معمولاً تصور می‌شود که اکثر نخستی‌ها به دلیل آناتومی صوتی خود قادر به صحبت کردن نیستند، اما اکنون می‌دانیم که این موضوع به دلیل اتصالات عصبی می‌باشد.
فرارو: بیان صدا‌های پیچیده برای برقراری ارتباط گفتار نامیده شده است. این قابلیتی است که انسان‌ها با حیوانات دیگر مانند طوطی‌ها، دلفین‌ها، فیل‌ها و حتی شیر‌های دریایی به اشتراک می‌گذارند، اما این به اشتراک‌گذاری با پسرعمو‌های نخستی‌سان ما صورت نمی‌گیرد. چندین تلاش برای آموزش دادن صحبت کردن به میمون‌ها به شکلی فاجعه بار به پایان رسید.
به نقل از ال پائیس، «ویکی» شامپانزه‌ای که از دوران کودکی توسط انسان بزرگ شده بود تنها توانست چند واژه مانند “مادر” و “پدر” را بیاموزد. “کوکو” گوریل معروفی که بیش از ۱۰۰ هزار علامت دستی برای برقراری ارتباط آموخت هرگز حتی یک واژه نیز بر زبان نیاورد. برخی از بهترین توضیحات برای این ناتوانی با مشاهده گوزن‌ها، گربه سانان و کوالا‌ها ذکر شده اند، اما یافتن پاسخ برای این پرسش سفری ساده نبوده است.
چارلز داروین این نظریه را مطرح کرد که میمون‌ها آناتومی صوتی لازم برای گفتار را دارند، اما فاقد مکانیسم‌های عصبی لازم برای سخن گفتن هستند. این محبوب‌ترین فرضیه تا سال ۱۹۶۹ میلادی محسوب می‌شد زمانی که “فیلیپ لیبرمن” با انتشار مقتله‌ای در نشریه “ساینس” همه چیز را برهم زد. لیبرمن آناتومی صوتی جسد میمون را مطالعه کرد و به این نتیجه رسید که سایر نخستی‌ها به دلیل موقعیت حنجره‌های‌شان نمی‌توانند به اندازه انسان‌ها واکه یا مصوت‌ها را تولید کنند. حنجره یک انسان تازه متولد شده در بالای گردن قرار دارد، اما تا زمانی که تبدیل به کودکی دو ساله می‌شود به طور دائمی پایین می‌آید. این تغییر در پستانداران دیگر رخ نمی‌دهد.
کشف لیبرمن این ایده را تثبیت کرد که پایین آمدن حنجره پیش نیازی برای گفتار است. دیرینه انسان شناسان جستجوی فسیل‌های انسان نما را آغاز کردند اقدامی که به آنان این امکان را داد تا موقعیت حنجره را تعیین کرده و در نتیجه تاریخ منشاء زبان را تعیین کنند. لیبرمن سپس بافت‌های نرم مجرای صوتی یک نئاندرتال را بازسازی کرد و نتیجه گرفت که حنجره آن بالا رفته است و بیش‌تر شبیه حنجره شامپانزه است. او هرگز این ایده را مطرح نکرد که نئاندرتال‌ها به طور کامل فاقد هر گونه توانایی در حوزه زبانی هستند با این وجود، پرسش‌هایی جدی در مورد توانایی دیگر گونه‌های انسانی برای صحبت کردن را مطرح نمود.
در اواخر قرن بیستم میلادی “تکومسه فیچ” زیست شناس تکاملی به یک واقعیت مهم پی برد: تمام شواهد موجود بر اساس آناتومی نخستی‌های مرده بدست آمده بود. فیچ با تعجب از این که چرا پیش‌تر این کار انجام نشده بود از تصویربرداری اشعه ایکس برای مطالعه دستگاه صوتی حیوانات زنده در حالی که صدا‌ها را ایجاد می‌کردند استفاده نمود. او از مشاهده اینکه حنجره‌های آنان در حالت استراحت بالا می‌ماند و سپس در حین تلفظ صوتی در موقعیتی بسیار شبیه به حنجره انسان فرود می‌آید شگفت زده شد.
مطالعه فیچ نشان داد که دستگاه صوتی پستانداران پویا است و نتیجه‌گیری لیبرمن در مورد توانایی‌های گفتاری سایر نخستی‌ها را به چالش کشید. فیچ در کتاب “تکامل زبان” می‌نویسد: “حتی انسان‌های اولیه می‌توانستند واج‌های واضح و قابل فهم بسیاری را به سادگی با انجام کاری که تمام پستانداران انجام می‌دهند تولید کنند: پیکربندی مجدد آناتومی صوتی حین تلفظ صوتی”.
