La sillaba è un complesso di suoni che si pronuncia unito con una sola emissione di voce. L'unità prosodica della sillaba è presente nelle realizzazioni foniche di ogni lingua, e il fatto che i parlanti sappiano sillabare con naturalezza nelle proprie lingue dimostra che la sillaba è un elemento del linguaggio implicito nella coscienza linguistica di ogni parlante.
È formata da tre o più elementi: un attacco (o incipit; onset in inglese), un nucleo e una coda. Nucleo e coda sono in genere riuniti in un'ulteriore unità prosodica detta "rima". Il nucleo è l'unica parte obbligatoria; possono costituire nucleo sillabico le vocali, i dittonghi, e, in alcune lingue, le consonanti sonoranti (liquide, come [r] e [l], o nasali, come [m] o [n]).
Normalmente, la sillaba e le sue componenti sono indicate con lettere dell'alfabeto greco: σ indica l'intera sillaba, ν il nucleo, κ la coda, ω l'attacco. Nucleo e coda formano la rima (ρ). Il termine "testa", a seconda delle varie scuole, è sinonimo di "attacco" o di "nucleo". Una sillaba è detta "aperta" o "libera" quando termina per vocale, "chiusa" o "implicata" quando termina per consonante.
La sillaba tonica, quella su cui cade l'accento o sulla quale deve essere appoggiata la voce per una corretta pronuncia, caratterizza la parola stessa, infatti abbiamo parole tronche quando la sillaba tonica è l'ultima, piane quando la sillaba tonica è la penultima, sdrucciole quando la sillaba tonica è la terzultima, bisdrucciole quando la sillaba tonica è la quartultima. Nella lingua italiana abbiamo in prevalenza parole piane.
La sillaba protonica è quella che precede la sillaba tonica.