Los fonemas son unidades teóricas básicas postuladas para estudiar el nivel fónico-fonológico de una lengua humana. Entre los criterios para decidir, qué constituye o no un fonema se requiere que exista una función distintiva: son sonidos del habla que permiten distinguir palabras en una lengua. Así, los sonidos /p/ y /b/ son fonemas del español porque existen palabras como /pata/ y /bata/ que tienen significado distinto y su pronunciación sólo difiere en relación con esos dos sonidos (sin embargo en chino los sonidos [p] y [b] son percibidos como variantes posicionales del mismo fonema).
Desde un punto de vista estructural, el fonema pertenece a la lengua, mientras que el sonido pertenece al habla. La palabra <casa>, por ejemplo, consta de cuatro fonemas (/k/, /a/, /s/, /a/). A esta misma palabra también corresponden en el habla, acto concreto, cuatro sonidos, a los que la fonología denominará alófonos, y estos últimos pueden variar según el sujeto que lo pronuncie. La distinción fundamental de los conceptos fonema y alófono, está en que el primero es una huella psíquica de la neutralización de los segundos que se efectúan en el habla.
Los fonemas no son sonidos con entidad física, sino abstracciones mentales o abstracciones formales de los sonidos del habla. En este sentido, un fonema puede ser representado por una familia o clase de equivalencia de sonidos (técnicamente denominados fonos), que los hablantes asocian a un sonido específico durante la producción o la percepción del habla. Así por ejemplo en español el fonema /d/ [+ obstruyente, + alveolar, + sonoro] puede ser articulado como oclusiva [d] a principio de palabra o tras nasal o pausa larga, pero es pronunciado como aproximante [δ] entre vocales o entre vocal y líquida, así /dedo/ se pronuncia [deδo] donde el primer y tercer sonido difieren en el grado de obstrucción aunque son similares en una serie de rasgos (los propios del fonema).
Un sonido o fono se caracteriza por una serie de rasgos fonéticos y articulatorios. El número de dichos rasgos y su identificación es tarea de la fonética. Un fono es cualquiera de las posibles realizaciones acústicas de un fonema.
La fonología en cambio no necesariamente trata entes claramente definibles en términos acústicos. Como realidad mental o abstracta un fonema no tiene por qué tener todos los rasgos fonéticos especificados. Por ejemplo, en diversas lenguas la aspiración es relevante para distinguir pares mínimos pero un fonema del español puede pronunciarse más o menos aspirado según el contexto y la variante lingüística del hablante pero en general para un fonema del español no está especificado el grado de aspiración. En cambio, en lenguas como el chino mandarín o el coreano un fonema tiene predefinido el rasgo de aspiración.
El número de fonemas de una lengua finito y limitado en cada lengua el número de alófonos potencialmente definibles, especialmente si especificamos rasgos fonéticos muy sutiles, es potencialmente ilimitados y varían según el contexto fonético y la articulación individual de los hablantes, a su estudio se dedicará la llamada fonética experimental. En cuanto al número de fonemas no tiene por qué ser fijo, y puede cambiar con el cambio lingüístico, de hecho en un instante dado, puede ser que puedan construirse dos sistemas fonológicos con diferente número de fonemas si se introducen reglas de pronunciación más complejas. Sin embargo, la mayoría de análisis del español está en torno a 24 unidades (5 vocales y 19 consonantes), aunque no todas las variedades de español tienen el mismo número de fonemas.
