Söylenen ilk sözcük derken ilk sesler demek daha doğru olur. Unutmamak gerekir ki yazı dili ses (konuşma) diline göre çok sonra ortaya çıkmış olan ve sesleri görsel simgesel yazılarla temsili olan bir olgudur. Bu açıdan ilk seslerin kökeninin doğadaki sesleri taklit etmeye yönelik sesler olması olası. Mesela 'pat küt çat' gibi taklit sesleri ilk sesleri belirlemiş olabilir. Tabi ilk dönemlerde bunların daha ilkel ve söylenişi basit şekilleri olan örneğin 'paaa!!!!' 'çaaa!!! Gibi sesler olabilir. Zamanla bu sesler ağız hareketlerini ve dil hareketlerini yönetmeye dair beyin motor duyularının detaylanması ve gelişmesini sağlayarak ilk sözcüklere ilişkin taklit seslerinin daha ince detaylarla çıkmasını sağlayabilir hale gelmiş ve bu da sesleri taklit yeteneğini artırmış olacaktır. Yani ilk andaki örneğin 'paa' gibi tek düze basit bir ağız açmaya dayanan ses daha sonra ince detayları ile daha iyi taklit edilir hale gelerek 'pat' sesine dönüşmüş olacaktır. Böylece ilk kelimelere dair sesler oluşmuş olur. Tabi hangi ses ilk sözcüktür bunu tespit etmek mümkün değil. Ancak olabildiğince kolay çıkarılabilen en basit sesin (paaa) gibi ilk sözcük olacağını söylemek mümkün. Ancak bunu bugünkü anlamda bir sözcük olarak kabul etmek de tartışılabilir bir konu.