同自然界的其它任何声响一样，语音也是因为物体振动周围空气而发出来的，具有音高、音重、音长、音质四个要素，一般称之为语音的四要素。
1）音高：就是声音的高低。声音的高低取决于物体振动的频率。频率是每秒钟振动的次数，频率的单位叫做赫兹，每秒钟振动一次就是一赫兹。声音的高低从根本上说是由发音体的形状决定的。长而厚的物体振动慢，声音就低，短而薄的物体振动快，声音就高。语音中的声音的高低就是由人的发音体声带的长短厚薄决定的。男子的声带长而厚，声音就较低沉，妇女和儿童的声带短而薄，声音就较高。音高在语音中具有区别意义的作用，汉语的声调，就是由音高的变化形成的。
2）音重：也叫音强，指声音的轻重或强弱。声音的高低取决于振幅的大小，振幅越大，声音就越强，反之，声音就越弱。振幅大小同发音时用力大小有关，呼出气流越大，声音就越响亮，反之就轻弱。平时我们说话种的重音，就是由振幅决定的。普通话的重音和轻声就是由音重的变化构成的。同样的音节，有没有重音，重音的位置不一样，词句的意义往往有所差别。
3）音长：指声音延续时间的久暂，它是由发音体振动持续时间的长短决定的。音长在汉语中没有特别的区别意义的作用，但在英语中能区别意义，英语的元音有长音短音之分就在于这些长短音能区别意义。
4）音质：又叫音色，指声音的品质特色。不同的音色是由发音体不同、发音方法不同、发音时共鸣器形状不同决定的。
语音四要素在不同的语言中其作用是不完全相同的，比如音高，在汉语中具有区别意义的作用，所以汉语语音非常强调声调的差别，而在西方诸语言中，词义的差别主要是通过音素的组合体现，声调没有区别意义的作用。又如音长，在英语中具有区别意义的作用，同样的音素，念长音和念短音所表达的意义是不一样的，而在汉语中则没有这样的差异。语音四要素的在不同的语言中所体现出的不同的功能差别仍然是由语音的社会属性决定的。