语词是一套由“形式”和“内容”两个子系统构成的符号系统。“形式”由一系列的语音单位（如音素/音位、音节）和字符单位（如字素/字位、字母）来表示；“内容”就是形式所承载的语义成分，可由诸如义素/义位、义项等语义单位构成。

语音是语词符号的第一物质外壳，其次才才是书写的字符，因为先有口语，后有文字代替口语形成书面语。声音可以随时随地产生，可以在相对无限时间的线条上组合成相对无数的语音，足够完成人类信息的表达。但是，声音也存在着看不见摸不着、随时消失的缺点，正是为了弥补语音的不足，人们创造视觉的文字形式来实现语词符号意指的整体功能。但是，语音与字符必须通过使用人赋予一定的意义，才真正实现语词符号“音、形、义”的三位一体。

音素（phone）是人类最小的语音单位，即从言语的连续体中抽取出来的尽可能小的音段。如“English”，可以切分出E［］n［ŋ］g［ɡ］l［l］i［］sh［∫］6个音素，在汉语中“英语”读成［yīngyǔ］，也可切分出yīngyǔ 6个音素。音素对所有语言都是共同的，是伢伢学语的婴儿能够选择特定的音素组合成词之前首先发出的声音。

根据发音特点，音素可以分为元音和辅音两大类。

音位（phoneme）是在特定语言或方言中，起区别意义作用的最小的语音单位。音位分析的对象是音素，往往研究音素在相同的语音位置进行替换，如何呈现对立、互混、互补、相似的分布关系，是否引起词的意义的改变，却并不注重某个音素本身一定要表达什么意义。

音位与作为音位变体的音素之间，是概括与具体、集体与个体的关系，是社会单位和自然单位的关系。因此，音位学（phonology）是从表达意义的社会角度揭示语音本质的科学，而从自然角度研究语音的科学叫做语音学（phonetics）。

音节（syllable）是一个或多个音位（音素）构成的语音结构，通常是指一次胸部搏动中发出的音。在这个意义上说，音节是最小的话语。一个音节一般都有元音，但常常由元音和辅音构成。

一个词里有几个元音或者元音组合，就有几个音节，以元音结尾的音节叫开音节，是已知所有语言共有的。

音标（phonetic alphabet）是专门记录音素、音节等语音单位的视觉符号。音标与表音文字很接近，有些直接采用表音文字的字母作记录形式。音标可分为通用音标（即国际音标）和专用音标（例如汉语拼音）。因为受到文字的限制，音标与音素不一定是一对一的关系。

2.字素、字位、字、字母

字素（graph）是自然存在的具体的字符，它包括有字形变化的字体（印刷体或手写体）和字符比例大小区分的字号。

字位（grapheme）指某一语言的文字系统中的最小区别性单位。如同音位的概念一样，字位没有物质特性，而是书写符号不同形状及其在文字系统中的抽象化分布。

另一对与汉语字符相关的文字形体单位是形素和形位，前者是指自然存在的具体笔画，后者是指具有区别记录功能的自然笔画形成的集体。形素和形位的关系类似音素和音位的关系。

字（character）是文字系统中的基本单单位，是语词符号的书面形式单位。汉字中的字一般记录一个有意义的词素，容易让人误以为记录一个有意义的单位才叫做字。其实，字是词的“形”，一般不需要考虑语音和语义。