音素は、その言語で語の意味を区別する働きをもつ音の最小単位（/N/ /t/ /h/ のようにスラッシュで囲む）。異音は、一つの音素が環境に応じて具体的に実現した音声（[m][n][ŋ] のように角括弧で囲む）。母語話者は異音の違いを「同じ音」として聞いている。
代表例が撥音 /N/ で、「さんぽ」では [m]、「さんだい」では [n]、「さんか」では [ŋ] と変わるが、日本語ではこの違いで別の語にはならない。/h/ が「は」[h]・「ひ」[ç]・「ふ」[ɸ]、/t/ が「た」[t]・「ち」[tɕ]・「つ」[ts] と変わるのも同じ関係である。
異音は現れる環境が重ならない相補分布をなす。英語では [l] と [r] が意味を区別する別々の音素だが、日本語では一つの音素の枠に収まる — 学習者の音の聞き分けの困難は、母語の音素体系というフィルターの問題として説明される。