A voz humana é produzida na laringe por uma estrutura semelhante a um lábio, denominada pregas vocais verdadeiras. Estas são pregas flexíveis, formadas de músculo e ligamento. Quando submetidas à pressão de ar vinda dos pulmões, as pregas vocais abrem-se e fecham-se rapidamente, criando pequenos sopros ou pulsações.
As pulsações emitidas através da abertura entre as pregas vocais (glote), colocam em vibração uma coluna de ar acima da laringe.
O tom laríngeo é seletivamente ampliado e modulado na garganta, boca e nariz. Este processo de "filtragem" é chamado ressonância.
Para emitir corretamente a voz, é necessária uma colocação correta da respiração, sem tensão ou relaxação das pregas vocais. Estas devem ter uma tonicidade "ideal" para que sua movimentação ocorra normalmente.
A respiração deverá ter uma coordenação entre inspiração e expiração, coordenação fono-respiratória, diretividade do sopro expiratório, movimentos livres da musculatura da região torácica e do músculo diafragmático. O tipo de respiração ideal é o costal diafragmático, pois este provoca o alargamento da base dos pulmões, permitindo maior entrada de ar e menor contração da musculatura torácica, pescoço e parte inferior da face (mandíbula e língua).

A voz é o resultado da integração de várias estruturas

Estruturas responsáveis pelo mecanismo da voz e da fala