↗Samohlásky (vokály) jsou při běžné řeči hláskami znělými. Při jejich artikulaci je tedy zapotřebí ↗kmitání hlasivek, zajišťující znění lidského hlasu. ↗Základní hlasivkový tón vytvořený kmitáním putuje od hlasivek hltanovou a ústní dutinou a díky nastavení jejich tvaru je modifikován tak, aby byl určující pro samohlásku, kterou mluvčí zamýšlí vyslovit. Zvuk kmitajících hlasivek je bohatý na harmonické složky a nastavení mluvidel některé z nich ztlumí a jiné relativně zesílí. Zesílená frekvenční pásma ve spektru samohlásek se nazývají ↗formanty. Pro rozpoznání samohlásky jsou důležité zejména první dva (počítáno od nižších hodnot frekvencí). Mluvidla nastavená na výslovnost samohlásky způsobují zeslabení a zesílení určitých frekvenčních oblastí i v případě, že zvukovým nosičem není hlasivkový tón, ale šum vytvářený při šeptání. Šeptané (neznělé) samohlásky jsou tedy také vzájemně odlišitelné a zajišťují srozumitelnost tam, kde jsou podmínky pro šeptanou řeč vhodné.

Č. samohláskový systém má v současné době 13 distinktivních prvků (↗fonémů). Jejich hláskové reprezentace vytvářejí pět párů jednoduchých samohlásek a tři dvojhlásky. Samohláskové páry jsou vytvořeny na základě délky. Fyzikálním základem délky je trvání. Při běžné konverzační řeči jsou dlouhé samohlásky zhruba 1,6krát delší než samohlásky krátké. Největší poměr trvání nalézáme u dvojice [a, a:]. Dlouhé [a:] je v průměru 1,8krát delší než [a] krátké. Nejmenší poměr trvání (zhruba 1,25) se vyskytuje u dvojice [i, i:]. Je to proto, že distinkce je udržována nejen délkou, ale i jinou barvou samohláskového zvuku. Specifická barva krátkého českého [i] se někdy zachycuje zvláštním transkripčním znakem: [ɪ]. Při zvláštních způsobech mluvy, jakými jsou např. hlasitá recitace poezie nebo skandování, se poměry trvání mohou měnit.

Přibližné průměrné hodnoty formantů pro č. jednoduché samohlásky jsou uvedeny zde v tabulce. (Jde o hodnoty mužské, uvedené v hertzech a psychoakustické jednotce ERB.)

V běžné konverzaci se formantové hodnoty samohlásek od průměrných hodnot vzdalují, zejména v závislosti na souhláskovém okolí. Formantové hodnoty samohlásek se také liší v různých variantách č. Např. na jižní Moravě jsou přední krátké samohlásky zavřenější (jejich formanty F1 a F2 jsou dále od sebe), v Praze a okolí jsou naopak otevřenější (formanty F1 a F2 jsou blíže u sebe).

U ↗dvojhlásek (diftongů) lze pro č. akustické hodnoty odvodit od samohlásek jednoduchých. Artikulačním východiskem jsou místa samohlásek [a, e, o] a druhou složkou je u všech tří č. dvojhlásek zvuk samohlásky [u]. Diftong [ou̯] je původní, vznikl na česky mluvícím území. Diftongy [au̯, eu̯] byly importovány ve slovech přejatých z jiných jaz. (např. auto, euro). Trvání první a druhé složky diftongu je zhruba vyvážené. Vzhledem k tomu, že zvuk [u] patří k tzv. vysokým neboli zavřeným samohláskám, je druhá složka č. diftongu slabší: má nižší amplitudu než složka první.

Amplitudově ovšem samohlásky v naprosté většině případů vyčnívají nad ostatními souhláskami (vzácnou výjimkou mohou být někdy sonorní souhlásky – viz ↗akustické vlastnosti českých konsonantů). To předurčuje samohlásky k plnění role jádra ↗slabiky.