A palavra falada constitui-se de uma combinação de unidades mínimas de som (fonemas). Essas unidades sonoras são representadas graficamente na escrita através de letras. Não se deve confundir fonema com letra. Um é o elemento acústico, enquanto o outro é um sinal gráfico, que representa o fonema segundo a convenção da língua.

Nem sempre há uma correspondência entre letra e som. Uma mesma letra pode representar sons diferenciados (próximo, exame, caixa), existem letras diferentes correspondendo ao mesmo som (seco, cedo, laço, próximo), uma letra pode representar mais de um som (fixo), há letra que não tem som algum (hora) e certos sons ora são representados por uma só letra, ora por duas (xícara/chinelo, gato/guitarra, rabo/carro).