语音同一般的声音一样，具有音高、音强、音长、音质四个要素。
1.音高（pitch）
音高指声音的高低，取决于发音体振动的频率（单位时间内物体振动的次数）。频率的单位是赫兹（Hz），代表“次/秒”。频率快声音就高，反之就低。人耳能听到的声波范围大致是20～20 000Hz，低于20Hz的声波叫次声波，地震、火山爆发可产生这样的声波；高于20 000Hz的声波叫超声波，蝙蝠可发出这种声波。
大的、长的、松的、厚的、粗的物体振动慢，声音就低；反之，声音就高。小孩、女人的声带比成人、男人的声带短些、薄些，因而小孩、女人的声音就高些。同一个人可以通过调节声带的松紧产生音高变化。汉藏语系语言的声调、所有语言的语调就利用了音高变化。
2.音强（intensity）
音强指声音的强弱，取决于振幅（物体振动时离开平衡位置的最大距离）。振幅大，声音就强，反之就弱。振幅大小跟外力大小成正比。
计算振幅大小的单位叫分贝（dB）。一般谈话是60～70dB，如果高到120～130dB，就会振得耳朵发痛。
印欧语言里的轻重音就利用了音强，如英语content，发［′kɔntent］（n.容量）和发［kən′tent］（a.满意的）时的意义不同。句子中强调词语时的重读也利用了音强，汉语的轻声跟音强也有关系。
3.音长（length）
音长指声音的长短，取决于发音体振动时间的长短。
音长在英语中有区别词义的作用，如beat[bi：t]（打）和bit[bit]（一点儿），不过元音的音质有细微差别，前者稍紧，后者略松。汉语方言中，粤语就利用音长区别词义，如“三”[sa：m 55 ]和“心”[sam 55 ]。
4.音质（quality）
音质指声音的品质、特色，又叫“音色（timbre）”或“音品（nuance）”。它取决于发音体振动的音波形式。从物理角度看，只要波形不同，音质就不同。波形的构成情况比较复杂，实验用的音叉发的是单纯波，自然声音一般是复合波，有基音和陪音，波形取决于它们之间的比例关系。如果陪音的频率是基音的整倍数，振动带有规律性，波形则有周期性，这个声音就是乐音，反之就是噪音。
从声音的产生方面看，音质取决于三方面：其一，发音体；其二，发音方法；其三，共鸣器的形状。任何一个方面发生变化，都会造成不同的音质。
