Minden akusztikai jelenségnek van időtartama. A beszédre jellemző időtényezőket két csoportba oszthatjuk. Az egyikbe tartoznak a fizikai tényezők (a beszédhangok belső időszerkezete és a fizikai hangidőtartamuk), a másikba a nyelviek, vagyis a fonológiai rövid-hosszú szembenállás és a hangok közötti időtartam arányok (specifikus hangidőtartamok), amelyek az artikulációs mozgásokból adódnak. Egy beszédhang fizikai időtartamát a hangkörnyezete is befolyásolja. A hangok fizikai időtartama a hang kezdetétől a végéig tartó idő értéke, beleértve a hangátmeneti szakaszt is, amikor a hangképzés során az egyik beszédhangból a másikba megy át a kiejtés. A beszédhangok időtartamai függnek a beszélőtől is (gyors beszédű, vagy lassú). A közölt adatok 13 hang/s átlagos artikulációs sebességre vonatkoznak.
