Alguns linguistas afirmam que a sílaba tem uma estrutura hierárquica; as sílabas podem se dividir em dois componentes intrassilábicos principais: o ataque, formado por uma ou mais consoantes que aparecem antes do núcleo silábico (ou vogal) e a rima que é formada pelo núcleo e as consoantes que a seguem.

Alguns pesquisadores defendem a tese de que aquelas tarefas que chamam a atenção das crianças para as sílabas são mais fáceis que as que requerem alteração dos fonemas.

Há um entendimento de que a consciência das unidades intrassilábicas se desenvolve antes que as crianças saibam ler.

pesquisadores concordam que a aquisição da consciência fonológica das silabas se apresenta a partir dos seis anos de idade.