是先挑選出適當的詞（或語素），連續替換這個詞的讀音中的某一個音，看是否能形成別的詞的讀音。如果能夠形成，說明這些彼此替換的音有區別詞的語音形式的作用，它們是對立的，可以給它們立音位。

比方我們選出漢語的“標”[piɑu]，如分別用[pʰ] [t] [tʰ]替換[p]，就得出[pʰiau] （飄）、[tiau]（刁）、[tʰiau]（挑）……這種替換說明“標、飄、刁、挑”等詞的語音形式依靠[p] [pʰ] [t] [tʰ]來區別，我們應該給這四個音素立四個音位，寫成/p/ /pʰ/ /t/ /tʰ/。

把幾個不同的音素(phone)歸納為同一個音位(phoneme)一般認為應具備三個基本條件:第一,幾個音素之間沒有辨義的區別;第二,幾個音素的出現環境呈“互補分佈”(complementary distribution)或“互相排斥”(mutually exclusive)的關係;第三,幾個聲音在聽感上相似。這三個條件概括起來就是:非辨義性、互補性、相似性。前兩個條件有客觀標準,並不難掌握。第三個條件原則容易接受,但運用起來往往帶有很強的主觀性。張三說這幾個音聽感上相似,李四說不相似,得出的結論就不一致,這一類的官司是永遠也打不完的。其實,相似性這個條件是以非辨義性和互補性為前提的。