยุดตามด้วยเสียงเสียดแทรกในตำแหน่งเดียวกัน^{[ 76 ]}

เสียงเสียดแทรกเป็นเสียงพยัญชนะที่กระแสลมปั่นป่วนเนื่องจากการปิดกั้นช่องเสียงบางส่วนแต่ไม่ทั้งหมด^{[ 75 ]}เสียงเสียดแทรกเป็นเสียงเสียดแทรกชนิดพิเศษที่กระแสลมปั่นป่วนพุ่งตรงไปยังฟัน^{[ 77 ]}ทำให้เกิดเสียงฟ่อแหลมสูง^{[ 78 ]}

เสียงนาสิก (บางครั้งเรียกว่าเสียงหยุดนาสิก) เป็นพยัญชนะที่มีการปิดกั้นในช่องปากและเพดานอ่อนถูกลดระดับลง ทำให้อากาศไหลผ่านจมูกได้^{[ 79 ]}

ในการออกเสียงโดยประมาณอวัยวะออกเสียงจะอยู่ใกล้กัน แต่ไม่มากจนทำให้เกิดกระแสลมปั่นป่วน^{[ 78 ]}

พยัญชนะข้างลิ้นเป็นพยัญชนะที่กระแสลมถูกกีดขวางตามแนวกลางของช่องเสียง ทำให้กระแสลมไหลได้อย่างอิสระทางด้านใดด้านหนึ่งหรือทั้งสองด้าน^{[ 78 ]}พยัญชนะข้างลิ้นยังถูกนิยามว่าเป็นพยัญชนะที่ลิ้นหดตัวในลักษณะที่กระแสลมไหลไปทางด้านข้างมากกว่าตรงกลางลิ้น^{[ 80 ]}คำนิยามแรกนี้ไม่อนุญาตให้ลมไหลผ่านลิ้น

เสียงสั่นเป็นพยัญชนะที่ลิ้นหรือริมฝีปากเคลื่อนไหวตามกระแสลม^{[ 81 ]}โครงสร้างนี้เกิดขึ้นในลักษณะที่กระแสลมทำให้เกิดรูปแบบการเปิดและปิดซ้ำๆ ของอวัยวะออกเสียงอ่อน^{[ 82 ]}เสียงสั่นปลายลิ้นโดยทั่วไปประกอบด้วยช่วงการสั่นสองหรือสามช่วง^{[ 83 ]}

การแตะและการกระพือเป็นการเคลื่อนไหวที่รวดเร็วเพียงครั้งเดียว โดยปกติจะ เป็นการเคลื่อนไหว ที่ปลายลิ้นโดยที่ลิ้นจะกระพือไปกระทบกับเพดานปาก คล้ายกับการหยุดที่รวดเร็วมาก^{[ 81 ]}บางครั้งคำศัพท์เหล่านี้ถูกใช้แทนกันได้ แต่ผู้เชี่ยวชาญด้านสัทศาสตร์บางคนก็แยกความแตกต่าง^{[ 84 ]}ในการแตะ ลิ้นจะสัมผัสกับเพดานปากในการเคลื่อนไหวเพียงครั้งเดียว ในขณะที่ในการกระพือ ลิ้นจะเคลื่อนที่สัมผัสกับเพดานปากและกระทบกับเพดานปากในระหว่างนั้น

ในระหว่างกลไกการไหลของอากาศผ่านกล่องเสียงกล่องเสียงจะปิด ทำให้กักอากาศไว้ ซึ่งจะทำให้อากาศที่เหลืออยู่ในช่องเสียงเคลื่อนที่แยกกันได้ การเคลื่อนที่ขึ้นของกล่องเสียงที่ปิดอยู่จะทำให้อากาศนี้เคลื่อนออกไป ส่งผลให้ เกิด เสียงพยัญชนะแบบพ่นลมในทางกลับกัน กล่องเสียงอาจลดต่ำลง ดูดอากาศเข้าไปในปากมากขึ้น ซึ่งส่งผลให้เกิดเสียงพยัญชนะแบบอัดลม^{[ 85 ]}

