Es el conjunto de sonidos o fonemas que emitimos cuando pronunciamos una palabra. Estos se ordenan de manera sucesiva, agrupados en torno al segmento de máxima sonoridad. Según la definición de la RAE: es una unidad estructural que actúa como principio organizador de la lengua.
La palabra puede contener sílabas unicas (vocablo monosilábico), por ejemplo la palabra pan. En ella, la vocal a constituye el pico de la sonoridad máxima y las consonantes p y n son los márgenes consonánticos anterior y posterior del núcleo silábico.
Cada núcleo de máxima sonoridad identifica una sílaba. Por esto, en el ejemplo anterior, a que representa la máxima sonoridad, es una sola sílaba.
La palabra león, es bisílaba, quiere decir que esta formada por dos sílabas. En esta, la maxima sonoridad se encuentra en ón y le pasa a ser un margen consonántico anterior.
En la sílaba existe un principio de organización fundamental: es formada por vocales o consonantes. Las vocales pueden constituir sílabas en si mismas, mientras que las consonantes no; estas deben estar acompañadas de una vocal para formar una sílaba.
