Если лингвиста спрашивают, являются ли два звука одинаковыми или различными или сколько звуков содержится в том или ином языке, он должен знать, относится ли вопрос к субстанции или к форме; следует ли рассматривать эти «звуки» как физические сущности, которые можно описать, не зная, к какому языку они относятся, или же их следует описывать в терминах различий и сходств между звуками, функциональных в этом языке (под «функциональным» понимается «релевантное для коммуникации»). В первом случае лингвист производит фонетическое описание того, что он слышит, или анализирует с помощью приборов; во втором он производит описание фонологическое.

Проведем теперь в предварительном порядке разграничение между терминами «звук речи» и «фонема». Звук речи — это любая фонетически выделимая звуковая единица; другими словами, это любая производимая органами речи звуковая единица, которую фонетист может отличить от всех прочих единиц, производимых органами речи. Из того, что число разных речевых звуков, производимых человеческими органами речи и различаемых фонетистом, практически не ограничено, следует, что звук речи — это нечто неопределенное по своей природе. Разные фонетисты могут обладать неодинаковой тонкостью восприятия; и даже современная техника, предоставляющая в распоряжение исследователя разнообразные средства регистрации и измерения акустических свойств звука с помощью соответствующей аппаратуры, не устраняет возможности различной оценки тех или иных деталей. Дело в том, что не существует естественного предела членимости континуума звуков, используемых в речи. Момент, на котором останавливается фонетист при выделении разных звуков речи, диктуется или пределами его собственных возможностей и возможностей его приборов, или же (скорее всего) конкретными задачами анализа. Для каких-то целей он будет проводить более тонкие различия, нежели для других. В зависимости от степени детализации представления, которой он стремится достичь, он использует так называемые «более широкую» или «более узкую» транскрипцию. (При этом число промежуточных стадий между «самой широкой» и «самой узкой» транскрипцией может быть, разумеется, любым.) Приведем несколько примеров.

В английском языке р, t и k в определенных позициях в слове являются слегка аспирированными (то есть сопровождаются слабым придыханием); в других позициях, например после s, они произносятся без придыхания (ср. top : stop, pot : spot и т. п.). В широкой транскрипции, таким образом, фонетист вполне может использовать одну и ту же букву (или другой символ) для представления обоих английских звуков речи (как это имеет место в обычном английском алфавите), несмотря на то, что они весьма легко отличимы фонетически. Подобным образом, в английском языке имеется два основных «l-звука», импрессионистически обозначаемых как «светлый» и «темный»: первый встречается перед гласными, второй — перед согласными и на конце слова (ср. leaf, late : feel, field). В узкой транскрипции различие между «светлым» и «темным» l получает специальное обозначение; широкая же транскрипция может пренебречь этим различием.

Рассмотрение широкой транскрипции естественно подводит нас к понятию фонемы. Вернемся к примеру с английскими р, t, k; возможность представления в широкой транскрипции как придыхательных, так и непридыхательных согласных посредством одного и того же символа обеспечивается тем, что различие между придыхательным и непридыхательным рядом не несет в английском языке функцию различения слов (это весьма грубая и отчасти неточная формулировка принципа, который будет более полно изложен ниже); оно не является функциональным различием; для английского языка это фонетическое, но не фонологическое, или фонемное, различие (пока мы будем употреблять недифференцированно термины «фонологический» и «фонемный»). В других языках (например, в некоторых языках Северной Индии и в большинстве китайских диалектов) различие между придыхательными и непридыхательными согласными является функциональным, или фонемным. С другой стороны, в английском языке встречаются такие фонемные различия, которые не играют никакой роли (хотя, возможно, они и существуют в речи) в других языках. Например, в некоторых языках различие между такими звуками речи, как d и t, b и р, g и k и т. д. (то есть между согласными, которые фонетисты описывают как звонкие и глухие), не является фонемным различием; так, р, t и k могут, скажем, встречаться в начале и в конце слов, a b, d и g — только в середине слов. В случаях такого рода мы говорим, что фонетически различимые пары звуков речи суть позиционные варианты, или аллофоны, одной фонемы. Они называются позиционными вариантами потому, что появление одного, а не другого фонетического варианта данной фонемы определяется ее позицией в слове.

Теперь становится ясно, почему слово «звуки» неоднозначно и почему следует различать единицы фонетического описания (звуки речи), с одной стороны, и единицы фонологического описания (фонемы) — с другой. В настоящее время с целью различения звуков речи и фонем в транскрипции принято заключать символы фонем в косые скобки, а символы звуков — в квадратные скобки; мы будем всюду следовать этому обычаю.

Мы можем сказать, таким образом, используя пример, приведенный выше, что /р/, /t/ и /k/ имеют аллофоны [р], [t] и [k] в начальной и конечной позиции и [b], [d] и [g] в срединной позиции. Ниже будет представлено более полное изложение того, как трактуется понятие фонемы в современной лингвистической теории. Но предварительно следует рассмотреть некоторые общие принципы фонетического анализа.