É difícil saber se a música vocal precedia ou seguia a música instrumental da época, este fato é discutível e depende da opinião de cada historiador. No entanto, é possível imaginar as etapas evolutivas, marcadas por objetos sacudidos; ritmos através de batidas com bastões; percussão no corpo; imitações do grito e até mesmo ruídos da natureza; variação na altura e timbre vocal através das emoções; associação da palavra ao ato de cantar, a dança, e a música instrumental da expressão gestual sonorizada. Objetos como pedras e troncos de árvores escavados foram descobertas ancestrais dos tambores, litofones e xilofones, também usavam apitos de osso e bambus talhados. O canto apresenta características próprias provenientes de cada grupo humano, que tem sua crença, herança histórica e linguagem típica, que permite um diferencial de nação. De acordo com cada raça foi desenvolvido um sistema fonético, que determinou uma maneira de cantar e influenciou na linguagem falada.
