口音是我们说话听起来是什么样的。在婴儿说出第一个字之前，它就已经听到了太多周围大人们的对话，潜移默化地成为自己的“语言储备”。在六个月的时候，婴儿就已经能够区分语音的区别，在听人说话的时候，孩子也会更专注于自己熟悉的口音，而忽略不同于自己口音的声音变化。在本地化的语言环境中，小朋友会默默把这些语音语调的区别记在心里，并为之后说出第一句话做好准备。
当第一个字脱口而出的时候，已经具有了独特的、本地化的鼻音或轻音。
比如在日语中，“r”和“l”的发音很难区别，而对美国和日本婴儿的测试发现，6个月的时候，美国和日本婴儿都可以明确区分“r”和“l”的发音，但是到一岁的时候，日本婴儿就已经不能区分这两者了。不少人在说外语的时候经常带着“歪果仁”的腔调。外国口音往往是因为不同语言的语言习惯和发言规则有所不同，人们就会用自己语言中类似的语音语调或者说话习惯所代替，但这在母语者听起来是错误的，或者是“外来的”。
研究指出，“口音”和“可懂性”是两个不同的维度。有时候口音太重会让我们“听不懂”，但多数时候还是可以进行有效交流。人们可以根据上下文的情景和其他的非语言线索，比如面部表情和肢体动作来辅助沟通，虽然不一定能够复述对方说的一字一句，但并不会妨碍相互理解。还有研究发现，对于“有口音”的理解能力，也跟我们的语言经验有关：接触过多口音的人，更容易适应新的口音。
虽然“乡音难改”，但也有不少人为了摆脱因为口音带来的“标签”而改变口音。口音可以强化刻板印象，浓重的“乡下”口音就更容易跟较低的文化水平、粗鲁等负面刻板印象相关联。在萧伯纳的小说《卖花女》中，语言学家就用很短的时间把乡下姑娘的口音改造成了上流名媛。
而当外表和口音不符的时候也会带来不一样的感受，在不少喜剧中会拿这种反差作为戏剧桥段，就像如果一位时尚先锋张口就“土的掉渣”，视觉和听觉信息的冲突就能制造出喜剧效果。
说到口音与文化象征，中国古人就经常把乡音和社会身份联系在一起，比如方孝孺就有“任教东住复西住，不改乡音与梵音”。
现在的研究发现，作为一个鲜明的外显社会类别标志，口音对个人社会身份认同也有显著影响，而改变口音也会改变自己的身份认同甚至思维方式（比如双语被试在中国口音的影响下，会更倾向于集体主义思维）。虽然上帝因为“巴别塔”让人们说起不同的语言而互不理解，但既然口音不妨碍沟通与交流，丰富文化多样性倒也是让这个世界更有趣。