Foneme nisu ništa drugo do glasovi koje vidimo i osećamo. Recimo, ne izgovaramo ni K isto u rečima
kiša i
kuća, ni N ne govorimo isto u rečima
banana i
banka, ni L u rečima
lice i
olovka, ni E ne izgovaramo isto u rečima
tema i
tekst (ne računajući pri tome i različit akcenat) itd., već se radi o različitim glasovima. Međutim, to su glasovi koje srpski govornik ne vidi i ne oseća kao različite, iako ih izgovara. On zapravo vidi i oseća samo jedno K, jedno N, jedno L, jedno E, u svim tim rečima, i zato su to foneme u srpskom jeziku, a ovi različiti glasovi nisu, već ih zovemo alofonima, glasovima koji se izgovaraju i uvek postoje tu gde jesu kao i foneme, ali se ne osećaju kao foneme u svesti govornika, već kao varijante fonema. Francuz ili Slovenac će primetiti razliku između dva E, i zato su oba foneme u njihovim jezicima, Englez će videti razliku između dva N, i on ima oba glasa kao foneme u engleskome itd., ali u srpskom to su samo alofoni, a ne foneme, jer ih za razliku od Francuza, Slovenaca, Engleza mi ne vidimo i ne osećamo.
Mi nemamo šva nigde drugde osim u kombinaciji sa R. (U nekim bosanskim dijalektima, možda će doći i kao rezultat redukcije vokala, gde će uostalom biti i „slogotvornih“ N i L, zapravo N i L u kombinaciji sa redukovanim šva — ali i to alofonski.) Dakle, nemamo šva kao pravi, samostalan samoglasnik, kao što imamo A, E, I, O i U, već ga izgovaramo samo između R i drugog suglasnika, odnosno u novijim rečima i između N i L i drugog suglasnika. Zato ga i ne vidimo i ne osećamo kao fonemu, već jedino što zaista vidimo jesu R i suglasnici oko njega. Zato se, fonemski, tu radi o slogotvornom R, ali fonetski, njega zapravo izgovaramo sa šva, ali ga ne osećamo i ne primećujemo kao fonemu, jer se jedino tu javlja, ispred ili iza R.
Ali u bugarskom, recimo, oni izgovaraju šva jednako kao mi, u slogu sa R i L (npr. l’žica, B’lgarija, S’rbija), ali kod njih se ne kaže da su R i L slogotvorni kao kod nas, jer oni vide i osećaju šva u jeziku, i imaju šva kao fonemu i drugde van tih spojeva sa R i L, i slovo za nju (debelo jer). Oni izgovaraju l-ə-ž-i-c-a, glasovno jednako kao što mi govorimo b-i-c-i-k-əl (ali ne i fonemski jednako), i pišu l’žica, sa slovom za šva, i vide šva kada rastavljaju tu reč glas po glas. A mi pak pišemo b-i-c-i-k-l, i ne vidimo šva jer ga inače nemamo kao pravi samoglasnik, već samo tu, i vidimo samo -k-l, iako govorimo fonetski k-əl, pa i zato kažemo da je tu L slogotvorno, jer samo njega osećamo i vidimo kao fonemu.
Tako da se ovde zapravo sasvim poštuje princip „jedno slovo — jedan glas“ (tj. fonema)! Trideset slova imamo, pa trideset fonema i vidimo i osećamo u jeziku, i opisujemo u gramatikama (i obratno, trideset fonema imamo u jeziku, i trideset slova u azbuci — Vuk je imao neverovatan sluh za fonologiju; on je prepoznao tačno svih trideset fonema u govoru i na osnovu toga reformisao azbuku), a sve ostalo što izgovaramo nisu foneme, već alofoni, jer ih ne osećamo kao punopravne glasove niti ih predstavljamo slovima, niti imamo potrebu za time, ne primećujemo ih kao različite od drugih alofonskih realizacija te foneme itd., već spadaju u nekakav, kao, sekundaran izgovor.
