Усвоение ребенком последовательности звуков в слове есть результат выработки системы условных связей. Ребенок подражательным путем заимствует определенные звукосочетания (варианты звукопроизнесения) из речи окружающих людей. При этом, осваивая язык как целостную систему знаков, ребенок осваивает звуки сразу как фонемы. К примеру, фонема [р] может произноситься ребенком по-разному — в нормативном варианте, грассирующе, или картаво (велярный и увулярный вариант ротацизма). Но в русском языке эти различия не являются существенными для общения, потому что не ведут к образованию разных по смыслу слов или разных форм слова. Несмотря на то, что ребенок пока не обращает внимания на различные варианты произнесения фонем, он достаточно быстро схватывает существенные признаки звуков своего языка.

По данным ряда исследований, фонематический слух формируется в очень раннем возрасте (119, 174, 192 и др.). Сначала ребенок учится отделять звуки окружающего мира (скрип двери, шум дождя, мяуканье кошки) от звуков обращенной к нему речи. Ребенок активно ищет звуковое обозначение элементов окружающего мира, улавливая их из уст взрослых (192, 242 и др.). Однако он использует заимствованные у взрослых фонетические средства языка «по-своему». Можно предположить, что дети при этом используют свою «строго упорядоченную систему» (139). По наблюдениям американского исследователя детской речи Э. Велтен, ребенок использует свой принцип противопоставления глухих и звонких согласных: в начале слова произносятся только звонкие согласные b и d, а в конце только глухие — tmp. Это значит, что для ребенка на данном этапе развития существует только два класса согласных фонем. Это принцип, которого нет в языке взрослых, но это тоже своего рода «звуковая модель» произнесения слова (347).

Наличие такого рода закономерностей позволяет говорить о том, что ребенок в процессе освоения языка создает собственную промежуточную языковую систему. Впоследствии звонкость (определяемая звучностью голоса) становится контрастным дифференциальным признаком речевого звука, что позволит ребенку удвоить свой запас классов согласных. Ребенок не в состоянии заимствовать такое правило у взрослых. Причина не в том, что ребенок не умеет произносить, скажем, звук [д] — он умеет его произносить, но считает, что этот звук может стоять только в начале слова. Позже данная «система правил» корректируется, и ребенок «доводит» ее до системы языка взрослого (193, 240). Когда речь идет о фонетической стороне речи, ясно, что ребенку даже необязательно уметь произносить звук, чтобы адекватно воспринимать его дифференциальные признаки. Это иллюстрируемся следующим примером диалога взрослого с ребенком: