"Hablar siempre es volverse.
Si tu voz viene a mí
es que tu cara está frente a mi cara.
Al hablarnos nos vemos. El silencio
por inmenso que sea se quebranta
echando en él un nombre de persona."

Pedro Salinas (2001)

La voz es el elemento sonoro que aporta significado y sentido al discurso, tal como lo hace el texto escrito, pero además le agrega un valor estético mediante la armonía de su composición sintáctica y semántica y sus rasgos suprasegmentales o prosódicos.

En este punto conviene recordar que pese a la importancia cultural que le asignamos al lenguaje escrito, éste no es más que una técnica visual que suplanta (representa) al lenguaje oral. En efecto, la escritura surge en épocas en las que no existían tecnologías para el registro de las locuciones, como una forma de conservación del lenguaje hablado, tan efímero y acotado al espacio de propagación de las palabras; pero el signo lingüístico es de carácter fónico, su materia es acústica.

Estructura del nivel fonológico

En términos generales, el nivel fonológico del lenguaje oral se compone de una doble articulación de monemas y fonemas y por rasgos suprasegmentales entre los que se destacan el acento, la entonación, el ritmo y la duración. Todos estos elementos confluyen en la oralidad y construyen el sentido global del mensaje.

Los fonemas son abstracciones formales de los sonidos del habla que funcionan como unidades distintivas sin una significación asociada, en tanto que los monemas (que constan de un solo signo) son las unidades mínimas de significado.

Los acentos se manifiestan en la elevación del tono de voz cuando se pronuncia una sílaba de la palabra y se producen mediante una variación respiratoria que repercute en la fuerza con que se articula el habla.

La entonación es la melodía que se genera al pronunciar todas las sílabas de un enunciado con determinados tonos más graves o más agudos. Los cambios de tensión producidos en las cuerdas vocales provocan una variación de frecuencias que se percibe como diferencias de altura tonal.

Los rasgos suprasegmentales transmiten información adicional a la que contienen los fonemas, por lo tanto, tienen carácter de signo. Una misma secuencia de fonemas, monemas y palabras puede responder a modalidades distintas según la curva de entonación con que se pronuncie: enunciativa, imperativa, interrogativa, desiderativa, dubitativa, exclamativa, etcétera.