聽覺一運動綜合理論是斯科特和約翰斯魯德(Scott & Johnsrude，2003)綜述了言語知覺的神經解剖學和功能基礎研究進展，並提出聽、視覺並行加工的理論。言語知覺主要依靠基於聲學一語音學的特徵提取，但基於口唇和手勢等視知覺信息的加工也是不可缺少的。因此，把長期爭論的言語知覺的聽覺說和運動說統一起來。
聽覺皮層將得到的言語聽覺信息傳向腦的顳葉前部的前帶和旁帶以及顳上溝多模式感知神經元，以及額葉皮層的腹外側和背外側區。從聽覺皮層向後傳送到後聽帶、旁帶、顳上溝後部的多模式感知神經元以及頂葉皮層和額葉的腹外側與背外側區。向前傳的信息加工流與言語的聲學和語音學特徵提取以及辭彙表征都有關；後向傳的信息流與言語視覺和運動信息加工有關，對講話人口唇運動和手勢的信息進行言語動作的特徵。
