在音位知觉过程中，听者通过语音信息分析和推测发音器官的动作模式，达到音位识别的目的，并认为言语知觉的神经加工机制存在特异性。支持动作理论的实验证据有：①协同发音补偿。在连续语流中，不同音位之间的快速切换会导致发音器官的动作不到位，听者对由此导致的声学刺激的差异十分敏感。这说明听者能够很好地捕捉到发音器官的微妙变化，这是动作理论成立的前提条件。②麦格克效应（McGurk effect）。观看说话者发音器官的动作会影响言语信号的加工，说明动作信息可能会直接投射到音位表征。③不同声学线索之间存在替换关系（trading relations）。M.F.多尔曼（M. F. Dorman，美国）等人最早揭示了爆破音和共振峰转移之间此消彼长的关系，证明这两种线索都能单独预测位于音节开头的辅音的发音位置。不同线索的功能相似性可能是由于它们都由同一个发音动作产生。④双重知觉现象（duplex perception）。将某个声音刺激分成几部分，然后通过双耳同时呈现给被试，可以知觉到两个不同的声音。例如，将/ba//da//ga/三个合成音节分成两部分，一部分包含第一共振峰，另一部分包含第二和第三共振峰转移（区分辅音的主要线索）。当两部分刺激分别在左右耳中同时呈现时，被试除了听到原本的音节之外，还听到共振峰产生的鸣叫声。研究者们认为，知觉系统中存在两条通路，分别支持言语和非言语声音刺激的加工。

认知神经科学研究为这一观点提供了有力的支持证据。L.法迪加（L. Fadiga，意大利，1961～ ）等人在2002年的研究中采用穿颅磁刺激（transcranial magnetic stimulation，简称TMS）记录了相关运动皮层在言语知觉过程中的脑电活动。他们给被试听觉呈现包含“rr”或“ff”的意大利语单词和假词。其中“rr”是舌面音，需要调动舌部肌肉；“ff”是唇齿音，舌部运动相对较少。实验结果表明，不论是真词还是假词，包含“rr”的刺激都会在负责舌部肌肉的运动皮层诱发更大的动作诱发电势（motor-evoked potentials，简称MEP）。