第一转换，空气中的声波必须在耳蜗中转换为流动波。既声波沿着通道到达鼓膜。声波压力的变化使鼓膜运动。鼓膜将这一振动从外耳转移到中耳，包括三块小骨头的耳室：锤骨、砧骨和镫骨。从鼓膜到系列小骨组成的初级听觉器官，存在于内耳之中的耳蜗（振动）。
第二转换，流动波导致基底膜的机械振动（海浪波）。耳蜗是充满液体的螺旋管，其中基底膜位于中央并贯穿始终。当镫骨振动位于耳蜗底部的卵圆窗时，耳蜗中的液体使得基膜以波浪的方式运动。
第三转换，这些转换必须转换成电脉冲。基底膜的波浪形运动使得与基底膜相连的毛细胞弯曲。这些毛细胞是听觉系统的感受细胞，当毛细胞弯曲时，它们刺激神经末梢，将基底膜的物理振动转换为神经活动。
第四转换，它发生在整个听觉功能系统。神经冲动通过一捆被称作听神经的纤维离开耳蜗。这些神经纤维与脑干的耳蜗核相遇。就像视觉系统的神经交叉一样，从一只耳朵来的刺激传递到两侧的大脑。听觉信号在到达位于大脑半球颞叶听皮层的通路上要经过一系列的神经核团。在听皮层开始对这些信号进行更高水平的加工。
然而，数以千万的人承受各种形式的听觉障碍，因为听皮层损伤可产生神经机制的损伤（神经性耳聋）。
（2）音调知觉理论
运动语言到不了的地方，音乐语言可以到达。为了解释听觉系统是怎样将声波转换为音调的，科学家提出了＂地点说与频率说＂两个截然不同的理论。
地点说：1800年由赫尔姆霍提出。后经贝克西修正荣获1961年诺贝尔奖。地点说认为，音调的知觉取决于基底膜上发生最大刺激的具体位置。
频率说：通过基底膜振动的频率来解释音调。单个神经元不可能有足够的放电速度来征服高音调的声音，这一局限可以通过齐射原理所克服。它是一些神经元通过联合的活动形式，或者称为齐射，在刺激音调为2000Hz、3000Hz乃至更高频率的时候放电（Wever，1949）。
地点说可以很好地解释1000Hz以上的音调知觉。频率说能解释低于5000Hz的频率的声音编码。
不同理论可以解释一个复杂的感觉任务的不同部分。相对于每个单独的理论，两种理论联合使用可以提供更精确的感觉。
（3）声音定位
蝙蝠无法使用视觉在洞穴中定位物体。然而，它使用回音定位法－他们发出的高音调声波试探物体。有种蝙蝠可以区分相距仅0.3毫米的两个物体（Simmonsetal．，1998）。
尽管人类缺乏这样特殊的能力，但高水平运动员却有一定的隐性传球能力，他可以运用声音来判定球或队友的空间位置，特别有时根本无法看到球与队友。科学研究认为这类事情是通过两种机制来实现的：对到达每只耳朵的声音相对时间和相对强度的测量（Middlebrooks&Gree，1991；phillips，1993）。
第一种机制，是神经元通过比较进入每只耳朵声音的时间差，它会在两耳之间产生特定时间延迟的时候特异性地放电。大脑运用这种到达时间的不对称性信息，来对空间中的声音源做出精确的估计。
第二种机制依赖以下原理：首先到达耳朵的声音其强度会稍高一些－因为你的头本身投射出一个声影，使信号变弱。这些强度差取决于相对头而言的音调波长的相对大小。实实上，波长大、频率低的声音难以表现出强度差异，而波长小、高频率的声音则表现出可测的强度差异。当声音到达两只耳朵时，大脑再次利用特异性细胞来探测强度差异。
但是，当一个声音既没有时间差异也没有产生强度差异，你不能辨别它的具体位置时，你会通过转动头－改变耳朵的位置－来打破这种对称以便提供声音定位的必要信息。
体育运动中声音定位广泛存在。依声音理论，我们必须在训练中同时为＂频率与地点＂两种神经系统提供稳定的工作环境，又要适时通过＂位置与强度＂的变化来进化自己的回音定位，来为人生导航。