เสียงคลิกเป็นการหยุดที่การเคลื่อนไหวของลิ้นทำให้ลมถูกดูดเข้าไปในปาก ซึ่งเรียกว่ากระแสลมเพดานอ่อน [ ^{86 ] ใน}ระหว่างการคลิก ลมจะเบาบางลงระหว่างการปิดของอวัยวะออกเสียงสองส่วน ทำให้เกิดเสียง 'คลิก' ดังเมื่อการปิดด้านหน้าถูกปล่อย การปล่อยการปิดด้านหน้าเรียกว่าการไหลเข้าของเสียงคลิก การปล่อยการปิดด้านหลัง ซึ่งอาจเป็นเพดานอ่อนหรือลิ้นไก่ เรียกว่าการไหลออกของเสียงคลิก เสียงคลิกถูกใช้ในตระกูลภาษาแอฟริกันหลายตระกูล เช่น ภาษา โคอิซานและภาษาบันตู^{[ 87 ]}

ปอดเป็นกลไกสำคัญในการสร้างเสียงพูดเกือบทั้งหมด และความสำคัญของปอดในด้านสัทศาสตร์นั้นเกิดจากการสร้างแรงดันสำหรับเสียงที่เกิดจากการหายใจออกของปอด เสียงที่พบได้บ่อยที่สุดในหลายภาษาคือเสียงที่เกิดจากการหายใจออกของปอด^{[ 88 ]}ในทางตรงกันข้ามก็เป็นไปได้เช่นกัน แม้ว่าจะไม่มีภาษาใดที่ทราบว่ามีเสียงที่เกิดจากการหายใจเข้าของปอดเป็นหน่วยเสียง^{[ 89 ]}หลายภาษา เช่น ภาษาสวีเดนใช้เสียงเหล่านี้สำหรับ การออกเสียง แบบพาราลิงกวิสติกเช่น การยืนยันในภาษาต่างๆ ที่มีความหลากหลายทางพันธุกรรมและภูมิศาสตร์^{[ 90 ]}ทั้งเสียงที่เกิดจากการหายใจออกและเสียงที่เกิดจากการหายใจเข้าอาศัยการคงตำแหน่งของเส้นเสียงไว้ในท่าทางที่เฉพาะเจาะจง และใช้ปอดดึงอากาศผ่านเส้นเสียงเพื่อให้เส้นเสียงสั่น (มีเสียง) หรือไม่สั่น (ไม่มีเสียง) ^{[ 88 ]}การออกเสียงที่เกิดจากการหายใจออกของปอดนั้นถูกจำกัดด้วยปริมาตรของอากาศที่สามารถหายใจออกได้ในรอบการหายใจที่กำหนด ซึ่งเรียกว่าความ จุ ที่ สำคัญ

ปอดใช้ในการรักษาความดันสองชนิดพร้อมกันเพื่อสร้างและปรับเปลี่ยนการออกเสียง ในการสร้างเสียงพูด ปอดต้องรักษาความดันให้สูงกว่าความดันเหนือกล่องเสียง 3–5 ซม. H2O _{อย่างไรก็ตาม}จะมีการปรับความดันใต้กล่องเสียงเล็กน้อยและรวดเร็วเพื่อปรับเปลี่ยนการพูดสำหรับลักษณะเหนือหน่วยเสียง เช่น การเน้นเสียง กล้ามเนื้อทรวงอกจำนวนหนึ่งถูกใช้เพื่อทำการปรับเปลี่ยนเหล่านี้ เนื่องจากปอดและทรวงอกยืดออกระหว่างการหายใจเข้า แรงยืดหยุ่นของปอดเพียงอย่างเดียวสามารถสร้างความแตกต่างของความดันที่เพียงพอสำหรับการออกเสียงที่ปริมาตรปอดสูงกว่า 50 เปอร์เซ็นต์ของความจุที่สำคัญ^{[ 91 ]}เหนือ 50 เปอร์เซ็นต์ของความจุที่สำคัญกล้ามเนื้อระบบหายใจจะถูกใช้เพื่อ "ตรวจสอบ" แรงยืดหยุ่นของทรวงอกเพื่อรักษาความแตกต่างของความดันให้คงที่ ต่ำกว่าปริมาตรนั้น กล้ามเนื้อจะถูกใช้เพื่อเพิ่มความดันใต้กล่องเสียงโดยการหายใจออกอย่างกระฉับกระเฉง

