Înțelegerea modului în care limbajul este auzit, interpretat și înțeles este scopul celor care studiază percepția vorbirii. Elementele diferite ale percepției vorbirii, cum ar fi acustica, fonemele, sintaxa și alte proprietăți, pot ajuta la furnizarea unei foi de parcurs a modului în care vorbirea este procesată și înțeleasă. Dincolo de procesele auditive utilizate în percepția vorbirii, indicii vizuale trebuie, de asemenea, explorate.
Două procese încearcă să explice modul în care oamenii procesează semnalele acustice primite atunci când vine vorba de procesarea și înțelegerea limbajului. Când oamenii folosesc abilitățile lingvistice stocate și indicii pentru a completa informațiile fonetice lipsă, se consideră procesare de sus în jos. Absența informațiilor stocate îi obligă pe oameni să utilizeze procesarea de jos în sus. Procesarea de jos în sus poate fi demonstrată studiind sugarii și modul în care aceștia ascultă și reacționează la acustica limbajului.
Organele interne ale urechii lucrează pentru a transfera sunetele legate de vorbire în lobul temporal al creierului pentru înțelegere. Vibrațiile asociate cu acustica vorbirii sunt transmise prin timpan la osiculele auditive care continuă vibrația către urechea internă, cohleea și celulele părului. În acest moment, nervul auditiv începe să preia semnale de la neuroni și să transmită informațiile către zonele creierului responsabile de interpretarea inițială a proprietăților vorbirii, inclusiv înălțimea și tonul.
Sunetele legate de vorbire sunt considerate acustică a vorbirii. Aceste sunete sunt produse de vibrațiile tractului vocal uman. Fiecare literă și sunet produs de tractul vocal necesită ca tractul vocal să-și schimbe forma.
Fonemele ajută la distingerea dintre sunete similare din limbă. Chiar și mai mici decât silabele care alcătuiesc vorbirea și cuvintele, fonemele contribuie la percepția vorbirii. Fonemele și alte sunete de vorbire folosite pentru a construi limbajul se suprapun și sunt greu de distins. Sunetul fiecărui segment de vorbire este afectat de sunetele care vin înainte și după, ceea ce duce la această dificultate.
Indiciile vizuale, inclusiv formațiunile gurii și expresiile faciale, ajută la identificarea semnalelor de vorbire și a sunetelor. În unele studii, schimbarea feței și a indicațiilor vizuale afectează indiciile vizuale furnizate și sunetele percepute. Acest lucru este cunoscut în domeniul percepției vorbirii ca efect McGurk.
Mai mulți termeni suplimentari sunt folosiți în discuția despre limbaj, în ceea ce privește percepția vorbirii. Sintaxa este înțeleasă ca o combinație de cuvinte, cunoscută și sub numele de gramatică. Semantica se referă la sensul mesajului în sine. O înțelegere a sintaxei și a semanticii ajută la înțelegerea și cercetarea în continuare a percepției vorbirii.