具體內容
言語知覺的聽覺理論認為知覺不是言語運動的產物，而是聽覺系統對各種聲音信號進行自動解碼，對說話人有意發出音素的規則序列發生知覺的過程。言語知覺並不是人類特有的現象，許多的動物的聽覺系統與人類聽覺系統十分相似，動物也可以具有相似的言語聽覺機制。
該理論還認為，言語知覺不是先天的，雖然嬰兒的聽覺系統已經十分發達，但嬰兒早期必須經過學習和作業後，才能獲得言語感知能力 。
相關理論
與言語知覺聽覺理論的相關的還有言語知覺運動理論
在利伯曼與馬丁利提出的運動理論中，其基礎的觀點可以歸為三點。
（1）言語知覺系統和發音的言語運動系統之間是緊密聯繫的。因此人在聽音素和詞（元音和輔音音節）時，本身的發音運動系統也在不自覺地默默地進行發音運動。
（2）言語知覺時人類特有的，因為只有人類才具有出生以後經過長期學習所累積的語言知識。
（3）言語知覺能力是人類先天所具備的，因為人類生來就具備言語發生和言語知覺相互連線在一起的機能系統。視覺信息參與言語知覺的實驗事實，對言語知覺運動理論提供了有力的支持，因為視覺信息可以幫助人們掌握髮音時的口、唇、舌等運動狀態，便於人們默默地重複這些發音動作，提高言語知覺的正確率。
理論支持
在“p”“b”等輔音音素的研究中，將輔音釋放到聲道出現振動之間的時差，叫做嗓音發生時（VOT），對於區別有聲輔音與無聲輔音具有重要價值。“ba”音的VOT為25ms以下時，知覺為有聲輔音，VOT大於25ms時，知覺為無聲輔音。在“ba”和“pa”兩因素VOT的研究中發現許多事實，對兩種言語知覺理論從不同方面提供了支持。
關於言語知覺是否是人類特有的的問題，VOT研究對言語知覺的聽覺理論提供了大力的支持，而不利於言語知覺的運動理論。而在新生兒與成年人一樣對音素鑑別的VOT邊界效應發生在20ms與40ms，證明言語知覺能力天生就有，這對言語知覺的運動理論有利。