ระหว่างการพูด วงจรการหายใจจะถูกปรับเปลี่ยนเพื่อให้สอดคล้องกับความต้องการทั้งทางภาษาและทางชีววิทยา การหายใจออก ซึ่งโดยปกติคิดเป็นประมาณ 60 เปอร์เซ็นต์ของวงจรการหายใจขณะพัก จะเพิ่มขึ้นเป็นประมาณ 90 เปอร์เซ็นต์ของวงจรการหายใจ เนื่องจากความต้องการทางเมตาบอลิซึมค่อนข้างคงที่ ปริมาณอากาศทั้งหมดที่เคลื่อนที่ในกรณีส่วนใหญ่ของการพูดจึงยังคงใกล้เคียงกับการหายใจปกติในขณะเงียบ^{[ 92 ]}การเพิ่มความเข้มของเสียงพูด 18 dB (การสนทนาที่ดัง) มีผลกระทบต่อปริมาณอากาศที่เคลื่อนที่ค่อนข้างน้อย เนื่องจากระบบทางเดินหายใจของเด็กยังไม่พัฒนาเท่าผู้ใหญ่ เด็กจึงมักใช้ความจุของปอดในสัดส่วนที่มากกว่าผู้ใหญ่ โดยมีการหายใจเข้าลึกกว่า^{[ 93 ]}

แบบจำลองแหล่งกำเนิด-ตัวกรองของการพูดเป็นทฤษฎีการผลิตเสียงพูดที่อธิบายความเชื่อมโยงระหว่างท่าทางของช่องเสียงและผลที่ตามมาทางเสียง ภายใต้แบบจำลองนี้ ช่องเสียงสามารถจำลองได้ว่าเป็นแหล่งกำเนิดเสียงรบกวนที่เชื่อมต่อกับตัวกรองเสียง^{[ 94 ]}แหล่งกำเนิดเสียงรบกวนในหลายกรณีคือกล่องเสียงในระหว่างกระบวนการเปล่งเสียง แม้ว่าแหล่งกำเนิดเสียงรบกวนอื่นๆ ก็สามารถจำลองได้ในลักษณะเดียวกัน รูปร่างของช่องเสียงเหนือกล่องเสียงทำหน้าที่เป็นตัวกรอง และการจัดเรียงอวัยวะออกเสียงที่แตกต่างกันส่งผลให้เกิดรูปแบบเสียงที่แตกต่างกัน การเปลี่ยนแปลงเหล่านี้สามารถคาดการณ์ได้ ช่องเสียงสามารถจำลองได้ว่าเป็นลำดับของท่อที่ปิดที่ปลายด้านหนึ่ง มีเส้นผ่านศูนย์กลางที่แตกต่างกัน และโดยการใช้สมการสำหรับการสะท้อนเสียงสามารถอนุมานผลกระทบทางเสียงของท่าทางการออกเสียงได้^{[ 95 ]}กระบวนการกรองแบบผกผันใช้หลักการนี้ในการวิเคราะห์สเปกตรัมแหล่งกำเนิดที่ผลิตโดยเส้นเสียงในระหว่างการเปล่งเสียง โดยการใช้ค่าผกผันของตัวกรองที่คาดการณ์ไว้ ผลกระทบทางเสียงของช่องเสียงเหนือกล่องเสียงสามารถถูกลบล้างได้ ทำให้ได้สเปกตรัมเสียงที่เกิดจากเส้นเสียง^{[ 96 ]}ซึ่งช่วยให้สามารถศึกษาประเภทการออกเสียงต่างๆ ในเชิงปริมาณได้

การรับรู้ภาษาคือกระบวนการที่สัญญาณทางภาษาถูกถอดรหัสและเข้าใจโดยผู้ฟัง^{[ i ]}ในการรับรู้คำพูด สัญญาณเสียงต่อเนื่องจะต้องถูกแปลงเป็นหน่วยทางภาษาที่ไม่ต่อเนื่อง เช่นหน่วยเสียงหน่วยคำและคำ [ ^{97 ]}เพื่อระบุและจัดหมวดหมู่เสียงได้อย่างถูกต้อง ผู้ฟังจะให้ความสำคัญกับบางแง่มุมของสัญญาณที่สามารถแยกแยะความแตกต่างระหว่างหมวดหมู่ทางภาษาได้อย่างน่าเชื่อถือ^{[ 98 ] ใน}ขณะที่เบาะแสบางอย่างมีความสำคัญมากกว่าเบาะแสอื่นๆ หลายแง่มุมของสัญญาณสามารถมีส่วนช่วยในการรับรู้ได้ ตัวอย่างเช่น แม้ว่าภาษาพูดจะให้ความสำคัญกับข้อมูลทางเสียง แต่ปรากฏการณ์ McGurkแสดงให้เห็นว่าข้อมูลภาพถูกนำมาใช้เพื่อแยกแยะข้อมูลที่คลุมเครือเมื่อเบาะแสทางเสียงไม่น่าเชื่อถือ^{[ 99 ]}

