Ahogyan a csecsemő egyre többet megtud anyanyelve hangrendszeréről, úgy válik számára egyre könnyebbé a szóalakok megtanulása is. A legújabb kutatások eredményei szerint a kisbabák már 6–9 hónapos kor között felismernek és megértenek kb. egy tucat gyakran hallott szót, például baba, labda, kéz, pohár stb. (Tincoff–Jusczyk, 1999; Bergelson–Swingley, 2012). Ez a feladat azonban egyáltalán nem egyszerű. A csecsemőknek két igen nehéz problémát is meg kell oldaniuk: a folyamatos, szegmentálatlan beszédből ki kell szűrniük a lehetséges szóalakokat, és azokat hozzá kell illeszteniük a jelentésükhöz. A beszéd az írott szöveggel ellentétben nem tagolódik egyértelműen szavakra: a szavak gyakran egymásba érnek, összeolvadnak, illetve az is előfordul, hogy egy szó közepén szünet van. Ez a felnőtt beszélőknek semmiféle problémát nem okoz, hiszen már ismerik a szavakat, így a folyamatos beszédet könnyedén elemeire bontják. De a fiatal csecsemők még nem támaszkodhatnak szókincsükre. Hogyan tudják akkor a beszédet szavakra bontani? Ez a kérdés az elmúlt 20 évben igen sok figyelmet kapott. Az eredmények azt mutatják, hogy többféle mechanizmus játszik szerepet. A mechanizmusok egy része statisztikai alapú (Saffran–Aslin–Newport, 1996). A hangok és szótagok együttjárási gyakorisága és a közöttük lévő átmenet-valószínűség, vagyis annak a valószínűsége, hogy például a szi szótagot a vár, azt pedig a vány, követi (mint a szivárvány szóban), magas olyan hangok és szótagok esetében, amelyek egy szón belül fordulnak elő, viszont alacsonyabb a szóhatárokon átívelő hang- vagy szótagpárok esetében (Gervain–Guevara, 2012). Az átmenet-valószínűségekre való érzékenység tehát hatékony stratégia a szóhatárok azonosításában, mivel az alacsony valószínűségek határt jeleznek. És valóban, már 8 hónapos csecsemők is képesek folyamatos mesterséges beszédfolyamból a szavakat ezen statisztikai információk alapján kivonni (Saffran–Aslin–Newport, 1996). E statisztikai alapú stratégiák mellett fejlődésük során a csecsemők azután egyre inkább olyan mechanizmusokra is támaszkodnak szegmentáláskor, amelyek anyanyelvük hangrendszerének egyre jobb ismeretére épülnek, például a nyelv fonotaktikai vagy szóhangsúlybeli sajátosságaira (Mattys–Jusczyk, 2001; Jusczyk, 1997).