Perfetti&Tan（1998）在实验中采用启动命名的实验范式发现语音的激活发生在语义激活之前。在实验中启动词与目标词之间的刺激不同步呈现的时间间隔分别为43毫秒、57毫秒、85毫秒以及115毫秒。两者之间的关系或者形近（如何—向），或者音同（如其—齐），或者语义相关（如究—查）。同时语义相关词对又包括语义较模糊词（如态）和语义较精确词（如迟）。实验的结果表明形似的促进效应发生在较短的SOA上（43毫秒），而在长的SOA上（57—85毫秒）则产生了抑制效应，当SOA为115毫秒时，没有主效应。同音启动效应从57毫秒开始出现，一直持续到115毫秒。语义较精确的启动效应发生在SOA等于85毫秒时，而语义模糊词的启动效应则在SOA为115毫秒时才出现。Perfetti认为这个研究大致上分出了汉字三要素的时间加工进程，汉语词汇识别的时间进程模式大致为形音义。同时研究的结果也说明，语义类型（语义精确的词与语义模糊的词）可能会影响语义进达的时间，一般来讲，语义较为精确的词的通达要快于语义模糊的词的通达。
Tanetal.（1995，1996）在实验中也发现不同语义类型的词的加工速度不同。研究采用后向掩蔽任务。实验的结果表明当目标词与掩蔽词的呈现时间分别为50毫秒和30毫秒时只得到了形似掩蔽效应；而当呈现时间分别延长至60毫秒和40毫秒时，则得到了形似和同音的启动效应，但是这种启动效应仅出现在高频词中。而事后的进一步的分析发现当高频词语义较为精确时，义近掩蔽词对目标词的识别产生了促进效应；当高频目标词的语义较为模糊时则没有这种促进效应。实验结果说明高频的语义模糊词，其语音的激活要早于语义的激活；高频语义精确的词，其音、义的加工在时间上无法区分开。
与上述的研究结果相反，Zhou&MarslenWilson（2000a）的研究得出的结论为，语音的激活发生在语义激活之后，最多与语义加工同步进行，不会快于语义加工。实验采用了视—视启动词汇判断任务。启动刺激包括语义启动和同音启动，启动词与目标词之间的SOA分别是57毫秒或者200毫秒。实验一采用双字词作为刺激材料，结果在两个时间点上均发现了语义启动效应，而语音启动效应（无论是完全同音，还是音段相同、音调不同的部分同音）则没有发生。实验二考察了单字词的加工情况。结果同样在57毫秒和200毫秒得到了语义启动，而只在长的时间点上（SOA为200毫秒）发现了微弱的语音启动效应。总的来看，实验结果不支持Perfetti&Tan（1998）等人的实验结果，在Zhou&MarslenWilson（2000a）的研究中，语义的激活要么早于语音的激活（如在词汇判断任务中），要么不晚于语音的激活（在命名任务中）。因此作者认为，汉语的语义似乎以交互作用的方式被激活了，正字法和语音在其中都起到了作用，但是正字法的作用要更大一些。
关于汉语形、音、义的加工时间进程的研究一般认为，汉语的加工始于正字法信息的提取和加工，而音和义的加工落后于字形的加工。这一点与拼音文字的研究所得的结果不同，例如Perfetti&Bell（1991）提出在拼音文字的词汇加工中语音和字形的加工可以同时进行。这种对比可能是由于在汉语中汉字的正字法单元笔画与音素之间没有规则的对应关系，因此形、音加工不会发生在同一个阶段，语音的加工一般落后于字形的加工。而对于音与义两个要素的加工时间进程，已有的研究（Perfetti&Tan，1998；Zhou&MarslenWilson，2000a）则得出了相互矛盾的结论。一种观点（Perfetti&Tan，1998）认为，语音的加工一般早于语义的加工；另一种观点（Zhou&MarslenWilson，2000a）则认为，语义的加工要早于语音的加工，至少不晚于语音的加工。
对汉语形、音、义加工时间进程的研究试图从侧面考察语音在语义激活中的作用，但是这两者并不能互为因果关系，即使语音的激活发生在语义激活之前，也不能必然地推论出语义的通达是以语音为中介的，有可能字形的激活发生得也很早，但是语义的通达仍然主要依赖于字形信息，语音只是起到保持和储存信息的作用。
五来自临床和脑科学方面的研究
