既然是口语考试，当然要考核考生的发音。然而，在托福考试中，考生讲话的时候，带一点口音是没有问题的——事实上，几乎所有的外语使用者都或多或少带有一些自己特定的口音——在《新托福考试官方指南》附带的CD光盘中，可以找到若干个口语考试的录音Sample，大抵听上一遍之后就会发现那些得了满分的考生，都各自有各自的特殊口音，他们的发音都不够标准、不够地道，然而这个事实并未影响他们获得满分;这是因为托福考试并不要求考生发音“标准、地道”，即便是4分(满分)评分标准中也只要求“ highly intelligible”。
音节读得不准和读错是两回事儿。比如把“China”读成“揣拿”、把“twitter”读成“推特”或“推特尔”这是读得不够准，带有 “Chinglish”的口音，但是把“ China”读成“吹呢”或者把“twitter”读成“维特尔”就是彻 底读错了。在托福考试中，读得不准是可以接受的，只要不至于夸张到每个音节都读得不准。但是读错就致命了，因为把单词读错，会造成考官很可能误解考生话语的含义，而如果读错的单词数量积累到一定程度，考官就可能彻底无法考生话语的含义。
重音把握错误是更为严重、也更为常见的现象。“specific” 这个词，很多中国学生都读成/ˈspesɪfɪk/，首先是第一个音节的/ə/错读为/e/，而更为严重的是把原本在第二个音节的重音给挪到第一个音节上 去了。很多单词都有若干个不同词性的衍生词，由于音节数量发生了变化，于是重音所在也往往会发生变化(有时还伴随着某些音节中的元音发生变化)，请看economy、economics、economist、economical这 几个单词，它们的重音分别都在哪里呢?
读者可以想象一下如果一位外国人说中文的时候提到“窦娥冤”……她要是把这个词读成“dòu é yuán”，我们基本上还是听得懂的，甚至谈不上需要什么猜测(这相当于我们中国人讲英语有“口音”);她要是把这个词读成“ kòu é yuān”，我们也不一定是完全听不懂，因为根据后面 的“é yuān”，八九不离十我们还是可以猜得出来她想说的是什么，并且甚至可能宽宏大量地想“唉，这个字我小时候也读错过……”但 是如若她说的竟然是“ kòu è yuán” ——任凭我们如何“智能”也很难一下子弄明白她说的究竟是什么……
所以，平日里就要养成良好的习惯，每学一个单词，就最好查查词典，把每个单词的读音都搞清楚，包括那些曲折变化和衍生词的读音、以及多音节单词的重音究竟 在哪里(英文单词的重音所在就与中文汉字读音中的声调一样重要)。大多人觉得这个很麻烦，所以不做。结果没过多久，就发展到只有视觉记忆而全无听觉记忆的 词汇量积累到根本无法重建的地步，而其后一生都要因此吃亏。
为了使自己有足够正确的、不至于让别人完全无法读懂的语音，自我训练的方法其实只有一个，跟读。
另外一个使语流难以理解的因素，也是更重要、更普遍的因素，是不 合理的意群划分。在自然语流之中，人们使用长短不一的停顿来划分意群。在讲外语的时候，意群划分不合理，在不恰当之处出现停顿，甚至是很长的停顿(往往是因为突然想不起来该说的词是什么或者怎 么说了)，往往会造成不可修复的(至少是难以修复)的缺陷——对方不仅要耗费很大的力气，还要有足够的耐心(以及大多数人都不怎么样的“短期记忆力”)才 能够完全理解那断断续续的语流。
很多人在自我训练过程中不太在意意群划分和停顿位置的原因可能在于，在母语习得过程中，意群的划分、语流中的停顿，这些都是不知不觉学会的——靠大量的语 言运用(当然还有模仿)“自然而然”习得的;因此人们从未觉得有什么必要在学外语的时候要在这方面进行刻意训练。但正因为我们没机会靠环境“潜移默化”地 搞定这事儿，所以只好通过“刻意的自我训练”来弥补。所以，在练习跟读(乃至于后来的朗读)的时候，一定要多花一些额外的时间精力关注录音中的意群划分与 语流中的停顿。
在托福口语评分标准中，如果考生录音的语流中出现了“noticeable lapse”[1] 的话，其他方面无论多好，都可能会因此难以获得满分(4分)、最多能得到的成绩是3分。而语流中出现所谓的“noticeable lapse” 的根源就在于考生平时不注重语流中的停顿，在不该停顿的时候乱停顿，而在该停顿的时候又不停顿——误以为说的快就是流利。
说得快与说得流利不是一回事儿。事实上，我们总是劝解学生有意识地放慢语速。而这样一个看起来没什么大不了的建议，能够带来的效果却是惊人的：因为说得慢一点，所以就不会“来不及思考”，于是就有了更多的精力去“良好地组织内容”(满分评分标准中的“ good control of basic and complex structures as appropriate”、 “well developed and coherent”,以及“relationships between ideas are clear”);另外一方面，由于说得慢一点(实际上只是“感觉慢”而非真正慢)，所以，很容易做到吐字清晰，即满分评分标准中的“ clear speech”，“highly intelligible”)。