แม้ว่าผู้ฟังจะสามารถใช้ข้อมูลที่หลากหลายเพื่อแบ่งส่วนสัญญาณเสียงพูดได้ แต่ความสัมพันธ์ระหว่างสัญญาณเสียงและการรับรู้หมวดหมู่ก็ไม่ใช่การจับคู่ที่สมบูรณ์แบบ เนื่องจากการออกเสียงร่วมกันสภาพแวดล้อมที่มีเสียงรบกวน และความแตกต่างระหว่างบุคคล ทำให้มีความแปรปรวนทางเสียงสูงภายในหมวดหมู่^{[ 100 ]}ซึ่งเรียกว่าปัญหาของความไม่แปรผันในการรับรู้ผู้ฟังสามารถรับรู้หมวดหมู่ได้อย่างน่าเชื่อถือแม้จะมีความแปรปรวนในการแสดงออกทางเสียง^{[ 101 ]}เพื่อให้บรรลุเป้าหมายนี้ ผู้ฟังจะปรับตัวเข้ากับผู้พูดใหม่ได้อย่างรวดเร็วและจะเปลี่ยนขอบเขตระหว่างหมวดหมู่เพื่อให้ตรงกับความแตกต่างทางเสียงที่คู่สนทนากำลังสร้างขึ้น^{[ 102 ]}

การได้ยิน ซึ่งเป็นกระบวนการได้ยินเสียง เป็นขั้นตอนแรกของการรับรู้คำพูด อวัยวะที่ใช้ในการออกเสียงทำให้เกิดการเปลี่ยนแปลงอย่างเป็นระบบในความดันอากาศ ซึ่งเดินทางเป็นคลื่นเสียงไปยังหูของผู้ฟัง จากนั้นคลื่นเสียงจะกระทบ กับ เยื่อแก้วหู ของผู้ฟัง ทำให้เกิดการสั่น การสั่นของเยื่อแก้วหูจะถูกส่งผ่านกระดูกหูชั้นกลาง ซึ่งเป็นกระดูกเล็กๆ สามชิ้น ไปยังโคเคลีย^{[ 103 ]}โคเคลียเป็นท่อรูปเกลียวที่เต็มไปด้วยของเหลว แบ่งตามยาวโดยออร์แกนของคอร์ติซึ่งมีเยื่อฐานอยู่ เยื่อฐานมีความหนาเพิ่มขึ้นเมื่อเดินทางผ่านโคเคลีย ทำให้ความถี่ต่างๆ เกิดการสั่นพ้องในตำแหน่งต่างๆ การออกแบบ โทโนโทปิก นี้ ทำให้หูสามารถวิเคราะห์เสียงในลักษณะที่คล้ายกับการแปลงฟูริเยร์^{[ 104 ]}

การสั่นสะเทือนที่แตกต่างกันของเยื่อฐานทำให้เซลล์ขนภายในออร์แกนออฟคอร์ติเคลื่อนที่ ซึ่งทำให้เกิดการลดขั้วของเซลล์ขนและในที่สุดก็แปลงสัญญาณเสียงเป็นสัญญาณประสาท^{[ 105 ]}แม้ว่าเซลล์ขนจะไม่สร้างศักยภาพการกระทำด้วยตนเอง แต่พวกมันจะปล่อยสารสื่อประสาทที่ไซแนปส์กับเส้นใยของเส้นประสาทการได้ยินซึ่งสร้างศักยภาพการกระทำ ด้วยวิธีนี้ รูปแบบการสั่นบนเยื่อฐานจะถูกแปลงเป็นรูปแบบเชิงพื้นที่และเวลาของการยิงซึ่งส่งข้อมูลเกี่ยวกับเสียงไปยังก้านสมอง^{[ 106 ]}

นอกจากพยัญชนะและสระแล้ว สัทศาสตร์ยังอธิบายถึงคุณสมบัติของการพูดที่ไม่จำกัดเฉพาะหน่วยเสียง แต่ ยัง รวม ถึงหน่วยการพูดที่ใหญ่กว่า เช่นพยางค์และวลีสัทศาสตร์ประกอบด้วยลักษณะการได้ยินเช่นระดับเสียงอัตราการพูดระยะเวลาและความดังภาษาต่างๆ ใช้คุณสมบัติเหล่านี้ในระดับที่แตกต่างกันเพื่อใช้ในการเน้นเสียงการเน้นเสียงสูงต่ำและการออกเสียงสูงต่ำตัวอย่างเช่นการเน้นเสียงในภาษาอังกฤษและภาษาสเปนมีความสัมพันธ์กับการเปลี่ยนแปลงของระดับเสียงและระยะเวลา ในขณะที่การเน้นเสียงในภาษาเวลส์มีความสัมพันธ์กับระดับเสียงมากกว่าระยะเวลา และการเน้นเสียงในภาษาไทยมีความสัมพันธ์กับระยะเวลาเท่านั้น^{[ 107 ]}

