他所發出的一係列聲音暫時可能會毫無結果，最後在某一時刻，在發某一個音時，認真傾聽的人們明白了怎麼回事，這個瞬間給參加這個特殊談話的所有人都留下了非常深刻的印象，即發出音的表象與被看出的和被理解的現象的表象聯合成為一個不可分離的整體，就像“詞語”或者它的“意義”。原始語言的前三類或者前三個級別的組成部分或者成分是通過反射和一般簡單地動用神經產生的，就像充當動物之間相互交流手段的喊聲和聲音一樣，多多少少是必要的。後兩類屬於“象征”範疇，是通過偶然的聯想形成的。其他不同的一般手勢和動作也是如此。其中有些屬於純反射的、必要的，每時都能自然複製的。比如，在憤怒時，眼睛閃光，在有危險時，用手防護的動作。等等。其他一些手勢或者動作的出現都是“偶然的”，由社會生活的某些環境及傳統途徑所致。比如，頭傾斜表示肯定或者附和，或者與熟人見麵時表示尊重對方。這個動作是一種過去的殘餘，即需要順從地將頭放在某處，為了被砍頭或者讓奴隸主往頭上戴項圈。在有關語言的原始人類狀態中，在人與人之間的相互交際中，人們不僅僅發出了聲音，還實現了全身運動，做出了各種各樣的神情等等。因此，多餘的強烈激發的敘述或者解釋的能量就會在表麵顯現出來。與此同時，對其他感覺產生了影響，而這種感覺首先是豐富我們知識的源泉，也就是視覺。至今為止，我們可以在那些說話伴隨手勢的人身上看到這個手勢與音響語言組合的殘餘。擅長辯論的演講者會有意識地求助於手勢。除此之外，還有特殊的視覺語言，手勢語言，尤其是手指的動作（聾啞人、所謂的美洲印第安人）。在這個視覺語言中，如同在其他的音響語言中一樣，一些手勢直接通過反射方式產生，另一些是偶然與意義發生了聯係。但是，為什麼聽得見的人和絕大多數人類部落的原始視覺—音響語言會隨著時間的流逝變為一個音響語言呢？為什麼消失了，或者至少是大幅減少了運動—視覺的行為和印象，剩下了言語器官行為和音響印象並且越來越強呢？從活動的、語言生產的方麵，從被動的、語言—理解方麵，追求節省體力的勞動成為這種進化的主要原因。在各個器官發生作用時，在分散不同方麵的注意力時，不需要使用過多的生理和心理勞動。但為什麼光學讓位於音響學了呢？光學現象和行為需要光，不論是自然光還是人為的光。光是按照直線進行傳導的，不需要穿過障礙物，哪怕是最普通的板子。音響現象和行為的發生可以沒有光，隻是需要空氣和有彈性的物體就可以，而光波是四處分散的。所以，在“自然選擇”中，人類言語的音響手段占據了上風。由此可見，狹義的人類語言或者言語逐漸從那個複雜的初始心理—生理活動中發展而來。
隨著時間的推移，這個心理—生理活動分化為：
1）說話的語言，根據自己的生理結果屬於音響學，也就是作用於聽覺的語言。
2）唱歌的語言，同樣作用於聽覺。
3）優先作用於視覺的情感動作。如果從廣義上看語言，將其看作是人與人之間的交際手段，那麼與活生生的可聽見言語、可看見手勢一道，我們得到了語言的第三種變體——在書寫中看得見的“語言”（請看“文字體係”，ⅩⅩⅡ，704）。對於語言而言，人類言語的一元說或者多元說問題與語言起源問題密切相關。也就是世界上所有語言是來自於一種原始語，還是來自於多種原始語？人類言語的起源是多元的。在原始時期，形成了大量各種各樣的語言，隻是在後來，通過一群人消滅另一群人的方式，或者相互融合和同化的途徑使得這種多樣性逐漸減少。個體語言也是這樣。在有幾個孩子的家庭中，每一個兒童在語言發展的初期，都可能有自己特殊的語言，完全特殊的土語。但由於同樣的家庭環境和同樣的社會語言交流的條件，這些個性化的土語之間的差異逐漸被磨滅，直至消除。語言與民族的等同是科學上的誤區之一。某一部落的語言祖先可以屬於完全另類的民族。比如在美洲講法語或者英語的黑人，比如閃米特人講不同的歐洲語言，就是最好的證明。在民族和具體語言之間沒有一點聯係。我們從祖先那裏繼承了語言能力，語言素質，或許，最小的在某方麵發展語言的傾向。中國或者日本兒童在俄語環境中會掌握俄語，相反，某一個與該部落不同的個體的起源甚至經過了若幹代還可能在細小的發音特點中顯現出來。至今為止，甚至在已經遠離的語言中，有時還在重複著原始語言創作的嚐試，即使已經有“新的”、“想象的”，更加突出和更具有表現力的表達思想的詞語存在。甚至最細致的詞源學研究，無論在自己的語言中，還是在親屬語言中或者通過傳統途徑，通過直線的曆史繼承或者借用的方式，在曆史上相互影響的語言中都不能為這些詞語找到“親屬關係”。