Un fonema (del griego antiguo φώνημα fónēma 'voz humana, sonido de la voz') es una unidad sonora que puede distinguir una palabra de otra en un lenguaje dado. Es decir, es la articulación mínima de un sonido vocálico o consonántico.^[1]​ Por otra parte, los fonemas son unidades teóricas básicas postuladas para estudiar el nivel fónico-fonológico de una lengua humana. Es decir, un fonema es cada una de las unidades segmentales postuladas para un sistema fonológico que dé cuenta de los sonidos de una lengua.

En los sonidos consonánticos de acuerdo con el punto de articulación podemos encontrar: labiales, labiodentales, coronales, interdentales, dentales, alveolares, postalveolares, retroflejas, palatales, velares, uvulares, faríngeas y glotales. Sin embargo, es difícil encontrar lenguas que usen simultáneamente todos estos puntos de articulación. Respecto al modo de articulación se tienen oclusivas, fricativas, africadas y aproximantes.

Entre los criterios para decidir qué constituye o no un fonema se requiere que exista una función distintiva: son sonidos del habla que permiten distinguir palabras en una lengua.^[1]​ Así, los sonidos [p] y [b] son fonemas del español porque existen palabras como /pata/ y /bata/ que tienen significado distinto y su pronunciación solo difiere en relación con esos dos sonidos (sin embargo, en mandarín los sonidos [p] y [b] son percibidos como variantes posicionales del mismo fonema).

Desde un punto de vista estructural, el fonema pertenece a la lengua, mientras que el sonido pertenece al habla. La palabra <casa>, por ejemplo, consta de cuatro fonemas (/k/, /a/, /s/, /a/). A esta misma palabra también corresponden en el habla, acto concreto, cuatro sonidos, a los que la fonología denominará alófonos, y estos últimos pueden variar según el sujeto que lo pronuncie. La distinción fundamental de los conceptos fonema y alófono, está en que el primero es una huella psíquica de la neutralización (un modelo) del segundo que se efectúa en el habla.