大脑半球优势功能的研究从生理心理学的角度提供了一些证据。胡碧媛等（1989）在报告中指出，11到16岁的儿童青少年对汉字的辨认呈现出大脑的两半球优势；而小一些年龄组（7到10岁）的儿童对汉字的辨认与使用拼音文字的读者相同，都显示出左半脑优势。因此作者认为人类对语言的掌握都是先掌握口头语言，而后才是书面语言；汉字加工的两半球优势表明大脑对它们的信息处理一方面需要有如同拼音文字的认知一样的语音转录（当然这种语音转录是通过方块字形与字音之间形成的机械记忆，逐渐达到了形、音、义联系的自动化）；另一方面由于汉字是很强的方块图形，使得人们在汉字认知的过程中对“形”的依赖性很大。因此汉字词的辨认是大脑两半球协同作用的结果。
然而王乃怡（1990）认为语音在汉字识别过程中占据了重要的地位。实验采用速视的方法在单侧视野呈现单字词和双侧视野呈现单字词的条件下，比较了听力正常的被试者和聋人被试者在汉字识别时大脑两半球机能的非对称性问题。实验结果发现听力正常的被试者表现为右侧视野（左侧大脑半球）的优势效应，这表明正常被试者对表意文字的识别也像拼音文字（英语）的识别一样是以左侧大脑半球的功能为主，而聋人被试者则表现为左侧视野（右侧大脑半球）的优势效应，其右侧大脑半球的功能与正常被试者相比几乎相同，而左侧大脑半球的功能明显降低。这说明言语知觉的缺失严重阻碍了以语音为中介的左侧大脑半球功能的正常发展。
胡超群（1989）则认为，汉字的识别主要是基于字形的信息。研究者对7例脑损伤阅读障碍病人的阅读行为进行了分析，并且对阅读过程中汉字（词）的三要素：形、音、义的整合途径作了推测。实验发现反映字形与字义联系程度的词—图匹配任务的测试结果要好于反映字形与字音联系程度的字词朗读任务的测试结果，据此推测汉字词的形、音、义的整合很可能是以字形的视觉感知为基础，然后分别与字形、字音建立单独的联系，并且它们有着各自的神经传输路径和结构基础。7例病人的词—图匹配测试成绩优于字词朗读成绩说明了字形和字义的联系强于字形和字音的联系。其中的原因可能在于汉字是表意文字往往都能见形而知其义，字形和字义的结合具有一定的逻辑关系，而字形与字音的结合可以看作是随意性较强，点对点的关系，从字形转换成字音基本上属于一种机械的非逻辑记忆，因此前者的联结要比后者更为稳固。
对汉语声调与词汇识别的研究
一汉语声调的特点
不论在拼音文字还是在汉语中，语音体系一般包含两部分的信息，音段信息和超音段信息。音段信息是指元音、辅音，或者声母、韵母，而超音段信息是指语调、声调等信息。重音与声调都属于语音的韵律特征，在英语中也有词利用重音信息来区分词义，例如Foreman（大写表示该音节重读），当词重音在第一个音节时词的意义为“前臂”；当重音在第二个音节时，foreArm的意义为“武装”。但是已有研究（Cutler，1986）表明这类词的重读信息在词汇通达前不被利用。与拼音文字不同的是，汉语音系中声调与声母、韵母一样都具有区分词义的作用，音段相同，声调不同，词的意义也不同（如mā，má，mǎ，mà）。
二对词汇加工中声调信息作用的研究
汉语中对声调加工的研究还较为鲜见，到目前为止主要集中在两个方面，对声调信息的知觉和对心理词典内部声调信息的自动激活（杨玉芳，1991；Cutler&Chen，1997；Fox&Unkefer，1985；Tsang&Hoosain，1979；Zhou，2000b）。
杨玉芳（1991）在研究中指出，声调信息的加工过程不同于切分信息（元音和辅音）的加工过程。一般认为在加工语音信号时右耳对言语信号的反应时间比较短，辨别精度也比较高，这种右耳优势实际体现了左半脑对于语言加工的优势。杨玉芳（1991）在汉语辅音辨别研究中也得到了右耳优势效应，但是在对声调的辨别研究中，却没有发现这种优势效应，左耳和右耳对于声调的识别精度无显著差异。陈卓铭等（1999）在临床研究中也发现大脑两半球对声调的知觉均有控制作用，其原因可能在于声调既是一种语言学信号又有音乐的特点，具有两重性。而大脑左半球管理语言信号，右半球管理非语言信号，如音乐、旋律等，因此声调的感知可能需要左、右半球同时参与。