ทฤษฎีการรับรู้เสียงพูดในยุคแรก เช่นทฤษฎีการเคลื่อนไหวพยายามแก้ปัญหาความไม่แปรผันของการรับรู้โดยการโต้แย้งว่าการรับรู้และการผลิตเสียงพูดมีความเชื่อมโยงกันอย่างใกล้ชิด ในรูปแบบที่แข็งแกร่งที่สุด ทฤษฎีการเคลื่อนไหวโต้แย้งว่าการรับรู้เสียงพูดต้องการให้ผู้ฟังเข้าถึงการแสดงแทนการออกเสียงของเสียง^{[ 108 ]}เพื่อจัดประเภทเสียงได้อย่างถูกต้อง ผู้ฟังจะวิเคราะห์ย้อนกลับการออกเสียงที่จะสร้างเสียงนั้น และโดยการระบุท่าทางเหล่านี้ ผู้ฟังจะสามารถดึงหมวดหมู่ทางภาษาที่ตั้งใจไว้ได้^{[ 109 ]}แม้ว่าการค้นพบเช่นปรากฏการณ์ McGurk และกรณีศึกษาจากผู้ป่วยที่มีอาการบาดเจ็บทางระบบประสาทจะให้การสนับสนุนทฤษฎีการเคลื่อนไหว แต่การทดลองเพิ่มเติมไม่ได้สนับสนุนทฤษฎีการเคลื่อนไหวในรูปแบบที่แข็งแกร่ง แม้ว่าจะมีการสนับสนุนทฤษฎีการเคลื่อนไหวในรูปแบบที่อ่อนกว่าซึ่งอ้างว่ามีความสัมพันธ์ที่ไม่แน่นอนระหว่างการผลิตและการรับรู้^{[ 109 ] [ 110 ] [ 111 ]}

ทฤษฎีที่สืบทอดต่อมาเกี่ยวกับการรับรู้เสียงพูดมุ่งเน้นไปที่สัญญาณอะคูสติกสำหรับหมวดหมู่เสียง และสามารถจัดกลุ่มได้เป็นสองประเภทใหญ่ๆ คือ ทฤษฎีเชิงนามธรรมและทฤษฎีเชิงเหตุการณ์^{[ 112 ]}ในทฤษฎีเชิงนามธรรม การรับรู้เสียงพูดเกี่ยวข้องกับการระบุวัตถุคำศัพท์ในอุดมคติโดยอาศัยสัญญาณที่ลดลงเหลือส่วนประกอบที่จำเป็น และการทำให้สัญญาณเป็นมาตรฐานเพื่อต่อต้านความแปรปรวนของผู้พูด ทฤษฎีเชิงเหตุการณ์ เช่นแบบจำลองตัวอย่างโต้แย้งว่าการรับรู้เสียงพูดเกี่ยวข้องกับการเข้าถึงความทรงจำโดยละเอียด (เช่นความทรงจำเชิงเหตุการณ์ ) ของโทเค็นที่เคยได้ยินมาก่อน ปัญหาของความไม่แปรผันในการรับรู้ได้รับการอธิบายโดยทฤษฎีเชิงเหตุการณ์ว่าเป็นปัญหาของความคุ้นเคย การทำให้เป็นมาตรฐานเป็นผลพลอยได้จากการสัมผัสกับการกระจายที่แปรผันมากขึ้น แทนที่จะเป็นกระบวนการที่แยกจากกันอย่างที่ทฤษฎีเชิงนามธรรมกล่าวอ้าง^{[ 112 ]}

สัทศาสตร์เชิงเสียงเกี่ยวข้องกับ คุณสมบัติ ทางเสียงของเสียงพูดความรู้สึกของเสียงเกิดจากการเปลี่ยนแปลงความดันซึ่งทำให้เยื่อแก้วหูเคลื่อนที่ หูจะแปลงการเคลื่อนไหวนี้เป็นสัญญาณประสาทที่สมองบันทึกเป็นเสียง รูปคลื่นเสียงเป็นบันทึกที่วัดการเปลี่ยนแปลงความดันเหล่านี้^{[ 113 ]}

