Az újszülötteknek nemcsak a beszéd felismerésére és a nyelvek megkülönböztetésére vannak igen kifinomult képességeik, hanem a nyelv kisebb egységeinek, így a mondatoknak, szavaknak és a fonémáknak az észlelésére is (Gervain–Mehler 2010). Születéskor képesek a világ nyelveinek majdnem összes hangját megkülönböztetni egymástól, s akárcsak a felnőttek, az újszülöttek és a csecsemők is jobbak két eltérő fonéma megkülönböztetésében, mint egy adott fonéma két különböző változatának elkülönítésében, még akkor is, ha a hangpárok között mindkét esetben ugyanakkora a fizikai-akusztikus különbség (Dehaene-Lambertz– Dehaene 1994; Eimas et al. 1971; Werker–Lalonde 1988). Emellett felismerik a szóhatárokat jelző akusztikus jegyeket, így meg tudnak különböztetni egymástól két, a fonémák szintjén azonos hangsort (pl. mati), ha az egyik egy szó belsejéből (pl. mathématicien ’matematikus’ franciául), a másik két szó határáról (panorama typique ’jellegzetes látkép’ franciául) van kivágva. Ez nagyban hozzásegítheti az újszülötteket ahhoz, hogy a folyamatos hangzó beszédet kisebb egységekre, szavakra tudják tagolni. Hasonlóan fontos képesség a szóhangsúly percepciója – ez is a beszéd tagolásában, szegmentálásában játszhat nagy szerepet már a kezdetekkor. Az újszülöttek erre is képesek (Sansavini et al. 1997): meg tudnak különböztetni egymástól olyan szólistákat, amelyekben a szavak a hangsúly helyében különböznek, függetlenül a szavak szótagszámától és fonémaösszetételétől. (A magyarban a szóhangsúly mindig állandó helyen, a szó első szótagján van, így a magyarban nincs ilyen különbség a szavak között. De a fenti kísérletben használt olasz nyelvben a hangsúly helye szavanként változik, és olykor még jelentésmegkülönböztető szerepe is lehet: pl. papà ’apa, apu’ vs. papa ’pápa’). Az újszülöttek a szavak hangalakját arra is fel tudják használni, hogy elkülönítsék egymástól a tartalmas szavakat (főnevek, igék, melléknevek stb.), amelyek fonológiailag testesek, és a funkciószavakat (névelők, névutók, névmások, igekötők stb.), amelyek fonológiailag minimálisak (Shi et al. 1999) – ez azt teszi lehetővé számukra, hogy a későbbiekben a hallott nyelvi ingereket a nyelvtan szempontjából releváns egységekre tudják bontani, és a mondatok szerkezetét fel tudják fedezni.