Razumjeti kako se jezik čuje, tumači i razumije cilj je onih koji proučavaju percepciju govora. Različiti elementi percepcije govora, kao što su akustika, fonemi, sintaksa i druga svojstva, mogu pomoći u pružanju plana načina na koji se govor obrađuje i razumije. Osim slušnih procesa koji se koriste u percepciji govora, potrebno je istražiti i vizualne znakove.
Dva procesa nastoje objasniti način na koji ljudi obrađuju dolazne akustične signale kada je u pitanju obrada i razumijevanje jezika. Kada ljudi koriste pohranjene jezične vještine i znakove za popunjavanje fonetskih informacija koje nedostaju, to se smatra obradom odozgo prema dolje. Odsutnost pohranjenih informacija prisiljava ljude da koriste obradu odozdo prema gore. Obrada odozdo prema gore može se pokazati proučavanjem dojenčadi i načina na koji slušaju i reagiraju na jezičnu akustiku.
Unutarnji organi uha rade na prijenosu zvukova povezanih s govorom u temporalni režanj mozga radi razumijevanja. Vibracije povezane s govornom akustikom prenose se kroz bubnjić do slušnih koščica koje nastavljaju vibraciju do unutarnjeg uha, pužnice i stanica dlačica. U ovom trenutku, slušni živac počinje prikupljati signale od neurona i prenositi informacije u područja mozga odgovorna za početnu interpretaciju svojstava govora, uključujući visinu tona i ton.
Zvukovi povezani s govorom smatraju se govornom akustikom. Ti zvukovi nastaju vibracijama ljudskog vokalnog trakta. Svako slovo i zvuk koji proizvodi vokalni trakt zahtijeva da vokalni trakt promijeni svoj oblik.
Fonemi pomažu razlikovati slične glasove u jeziku. Čak i manji od slogova koji čine govor i riječi, fonemi doprinose percepciji govora. Fonemi i drugi glasovi govora koji se koriste za konstruiranje jezika preklapaju se i teško ih je razlikovati. Na zvuk svakog segmenta govora utječu zvukovi koji dolaze prije i poslije, što dovodi do ove poteškoće.
Vizualni znakovi, uključujući formacije usta i izraze lica, pomažu identificirati govorne signale i zvukove. U nekim studijama promjena lica i vizualnih znakova utječe na pružene vizualne znakove i percipirane zvukove. To je u području percepcije govora poznato kao McGurk efekt.
Nekoliko dodatnih pojmova koristi se u raspravi o jeziku koji se odnosi na percepciju govora. Sintaksa se shvaća kao kombinacija riječi, također poznata kao gramatika. Semantika se odnosi na značenje same poruke. Razumijevanje sintakse i semantike pomaže daljnjem razumijevanju i istraživanju percepcije govora.