สัทศาสตร์การออกเสียงเกี่ยวข้องกับวิธีการสร้างเสียงพูด

สัทศาสตร์การได้ยินศึกษาว่ามนุษย์รับรู้เสียงพูดอย่างไร เนื่องจากลักษณะทางกายวิภาคของระบบการได้ยินทำให้สัญญาณเสียงพูดผิดเพี้ยน มนุษย์จึงไม่ได้รับรู้เสียงพูดในรูปแบบบันทึกเสียงที่สมบูรณ์แบบ ตัวอย่างเช่น การรับรู้ระดับเสียงที่วัดเป็นเดซิเบล (dB) ไม่ตรงกับความแตกต่างของความดันเสียงแบบเชิงเส้น^{[ 114 ]}

ความไม่ตรงกันระหว่างการวิเคราะห์ทางเสียงและสิ่งที่ผู้ฟังได้ยินนั้นสังเกตได้ชัดเจนเป็นพิเศษในเสียงพูดที่มีพลังงานความถี่สูงจำนวนมาก เช่น เสียงเสียดแทรกบางประเภท เพื่อแก้ไขความไม่ตรงกันนี้ จึงได้มีการพัฒนารูปแบบการทำงานของระบบการได้ยิน^{[ 115 ]}

ภาษาของมนุษย์ใช้เสียงที่แตกต่างกันมากมาย และเพื่อเปรียบเทียบเสียงเหล่านั้น นักภาษาศาสตร์ต้องสามารถอธิบายเสียงในลักษณะที่ไม่ขึ้นกับภาษา เสียงพูดสามารถอธิบายได้หลายวิธี โดยทั่วไปแล้ว เสียงพูดจะถูกอ้างถึงโดยการเคลื่อนไหวของปากที่จำเป็นในการสร้างเสียงนั้นพยัญชนะและสระเป็นสองประเภทใหญ่ๆ ที่นักสัทศาสตร์กำหนดโดยการเคลื่อนไหวในเสียงพูด คำอธิบายที่ละเอียดกว่านั้นคือพารามิเตอร์ เช่น ตำแหน่งการออกเสียงตำแหน่งการออกเสียงวิธีการออกเสียงและการออกเสียงก้องใช้ในการอธิบายพยัญชนะและเป็นการแบ่งหลักของ แผนภูมิพยัญชนะ ของอักษรเสียงสากล สระจะถูกอธิบายโดยความสูง ความหลัง และความกลมของเสียง ภาษามือถูกอธิบายโดยใช้ชุดพารามิเตอร์ที่คล้ายกันแต่แตกต่างกันเพื่ออธิบายสัญลักษณ์ ได้แก่ ตำแหน่ง การเคลื่อนไหว รูปร่างมือ การวางแนวฝ่ามือ และคุณลักษณะที่ไม่เกี่ยวกับมือ นอกเหนือจากคำอธิบายเกี่ยวกับการออกเสียงแล้ว เสียงที่ใช้ในภาษาพูดสามารถอธิบายได้โดยใช้ลักษณะทางเสียงของเสียงเหล่านั้น เนื่องจากลักษณะทางเสียงเป็นผลมาจากการออกเสียง ดังนั้นทั้งสองวิธีในการอธิบายจึงเพียงพอที่จะแยกแยะเสียงได้ โดยการเลือกใช้ระบบใดระบบหนึ่งขึ้นอยู่กับลักษณะทางเสียงที่กำลังศึกษาอยู่

พยัญชนะคือเสียงพูดที่เปล่งออกมาโดยการปิดช่องเสียง อย่างสมบูรณ์หรือบางส่วน โดยทั่วไปแล้วเกิดจากการปรับเปลี่ยนกระแสลมที่หายใจออกจากปอด อวัยวะระบบหายใจที่ใช้ในการสร้างและปรับเปลี่ยนกระแสลมแบ่งออกเป็นสามส่วน ได้แก่ ช่องเสียง (เหนือกล่องเสียง) กล่องเสียงและระบบใต้กล่องเสียง กระแสลมอาจเป็นแบบไหลออก (ออกจากช่องเสียง) หรือไหลเข้า (เข้าสู่ช่องเสียง) ในเสียงที่เกิดจากปอด กระแสลมจะถูกสร้างขึ้นโดยปอดในระบบใต้กล่องเสียงและผ่านกล่องเสียงและช่องเสียง เสียงที่เกิด จาก กล่องเสียง จะใช้กระแสลมที่สร้างขึ้นโดยการเคลื่อนไหวของกล่องเสียงโดยไม่มีกระแสลมจากปอด พยัญชนะคลิกเปล่งออกมาโดยการทำให้ลมเบาบางลงโดยใช้ลิ้น ตามด้วยการปล่อยลิ้นที่ปิดไปข้างหน้า

