声音比语言更早地出现。婴儿听到摇篮曲停了下来，声音和旋律穿过还没有学会词语的大脑皮层。音乐使人开口，并不是要人去背诵歌词，而是使声带产生另外一种振动的方式。

耳朵接收到了声音的频率，然后神经信号被传送到语言中枢旁边的一个区域。该部分主要涉及情绪、记忆和生理反应等方面的内容。一个人发出跑调的声音，嘴型的变化会带动周围的肌肉运动起来，呼吸从肺部向上推送到嗓子眼去，在这里声带相互摩擦产生声音。整个过程都没有进行到语法审核阶段。缺少主谓宾结构。声音是从胸部直接推出来的。音乐避开了用语言系统进行检查的方式。人的声音是先出来的，然后字词才会跟着出现。

音乐启动的发声机制和语言学习顺序正好相反。婴儿最先会的是哭、笑和发出没有意义的声音，之后才会学会称呼父母。音乐使人回到那个时期，在此之前只有声音冲动而无语义填充；之后又有了语义填充但是没有声音冲动。很多人都说自己的五音不全，不敢开口说话，他们害怕的并不是跑调，而是脱离了文字脚本之后所产生的一种失控的感觉。没有了歌词提示，嘴巴就不知怎么放了。长期依靠文字来交流，声带对于纯声音信号的反应就会变慢。

卡拉OK包间内，麦克风送了过来。前奏响起。开口的第一句话一般比较紧张，嗓子好像被捏住了。副歌部分的声音大了点，把喉咙也打开了。到第二段主歌的时候，气息就比较稳定了。并不是因为技术提高的缘故，而是由于听觉反馈建立起了一个闭环通道。耳朵里听到自己发出的声音以及伴奏声混在一起，大脑解除一部分抑制信号。声带周围的肌肉群已经不再对抗了。由声带振动产生的声音，在经过胸腔共鸣、鼻腔共鸣和颅腔共鸣之后形成一个复杂的组合体。专业的术语叫做泛音列，在听感上就是声音变得比较厚重，有内里之意。

节奏比旋律更早地作用在运动皮层上。鼓点声响起之后，脚趾就开始敲打地面了，手指也在方向盘上敲打着。身体会比意识更早地作出反应。古代战场上使用战鼓，士兵的步伐要一致。劳动号子使搬运重物的人一起用力。节奏把个人的呼吸频率调整为同一个公共频道。一群人在合唱时跑调很厉害，但是他们的声音仍然可以合在一起。因为节奏就像起锚一样起着重要作用。旋律跑偏了，但是拍子没有跑偏，所以集体感还是有的。

人听到熟悉歌曲就会跟着哼唱。大脑中储存旋律的方法和存储文字的方法是不一样的。文字是线性的排列方式，并且具有一定的先后顺序。旋律就是整个轮廓，记住的是形状。哼唱的时候会出现跳进、模进、重复等现象，并非逻辑推理得出的结果，在于听觉预设所起的作用。上一句落在属音上，听觉上会期待得到解决到主音的结果。这种期待使人们继续往下唱。音乐属于时间的艺术，在这个需要等待的时间里，把听众置于一个必须等候的状态中。在等待的过程中会产生一定的紧张情绪，在解决问题的时候就会得到缓解。这套机制是不需要用到语言的。

即兴发声就是音乐使人说话的一种更高层次的状态。爵士乐手在舞台上用嘴巴来模拟各种乐器进行即兴演奏，并且会发出一些没有实际含义的声音，比如嘟、吧、哒、咿、呜等等，人们把这类声音叫做衬词。声音就变成了纯正的声音色彩以及节奏的表现形式。语义归零之后，表达就更加直接了。小孩子的语言能力是在咿呀学语的时候就已经具备了，通过一串咿呀学语配合表情、手势来实现交流。成年人就失去了这样的能力。重新拾起的东西就要放下了一个执念：每一个声音都应当有明确的意义。胡言乱语在逻辑系统的中就是故障，在音乐系统中则是资源。

听不同类型的音乐，说话的方式也会随之改变。听完了重金属之后，说话的速度就会加快一些，声音也会不自觉地加大一点，而且句子会变得比较短小。听完氛围音乐之后，停顿的时间会变长，并且尾音也会变得比较轻。周围的声学环境会改变人发出的声音参数。在地铁里戴着耳机的人，嘴巴微微张开，在无声中跟着哼唱。他们利用内部听觉来模仿声音。虽然声带并没有真正的振动，但是喉部肌肉已经完成了一切动作的小规模再现。这样的内部排练会在你真正开口之前进行一次完整的预演。

音乐使人说话的另外一个途径就是听觉记忆触发。特定的歌与特定的时间段联系在一起。闻到气味就会引起回忆，听到旋律也是如此。前奏开始之后，17岁的那个下午所处的湿度、温度、光强等状况立刻就又回来了。当时说过的每一句话、经常使用的高频词、句尾的语气词都一股脑儿地涌到了嘴边。并不是要重现当时的内容，而是要恢复到原来的状态，即恢复到原来的发声方式。声带会记住十七岁的那一次张力、咬字的位置和共鸣中心。一首歌就把整条道都恢复到了原来的设置状态。

集体演唱的时候，个人的声音会被分散掉。合唱队中没有人敢发出的声音，在五十个人一起的时候就可以发出了。并不是胆子变大了，而是听觉参考信号变强了。四周有50个同频率的声音组成一个安全带。跑调之后会被平均值所吸收。独唱要具有很强的自我听力判断力，而合唱则只需跟着唱。因此，在合唱的时候，人们第一次听到了自己真实的吐气声。这个声音要比我预料中的要重一些、稳定一些。有了这个听觉样本，在下一次单独演唱的时候，大脑就可以有所依据了。

在音乐治疗领域中有一个非常明确的操作就是让失语症患者去唱出一句话来。语言的功能受到了损伤，但是旋律的通道却仍然完好无缺。用熟悉的歌曲旋律线条带出，词语就跟着被拉了出来。这并不是在唱，而是在用音高、节奏来画出轨道，在文字列车上拉出一个故事。普通人也使用同样的方法来克服表达上的困难。不知道该说些什么，就用个旋律试试吧。音高的变化会自动去处理语气的问题，而节奏的分割也会被自动地处理掉停顿的部分。原本要斟酌的地方，比如重音、停顿和升降调等，全部由我为你完成了旋律。你就把字放进去吧。

无词人声就是音乐让事物说话的极致表现形式。去掉歌词之后只剩下哼鸣、叹息、呼喊、耳语等声音。人的声音又回到了乐器的身份上。呼麦就是用同一个声带来发出两种不同的声音。蒙古族牧民在草原上练习出来的发声方法，喉部肌肉控制产生基音、泛音两道线条。低沉而持久的声音仿佛大地一样，清脆的口哨声好像一阵微风。不必去理解歌词的意思，声学现象本身就包含了所有的信息。这并不是可以用语言来传达的信息。听出来就是了。

音乐使人能够讲话，最终落到了日常生活之中。在洗澡的时候哼着小曲，在切菜的时候吹着口哨，在等红绿灯的时候用手敲打方向盘并唱两句。这些零星的声音片段并不是为了让人听到，也不是为了传递信息，更不是为了让别人觉得好听。但是声带想要动一动。长时间不出声音，声带和黏膜就会变得干燥。说话不仅仅是一种表达方式，更是一种生理上的需要。音乐把这种需求以最少的努力来实现。不用思考要说什么，旋律会替你想到开头、结尾、起承转合。只用振动就可以了。