A beszédhang, vagy más néven fón, a beszédfolyamat minimális egysége. A beszédhangok a beszédérzékelés legfontosabb elemei. Ez az a folyamat, amelyben a hangokat, hangkapcsolatokat értelmezzük.
Hangok, amiket hallunk és amiket nem
Az emberi beszéd hangjai 20 Hz és 20 kHz között mozognak. Ha a frekvencia ez alatti vagy e fölötti terjedelemben mozog, akkor hallásunk azt nem képes érzékelni. (Ha az intervallum alatti a frekvencia, azt infrahangnak , ha afölött helyezkedik el, ultrahangnak nevezzük.)
Tüdő, gége, hangszálak
A beszédképzés folyamatában kulcsszerepe van a tüdőnek, hiszen az onnan kiáradó levegő a gége, a hangszalagok, és az ezek által körülvett hangrés, valamint a száj- és orrüreg segítségével válik hanggá, azok összekapcsolásaként pedig beszéddé. Az alaphangot a zönge létrehozása adja meg, ezt a hangot tovább formálják a hangszalagok , a hangrés, valamint a száj- és orrüregben található részek.
A beszédnek külön ritmusa és frekvenciatartománya van: ennek köszönhető, hogy könnyen felismerjük, ha beszélnek hozzánk, az emberi beszédet meg tudjuk különböztetni egyéb zajhatásoktól, például az utcai forgalom zajától, gépek, vagy más állatok hangjaitól. A beszédhang érzékelés után pedig agyunk feladata, hogy az úgynevezett nyelvi kódokat feltörje, és ezzel értelmezze az elhangzott szöveget.
Minden emberre jellemző a hangja, amely egy bizonyos hangterjedelmen belül mozog. Ez a terjedelem mutatja meg a legmagasabb és a legmélyebb hang közti spektrumot.