สระเป็น เสียง พยางค์ที่ออกเสียงโดยไม่มีสิ่งกีดขวางในช่องเสียง^{[ 116 ]}ต่างจากพยัญชนะซึ่งมักจะมีตำแหน่งการออกเสียงที่แน่นอน สระจะถูกกำหนดโดยสัมพันธ์กับชุดของสระอ้างอิงที่เรียกว่าสระหลักคุณสมบัติสามประการที่จำเป็นในการกำหนดสระ ได้แก่ ความสูงของลิ้น ความด้านหลังของลิ้น และความกลมของริมฝีปาก สระที่ออกเสียงด้วยคุณภาพที่คงที่เรียกว่าโมโนฟทง (monophthong ) การรวมกันของสระสองตัวที่แยกจากกันในพยางค์เดียวกันเรียกว่าไดฟทง (diphthong ) ^{[ 117 ]}ในIPAสระจะถูกแสดงบนรูปทรงสี่เหลี่ยมคางหมูที่แสดงถึงปากของมนุษย์ โดยแกนแนวตั้งแสดงถึงปากจากพื้นถึงเพดาน และแกนแนวนอนแสดงถึงมิติหน้า-หลัง^{[ 118 ]}

การถอดเสียงตามหลักสัทศาสตร์เป็นระบบสำหรับการถอดเสียงที่เกิดขึ้นในภาษา ไม่ว่าจะเป็นภาษาพูดหรือภาษามือ ระบบการถอดเสียงตามหลักสัทศาสตร์ที่เป็นที่รู้จักกันอย่างแพร่หลายที่สุดคืออักษรสัทศาสตร์สากล (IPA) ซึ่งเป็นชุดสัญลักษณ์มาตรฐานสำหรับเสียงพูด^{[ 119 ] [ 120 ]}ลักษณะที่เป็นมาตรฐานของ IPA ช่วยให้ผู้ใช้สามารถถอดเสียงของภาษาต่างๆภาษาถิ่นและ สำนวน เฉพาะบุคคล ได้อย่างแม่นยำและสม่ำเสมอ ^{[ 119 ] [ 121 ] [ 122 ]} IPA เป็นเครื่องมือที่มีประโยชน์ไม่เพียงแต่สำหรับการศึกษาสัทศาสตร์เท่านั้น แต่ยังรวมถึงการสอนภาษา การแสดงระดับมืออาชีพ และพยาธิวิทยาการพูดด้วย^{[ 121 ]}

แม้ว่าจะไม่มีภาษามือใดที่มีระบบการเขียนที่เป็นมาตรฐาน แต่นักภาษาศาสตร์ได้พัฒนาระบบการเขียนของตนเองที่อธิบายรูปร่าง ตำแหน่ง และการเคลื่อนไหวของมือระบบการเขียนแบบฮัมบูร์ก (HamNoSys) คล้ายกับ IPA ตรงที่อนุญาตให้มีรายละเอียดในระดับต่างๆ ได้ ระบบการเขียนบางระบบ เช่น KOMVA และระบบ Stokoeได้รับการออกแบบมาเพื่อใช้ในพจนานุกรม พวกเขายังใช้ตัวอักษรในภาษาท้องถิ่นสำหรับรูปร่างมือ ในขณะที่ HamNoSys แสดงรูปร่างมือโดยตรงSignWritingมีเป้าหมายที่จะเป็นระบบการเขียนที่เรียนรู้ได้ง่ายสำหรับภาษามือ แม้ว่าจะยังไม่ได้รับการยอมรับอย่างเป็นทางการจากชุมชนคนหูหนวกใดๆ ก็ตาม^{[ 123 ]}

