一些学者认为，我们的口语是从灵长类的叫声进化而来的。另一种观点则认为口语是从猿类的手势发展而来的。不过最有可能的是，口语是这两者的结合体。
直到最近，澳大利亚和北美洲的一些狩猎采集部落还在广泛使用复杂多样的符号语言。
举个例子，欧洲殖民者踏上北美洲前，北美洲原住民使用平原手势符号在广袤的北美大陆上交流、讲故事、进行贸易往来。
时至今日，全球的听力障碍人群依旧在使用手语。
即使是人类发出的最无意义的声音也是口腔器官高度复杂的协作的结果，所以在说话之前，我们需要有意识地思考想说的话是否有必要，然后就会变得字字千金，睿智达意。
为了发出更多的声音，我们的祖先在身体构造方面出现了一系列的变化。
首先是人类开始直立行走后，肋骨和横膈膜（之前用来支撑前肢）得到了解放，由此，我们能更好地控制呼吸，同时也打开了声道。
另一个重要的变化是喉咙（喉头）降到了舌头后面。它降到舌头后面延伸出去的部分，舌头从蹄铁型的舌骨上垂下来。舌骨虽小，但很重要。
这个变化意义非凡，让我们的声道能更好地发声，同时也在发声时给予舌头更多空间，舌头可以放在更多不同的位置，所以我们就能发出元音和辅音。
但这种进化风险也很大，喉咙位置降低意味着我们不能再同时吞咽和呼吸，而且比其他灵长类动物更容易窒息，因为其他灵长类动物的喉咙位于鼻腔上方。
人类新生儿出生时喉咙的位置比较高，就像潜水时的通气管，所以他们能一边吃奶，一边呼吸。但3个月左右大的时候，婴儿的喉咙位置就开始下移。
喉咙的下移很有意义，猿类的高喉咙使它们无法像我们一样说话，哪怕经过训练也无法做到。
每个声音都是气流在喉咙中成千上万次微小碰撞的结果。每次发声都依靠喉咙中一对薄薄的、芦苇状的肌肉——声带。
在我们不说话时，声带会打开，辅助我们呼吸。当我们唱歌或是说话时，从肺部呼出的气流冲向声带，声带的边缘快速合拢，受气流冲击产生振动，从而发出声音。
振动越剧烈，音高就越高。当女高音发出华丽的高音时，她的声带正以每秒1000次的频率振动，将她肺部爆发出的一股气流转化为足以震碎玻璃的音乐。
（来源：加亚·文斯《人类进化史：火、语言、美与时间如何创造了我们》第七章）
