เมื่อใดก็ตามที่คำพูดหนึ่ง ๆ ถูกเปล่งเสียงออกมาเป็นหน่วยเสียงหนึ่ง ๆ มันจะมีลักษณะทางเสียงต่างจากถ้อยคำอื่น ๆ เล็กน้อย แม้จะมาจากผู้พูดคนเดียวกันก็ตาม สิ่งนี้นำไปสู่การถกเถียงกันว่าที่จริงแล้วหน่วยเสียงมีความเป็นรูปธรรมและมีความเป็นสากลมากน้อยอย่างไร มีการแปรเพียงไม่กี่แบบเท่านั้นที่มีนัยสำคัญ (เนื่องจากสามารถตรวจพบหรือรับรู้ได้) สำหรับผู้พูด

หน่วยเสียงย่อยมีสองประเภท ขึ้นอยู่กับว่าผู้พูดจะต้องเปล่งเสียงหน่วยเสียงหนึ่ง ๆ โดยใช้หน่วยเสียงย่อยที่เฉพาะเจาะจงในบริบทที่เฉพาะเจาะจง หรือว่าผู้พูดมีอิสระ (โดยไม่รู้สึกตัว) ที่จะเลือกใช้หน่วยเสียงย่อยเพื่อเปล่งเสียงหน่วยเสียงนั้น

หากหน่วยเสียงย่อยหนึ่ง ๆ ของหน่วยเสียงหนึ่ง ๆ จำเป็นต้องปรากฏในบริบทหนึ่ง ๆ และการแทนที่หน่วยเสียงย่อยนั้นด้วยหน่วยเสียงย่อยอื่น (แม้จะเป็นสมาชิกของหน่วยเสียงเดียวกัน) อาจก่อให้เกิดความสับสนหรือทำให้ฟังดูไม่เป็นธรรมชาติสำหรับเจ้าของภาษา จะกล่าวได้ว่าหน่วยเสียงย่อยเหล่านั้นมีการแจกแจงแบบสับหลีก (complementary distribution) ดังนั้น หน่วยเสียงย่อยเหล่านั้นจึงเติมเต็มกันและกัน และหนึ่งในนั้นจะไม่ถูกใช้ในสถานการณ์ที่ซึ่งการใช้หน่วยเสียงอีกหน่วยถือเป็นมาตรฐาน สำหรับหน่วยเสียงย่อยที่มีการแจกแจงแบบสับหลีก หน่วยเสียงย่อยแต่ละหน่วยจะถูกใช้ในสัทบริบทที่เฉพาะเจาะจงและอาจเกี่ยวข้องกับกระบวนการทางระบบเสียง[4]

ในกรณีอื่น ผู้พูดสามารถเลือกใช้หน่วยเสียงย่อยที่มีการแปรอิสระตามความเคยชินหรือความนิยมส่วนตัว แต่บรรดาหน่วยเสียงย่อยที่แปรอิสระจะยังคงปรากฏในบริบทที่เฉพาะเจาะจง ไม่ใช่ในทางตรงกันข้าม

หน่วยเสียงย่อยยังอาจเกิดจากการกลมกลืนเสียง (assimilation) ซึ่งทำให้หน่วยเสียงหนึ่งมีลักษณะเหมือนหรือคล้ายกับอีกหน่วยเสียงที่ปรากฏใกล้กัน ตัวอย่างหนึ่งของการกลมกลืนเสียงคือ การเพิ่มความก้อง (voicing) และการลดความก้อง (devoicing) ของเสียงพยัญชนะ โดยเสียงพยัญชนะไม่ก้องจะถูกเพิ่มความก้องเมื่อปรากฏหน้าและหลังเสียงพยัญชนะก้อง และเสียงพยัญชนะก้องจะถูกลดความก้องเมื่อปรากฏหน้าและหลังเสียงพยัญชนะไม่ก้อง