با این وجود، به نظر می‌رسد که انسان‌ها هنوز تنها موجوداتی هستند که حنجره دائمی دارند. فیچ بلافاصله پس از انتشار مطالعه خود ایمیلی از “دیوید ربی” زیست شناس فرانسوی و متخصص در مطالعه بر روی آهو دریافت کرد. ربی نظر فیچ را در مورد برخی حرکات عجیب که حین تلفظ صوتی در گلوی آهو‌ها مشاهده کرد جویا شد. فیچ متوجه شد که این صدا‌ها شبیه به صدا‌هایی می‌باشند که در سایر پستانداران مشاهده کرده، اما موقعیت استراحت حنجره گوزن در وسط گلوی آن حیوان قرار دارد و بسیار شبیه به موقعیت حنجره انسان است. فیچ و ربی در سال ۲۰۰۱ میلادی مطلبی تحت عنوان “حنجره پایین آمده ویژگی منحصر بفرد انسان نیست” را منتشر کردند.
فیچ سپس به جستجوی حنجره حیوانات دیگری پرداخت که شبیه حنجره ما بودند و این موارد را در گربه سانان از جمله شیر، ببر، جگوار (پلنگ امریکایی) و پلنگ یافت. او حتی برای ارزیابی کیسه داران به استرالیا سفر کرد و متوجه شد که کوالا‌ها نیز در زمره حیواناتی بودند که حنجره‌ای شبیه حنجره انسان دارند. می‌توان تصور کرد که فیچ تا چه اندازه شگفت زده شد زمانی که مشاهده کرد در مقاله‌ای منتشر شده در سال ۱۹۲۱ میلادی که در آن سیستم آوایی کوالا توصیف شده بود سخنی از شباهت آن با حنجره انسان به میان نیامده بود.
کشف این که انسان‌ها تنها حیواناتی نیستند که حنجره دائمی دارند اهمیت جایگاه انسان برای سخن گفتن را زیر سوال می‌برد. در حالی که غرش شیر مطمئناً چشمگیر است، اما صدا‌های ساده‌ای هستند و به پیچیدگی صدا‌های بیان شده نزدیک نیستند. تمام این اکتشافات تازه دانشمندان را به یافتن عملکرد جدیدی برای حنجره پایین آمده سوق داد و بنابراین، فرضیه اغراق اندازه صوتی مطرح شد.
حیوانات بزرگ به دلیل داشتن حنجره‌های بزرگتر با تار‌های صوتی بلندتر تمایل دارند اصواتی با صدای کم‌تر نسبت به حیوانات کوچک‌تر ایجاد کنند. این دلیلی برای همبستگی بین اندازه یک حیوان و زیر و بمی صدا‌های آن است. حیواناتی که شب زی هستند یا در جنگل‌های انبوه زندگی می‌کنند از صدای عمیق تری برای بزرگتر به نظر رسیدن خود و ترساندن تهدیدات احتمالی استفاده می‌کنند. هنگامی که حنجره پایین می‌آید مجرای صوتی را دراز می‌کند و منجر به ایجاد صدا‌های عمیق‌تر می‌شود. این موضوع در گونه ما انسان‌ها آشکار است.
مردان بالغ مجموعه‌ای از تغییرات بدنی را تجربه می‌کنند که آنان را بزرگتر نشان می‌دهد. شانه‌هایشان باز می‌شود، ریش‌های شان بلند می‌شود و حنجره‌های شان برای بار دوم پایین می‌آید. فیچ می‌نویسد: “حنجره در ابتدا در انسان‌ها به منظور اغراق آمیز کردن اندازه پایین آمد که به عنوان پیش سازگاری برای توانایی‌های گفتاری که بعدا به وجود آمد عمل نمود”. این یافته پیامد‌های مهمی دارد، زیرا تصور پیشین در این باره که گونه‌های دیگر انسانی با حنجره‌های پایین آمده نمی‌توانستند صحبت کنند را به چالش کشیده است.
تمام این مطالعات نشان می‌دهند که میمون‌ها تمام ویژگی‌های تشریحی لازم برای گفتار را دارا می‌باشند. دلیل این که آنان سخن نمی‌گویند کاملا عصبی می‌باشد. انسان کنترل بسیار بهتری بر حنجره دارد نه به دلیل موقعیت حنجره بلکه به دلیل اتصالات عصبی که آن را به مغز متصل می‌کند.
طوطی‌ها حتی حنجره ندارند، اما کنترل فوق العاده‌ای بر اندام گفتاری خود دارند که آنان را قادر می‌سازد واژگان و عبارات قابل فهم را بیان کنند. تمام این موارد مثال روشنی از اهمیت پژوهش‌های تطبیقی می‌باشند از این که چگونه می‌توانیم گونه‌های دیگر را مطالعه کنیم تا آنان و خود را بهتر درک کنیم. کاری که داروین انجام داد و بار دیگر اثبات کرد که حق با او بود.