ต่างจากภาษาพูด คำในภาษามือจะถูกรับรู้ด้วยสายตาแทนที่จะเป็นหู สัญลักษณ์จะถูกแสดงด้วยมือ ลำตัวส่วนบน และศีรษะ อวัยวะหลักในการแสดงสัญลักษณ์คือมือและแขน ส่วนต่างๆ ของแขนจะถูกอธิบายด้วยคำว่าส่วนใกล้ (proximal)และส่วนไกล (distal ) ส่วนใกล้หมายถึงส่วนที่อยู่ใกล้ลำตัว ในขณะที่ส่วนไกลหมายถึงส่วนที่อยู่ห่างออกไป ตัวอย่างเช่น การเคลื่อนไหวของข้อมือเป็นส่วนไกลเมื่อเทียบกับการเคลื่อนไหวของข้อศอก เนื่องจากต้องใช้พลังงานน้อยกว่า การเคลื่อนไหวส่วนไกลจึงมักทำได้ง่ายกว่า ปัจจัยต่างๆ เช่น ความยืดหยุ่นของกล้ามเนื้อและการถูกมองว่าเป็นสิ่งต้อง ห้าม จำกัดสิ่งที่สามารถถือว่าเป็นสัญลักษณ์ได้^{[ 124 ]}ผู้ใช้ภาษามือโดยกำเนิดจะไม่มองมือของคู่สนทนา แต่สายตาของพวกเขาจะจ้องไปที่ใบหน้า เนื่องจากวิสัยทัศน์รอบข้างไม่คมชัดเท่ากับศูนย์กลางของสนามสายตา สัญลักษณ์ที่แสดงใกล้ใบหน้าจึงช่วยให้สามารถรับรู้ความแตกต่างเล็กน้อยในการเคลื่อนไหวและตำแหน่งของนิ้วได้มากขึ้น^{[ 125 ]}

ต่างจากภาษาพูด ภาษามือมีอวัยวะในการออกเสียงที่เหมือนกันสองอย่าง คือ มือ ผู้ใช้ภาษามือสามารถใช้มือข้างใดก็ได้ที่ตนต้องการโดยไม่ทำให้การสื่อสารหยุดชะงัก เนื่องจากข้อจำกัดทางระบบประสาทที่เป็นสากล โดยทั่วไปแล้วภาษามือสองมือจะมีรูปแบบการออกเสียงแบบเดียวกันในทั้งสองมือ ซึ่งเรียกว่าเงื่อนไขสมมาตร^{[ 124 ]}ข้อจำกัดสากลประการที่สองคือเงื่อนไขความเด่น ซึ่งระบุว่าเมื่อมีรูปทรงมือสองแบบ มือข้างหนึ่งจะอยู่กับที่และมีชุดรูปทรงมือที่จำกัดกว่าเมื่อเทียบกับมือข้างที่เด่นกว่าซึ่งกำลังเคลื่อนไหว^{[ 126 ]}นอกจากนี้ เป็นเรื่องปกติที่มือข้างหนึ่งในภาษามือสองมือจะถูกปล่อยทิ้งระหว่างการสนทนาแบบไม่เป็นทางการ ซึ่งกระบวนการนี้เรียกว่าการปล่อยมือแบบอ่อน^{[ 124 ]}เช่นเดียวกับคำพูดในภาษาพูด การออกเสียงร่วมกันอาจทำให้ภาษามือมีอิทธิพลต่อรูปแบบของกันและกัน ตัวอย่างเช่น รูปทรงมือของภาษามือที่อยู่ใกล้เคียงกันจะคล้ายคลึงกันมากขึ้น ( การกลืนเสียง ) หรือการปล่อยมือแบบอ่อน (กรณีของการลบ ) ^{[ 127 ]}

• ทฤษฎีการรับรู้การพูดของมอเตอร์
• ทฤษฎีตัวอย่าง
• สัทวิทยาการออกเสียง

Wikisourceมีเนื้อหาของบทความ " สัทศาสตร์ " จากหนังสือ " The New Student's Reference Work "

วิกิซอร์ซมีเนื้อหาจาก บทความ สารานุกรมบริแทนนิกา ค.ศ. 1911เรื่อง " สัทศาสตร์ "

• สื่อที่เกี่ยวข้องกับสัทศาสตร์ในวิกิมีเดียคอมมอนส์
• ความหมายของคำว่า"สัทศาสตร์"ในพจนานุกรมวิกิพีเดีย
• แหล่งรวบรวมทรัพยากรด้านสัทศาสตร์โดยมหาวิทยาลัยนอร์ทแคโรไลนา
• "สารานุกรมสัทศาสตร์ฉบับย่อ"โดยปีเตอร์ โรช
• Pink Tromboneคือโปรแกรมจำลองการออกเสียงแบบโต้ตอบโดย Neil Thapen