Odată ce sunetul intră în urechi, este procesat de componentele fizice ale urechii medii și interne și de centrii auditivi ai creierului. Percepția tonului este afectată de mai mulți factori, inclusiv de natura modului în care sunetul este procesat în organism. Codarea neuronală din creier are un efect asupra modului în care oamenii aud sunetul. Prezența mai multor sunete, modificările de volum sau frecvența impulsurilor sonore pot afecta modul în care este percepută înălțimea. Teoriile care au încercat să definească percepția pitch includ teoria locului și teoria temporală.
Sunetul intră în ureche și este mai întâi procesat de timpanul urechii sau membrana timpanică. Apoi se traduce prin mișcări în trei oase mici înainte de a trece în cohlee, un organ spiralat în urechea internă cu celule de păr care se mișcă cu unde sonore. Mișcarea firelor de păr se traduce prin semnale care trec în nervul auditiv. Diferite frecvențe sunt preluate de diferite părți ale membranei bazilare din interiorul cohleei, așa cum se explică prin teoria locului. Această teorie descrie, de asemenea, modul în care armonicile înalte apropiate nu sunt percepute ca fiind separate.
Teoreticienii au speculat, de asemenea, că sunetul este perceput în raport cu timpul, cunoscut sub numele de teorie temporală. Celulele nervoase se declanșează la intervale de timp periodice, dar servesc și la analiza frecvenței. O combinație a celor două teorii ajută la cercetarea naturii percepției sunetului la oameni. Activitatea neuronală din cortexul auditiv are un efect profund asupra percepției tonului, modificările tonului stimulând zonele din emisfera dreaptă. Problemele din zonele temporale drepte ale creierului afectează uneori modul în care cineva este capabil să detecteze schimbările de ton.
Incapacitatea de a înțelege schimbarea tonului face parte din a fi surd. Atunci când melodiile sunt transpuse pe diferite note, înălțimea relativă a fiecărei note este în general percepută. Intensitatea sunetului are, de asemenea, un efect asupra percepției tonului. Creșterile de intensitate pentru sunetele de înaltă frecvență le vor face să sune ca și cum tonul crește. Creșterea intensității sunetelor de joasă frecvență le face să sune ca și cum tonul devine mai scăzut.
Sunetele pulsate sau susținute au, de asemenea, o percepție diferită a tonului. În comparație cu un puls constant, impulsurile sonore cu amplitudine descrescătoare par să aibă o înălțime mai mare. Zgomotele și tonurile care se aud peste un ton pot modifica și înălțimea aparentă a acestuia. Prin urmare, percepția tonului este afectată de factori interni și externi. Un sunet care rămâne constant în înălțime pare uneori să se schimbe așa cum este auzit de urechea umană.