Âm vị (phoneme): chỉ một đơn vị trừu tƣợng phân biệt về mặt cảm nhận nhỏ nhất của âm thanh tiếng nói trong một ngôn ngữ cho phép phân biệt một từ này với một từ khác. Nói cách khác, nó là một đơn vị nhỏ nhất của tiếng nói đƣợc sử dụng để tạo ra sự khác biệt của một từ với một từ khác. Âm vị không phải là các phân đoạn âm về mặt vật lý thông thƣờng mà chúng đƣợc phân loại dựa trên nhận thức. Chẳng hạn nhƣ phần đơn vị âm thanh ứng với phát âm các âm b, p, t, đ trong phát âm của các từ bố, phố, tố, đố
Âm tố (phone): ám chỉ một thực hiện vật lý về mặt âm học của một âm vị, tức là là một phân đoạn vật lý cụ thể biểu diễn âm vị. Ví dụ, trong tiếng Anh, âm vị /t/ có hai thực hiện về mặt âm học (âm tố) rất khác nhau trong các phát âm của các từ sat và meter.
Cần chú ý rằng tập các âm vị sẽ có các thực hiện về mặt âm học (âm tố) khác nhau tùy theo ngƣời nói, nhƣng chúng luôn có một chức năng mang tính hệ thống cho phép phân biệt nghĩa của các từ.
Bán âm tố kép (diphone): là cụm kết hợp của một nửa cuối của âm tố phía trƣớc và một nửa đầu của âm tố phía sau. Bán âm tố kép cho phép giữ đƣợc sự thay đổi về mặt phát âm giữa các âm tố, do đó có khả năng làm tăng độ chính xác trong việc tổng hợp tiếng nói
Âm tiết (syllable): là một đơn vị phát âm gồm có một âm của nguyên âm đứng một mình hoặc kết hợp với các phát âm của các phụ âm để tạo thành một từ hoặc một phần của một từ có nghĩa. Nói cách khác, âm tiết là một phần phát âm của một từ mà có thể phân tách một cách tự nhiên. Ví dụ, từ doctor trong tiếng Anh gồm hai âm tiết.
Từ (word): là một đơn vị ngôn ngữ nói hoặc viết mang ý nghĩa xác định. Ví dụ work trong tiếng Anh là một từ.
Câu (sentence): là một tập hợp các từ với một tổ chức hoàn chỉnh đƣợc cấu thành bởi một cấu trúc chủ ngữ - vị ngữ và mang một ý hoàn chỉnh mang tính trần thuật, hoặc mệnh lệnh, hoặc câu hỏi, …