Son todos aquellos aspectos físicos que componen la pronunciación de una lengua. Por un lado, están los elementos suprasegmentales, entre los que consideramos, según el PCIC (Instituto Cervantes, 2006), la sílaba, el acento prosódico, el grupo fónico, la velocidad de habla, el ritmo y la entonación. Están directamente vinculados con la comunicación no verbal. Por otro lado, están los elementos segmentales, compuestos por los sonidos vocálicos (vocales, diptongos y triptongos) y por los sonidos consonánticos. Al nivel de la fonología se conocen como fonemas, pero al nivel de la fonética como alófonos; componen la comunicación verbal.
Para desarrollar una adecuada competencia fonológica, se han de combinar ambos elementos. Por ello, el MCER (Consejo de Europa, 2002) en el MCER VC (Consejo de Europa, 2021) divide sus escalas en tres categorías: control fonológico en general (corresponde con la base o disposición articulatoria), articulación de sonidos (corresponde con los elementos segmentales) y rasgos prosódicos (corresponde con los elementos suprasegmentales).
Estos criterios nos sirven también para diferenciar la selección de los contenidos de pronunciación en el plan de enseñanza y fomentar la conciencia lingüística de los contenidos fónicos, es decir, la conciencia fonológica. Establecemos la distinción a nivel pedagógico porque es útil diferenciar las técnicas y estrategias docentes según el tipo de elemento fónico que se trabaja en el aula (Gil, 2007). Por ejemplo, los elementos suprasegmentales están más vinculados con la percepción de un oído musical, ya que el ritmo, la entonación o el acento prosódico dependen de las vibraciones por segundo de las cuerdas vocales. Para adquirir los elementos segmentales, es preciso desarrollar modulaciones vocales del espacio por encima de las cuerdas vocales (cambios en la posición de la lengua, los labios, la úvula, etc.); para ello es muy útil el empleo de cortes sagitales, pares mínimos y distinción de sonidos en contexto.
