定義：
音素是語言中最有意義的單位。 有意義的聲音是將一個詞改為另一個詞的聲音。 例如， cat和fat這兩個單詞是兩個不同的單詞，但這兩個單詞之間只有一個不同的聲音 - 第一個聲音。 這意味著貓的“k”聲和胖的“f”聲是兩種不同的詞素。
現在考慮皮膚和親屬的話。 兩個詞都有一個“k”音，但它們確實有些微不同的聲音。 皮膚中的“k”聲音比親屬中的“k”聲音更柔和。 這兩個聲音不是英文音素。 它們就是所謂的“allophones”，它們只是音素的變體。 但在另一種語言中，這兩種聲音可能是音素。
這意味著兩組只有兩個“k”聲音作為它們之間的差異的聲音將是兩個不同的單詞。 假設兩組聲音是“親屬”（帶有“k”）和“親屬”（帶有“k”），你會得到兩個不同的含有兩個不同含義的詞。 你可以試著說出這兩個詞，但你最終可能會說出親戚的話 ，但是像槍中一樣用“g”的聲音開始另一個詞。 原因是我們很難聽到和重複我們的語言中不是音素的聲音。
出生後不久，嬰兒開始學習他周圍使用的語言的音素。
這是他學習語言時學到的東西的一部分。 我們不必教孩子聽那些聲音; 他們只是簡單地編程，在他們與人交往時學習。 （這是與嬰兒談話很好的原因之一）。隨著兒童繼續學習語言，他們沒有意識到他們正在學習的單詞是由單獨和非常不同的聲音組成的。