Chama-se tônica a sílaba que se pronuncia com mais força do que as outras da mesma palavra. Em português pode ser tônica a última sílaba (oxítonas) como em: regular, café, dormi; ou a penúltima (paroxítonas) como em: minuto, fácil; ou a antepenúltima (proparoxítonas) como em mármore, sílaba, sólido. Em esperanto, porém, o acento tônico recai sempre na penúltima sílaba de qualquer palavra não apostrofada, ou seja, todas as palavras são paroxítonas. São portanto, tônicas as mesmas sílabas em Esperanto e em português, nas seguintes palavras: alta, bela, muro, ovo, minuto; mas diferentes em: regula (regular), marmoro (mármore), metodo (método), silabo (sílaba) e utila (útil).

 Cada vogal em esperanto faz parte de uma sílaba única, nunca se lendo como ditongo vogais que ocorram uma ao lado da outra num vocábulo. Assim: mia (meu, minha) lê-se mi-a com as vogais bem separadas e pronunciadas

 Raiz é a parte invariável da palavra; ex.: em patro (pai) a raiz é patr. A terminação ou desinência, é a parte que se pode mudar: em patro, a terminação é 'o', que exprime um substantivo. Se mudarmos a terminação 'o' para 'a' teremos um adjetivo (qualificativo), referente à raiz patr; então patra significa "paternal". Se à raiz patr acrescentarmos a letra 'e', a palavra patre é um advérbio, significando "paternalmente".

 Outro exemplo:

Raiz skrib formamos: skribo - escrita, escritura
                            skriba - escrito, feito por escrito
                            skribe - por meio da escrita
                            skribi - escrever
                            (mi) skribas - (eu) escrevo
                            (mi) skribis - (eu) escrevi
                            (mi) skribos - (eu) escreverei
                            (mi) skribus - (eu) escreveria
                            (vi) skribu - (você) escreva