（一）视觉弥补听觉的不足
裘锡圭先生根据字符所能表示的语言结构的层次将汉字称为“语素—音节文
字”。“语素”是最小的语音、语义结合体，是最小的有意义的语言单位。“音节”是人的听感中可以自然感受到的最小的语音单位。
汉字既可以表示语素，也可以表示音节，所谓“汉字表示语素”是指汉字可以用每一个形体对应一个或几个汉语中的语素。例如“风”字对应着现代汉语中 的{fēng}，“雨”对应着{yǔ}，“吓”对应{xià}、{hè},“累”对应{lèi}、{lěi}、{léi}等。
“汉字表示音节”是指汉字可以使用现有的绝大部分的文字表示音节，在汉语里单音节语素占了绝对的优势，通常一个汉字是为一个单音节语素而造的，例如，以“啊”表示a,“饿”表示e。
以目前来看，汉语的音节结构数量有限，而语素的数量却比音节多了数倍，所以语言中的同音语素非常多，往往同一个音节需要对应相当多的语素，例如dān这个音节所表达的语素就有13个之多。另外，汉语发展到今天，双音节词甚至双音节以上的词已经占了相当大的比重，很多单音节词变成了不能独立运用的语素。在这种情况下，如果单纯的依靠音节表达语素，而不使用汉字来加以区别，那么我们就很难发出或接受精准的词义。例如，当我听到dān这个音节时，只依靠听觉，我们很难弄清楚它到底指的是“单个”的{单}，还是“买单”的{单}，再或者是“担当”的{担}。所以，这时还需要字形的提示，使我们能够从视觉和听觉两个方面来对语素做出正确的判断。
另外，从汉字起源的角度来看，汉字和图画有着密切的联系。“文字越原始，越强调视觉在阅读上的重要性。”汉字在早期阶段，能够和图画一样以形象反映客观世界，“表现画面隐含和从画面延伸出去的内容。”
当然，语言也可以塑造形象，但是语言塑造形象往往具有间接性的特征。主要原因是在于语言在描绘某一事物时只能借助语音这一工具，虽然它可以对所要塑造的形象进行言语描写，但是它不能像绘画那样通过实际的画面来塑造这一形象本身。而汉字在自身象形、会意的基础上可以通过形象直接的传递信息，使人们能够在这些类似于图画的文字中获得关于某一事物的更为直观的含义。
（二）书面语的独立性
索绪尔认为“文字是记录语言的符号”。在他看来，口语是书面语的根本，这是西方关于文字的一种定义。追溯源头，视觉和听觉同是人类符号系统的基础，口语和文字并不是一种主从关系，从广义上讲，文字是人类通过约定俗成的视觉符号进行交际的系统。
文字与词语音义的联系是一种人为的限定，一旦这种限定关系成立且被大范围接受后，文字就会将原本属于词的意义转变为自身的属性，在一定程度上脱离语言而独立的存在，语音的转变或消失在一定程度上不会对它以视觉符号的性质传达信息的功能造成太大的影响。例如，阿拉伯数字中的8，虽然我们并不知道它在阿拉伯语中的读音，但是却能知道它的意义。再如，汉字“八”的读音已从中古音系中的入声韵转入现代普通话中的阴声韵，但是我们仍然可以明白它能够指代“八个、“八方”等等的{八}。