关于声调是否也参与早期词汇加工的问题，目前的研究结果发现，声调较之音段（音素）信息，加工困难较大，加工所需的时间较长，在较短的时间内无法得到完全充分的加工（Cutler&Chen，1997；Taft&Chen，1992；Tsang&Hoosain，1979）。
在Tsang&Hoosain（1979）对广东话声调的研究中，首先以听觉的方式呈现一个句子，然后再给被试者以视觉的方式呈现三个探测句子，探测句子与刺激句子只在一个字上有语音的差别，或者是元音差异，或者是声调差异（实验材料举例，听觉呈现的句子：他们早（zǎo）上去打球；探测句子：他们走（zǒu）上去打球；他们遭（zāo）上去打球）。实验任务要求被试者判断后面听到的两个句子是否与前面听到的句子一致。结果发现被试者对只有元音差异的句子判断的正确率远远高于包含有声调差异的句子。
Taft&Chen（1992）要求被试者对视觉呈现的汉字进行同音判断，实验材料如同音字对（保—饱）、音段相同、声调不同（曲—去）、元音不同（气—去）、以及控制字对（年—去）。结果发现当字对之间只在声调上有差异时，比在元音上有差异时错误率更高，或者做出正确反应的潜伏期更长。
Culter&Chen（1997）要求被试者对听觉呈现的双字词进行词汇判断任务。假词由通过改变双字词第二个音节的辅音、元音、声调、辅音加元音、辅音加声调、元音加声调、以及辅音加元音加声调形成。实验结果发现当假词与正确词只有声调上的差异时，被试者做出判断的反应时间长并且错误（错误的“是”反应）率也高。较能说明问题的是错误率，错误的“是”反应是指被试者对两个本来有差异的音节作出没有差异的判断，这说明被试者对声调信息没有加工或者没有进行充分的加工。
Zhou（2000b）用听觉—视觉启动的词汇判断任务探讨了改变声调对词汇加工的影响，实验中把同音但不同调的真词分别作为启动词和目标词（如“传统”启动“串通”），结果发现了显著的抑制作用，但是这种抑制效应只在较长的SOA中得到（SOA为357毫秒），而在较短的时间点上（SOA为100毫秒）同音不同调的启动词虽然对目标词的加工有延迟的作用，但是没有达到统计上的显著。作者认为这是因为随着SOA的延长，启动词（例如“传统”chuántǒng）的语音表征，包括声调信息，都得到充分的激活，而当目标词（如“串通”chuàntōng）被呈现时它的视觉输入也激活了其语音表征，这两个语音表征音段相同，超音段信息（音段）不同，因此在命名时会形成相互竞争的关系，这种竞争将会延长对目标词的加工时间。
Xuetal.（1999）在实验中主要考察了当目标词与启动词均为视觉呈现时，声调在词汇识别中的作用。实验采用需要深层信息（语义）参与的同义判断任务。探测词为语义相关词（如隐—匿）的同音词（逆）或者声调不同的词（如霓）。启动词与目标词的呈现时间均为500毫秒。结果发现完全同音的词，对被试者作出同义判断产生了干扰效应，而声调不同、音段相同的词则没有产生干扰效应。这表明“霓”的语音表征被激活了，其中也包含了声调信息，由于与语义相关词“逆”的声调不同，因此无法以自动扩散的方式激活“逆”的语音表征，也就不能影射到“逆”的语义表征上面，因此无法形成同音干扰效应。同样，张积家、王惠萍（2001）在命名任务中也发现汉字形声字的命名存在着“声调效应”，声旁与整字的声调关系对命名有重要的影响。当声旁与整字声调相同时被试者对整字的反应快，当声旁与整字声调相异时被试者对整字的反应会比较慢，并且这种效应不受字频的影响。这些研究说明声调信息与声母和韵母信息一样，都是汉语词汇加工中被激活的语音表征的一个重要组成部分。
以上的研究（Culter&Chen，1997；Taft&Chen1992；Tsang&Hoosain，1979；Zhou，2000b）发现，声调信息作为语音表征的一个重要组成部分在词汇加工中被激活了，但是与声母、韵母相比较加工起来更困难，加工所需要的时间更长一些。这些研究主要从声调信息激活的角度来考察，而对这个被延误的声调信息是否在词义通达中产生作用还需要做进一步的考察。
