手势、身势语并非早期人类唯一传播手段。即使在那一时期人类的发音器官和大脑发育水平也远在动物之上。尼安德特人大脑容量达到1300～1350毫升，已经很接近现化人类1500毫升的水平，所以被称为“早期智人”。不能清晰地发出/a/、/i/、/u/基本元音只说明不能使用清晰的分音节语言，其具体演变过程至今也是颇有争议的谜。根据目前对猿类和类人猿化石的研究，但能发出语音是肯定的。连乌鸦的叫声都能传达《乌鸦词典》编者所说的如此多的意义，早期人类发音器官应该能够发出有语言意义的声音了。至少可以有把握地说，这些声音是一种辅助传播语言方式。
此外还可能有其他一些次要的辅助传播手段，例如非洲的鼓声。影片《赤道战鼓》虽经艺术概括，但从中可以窥见鼓声的变换可以准确地传达不同的信息甚至进行交流。在有声语言产生以前，人类在远古时代首先要借助肢体———特别是通过双手模仿的方式来协助传达相互之间的信息。另外如原始岩画、壁画和后来笼统被人们称之为“书信”的东西(如1849年北美奥杰布华人给美国总统的请愿书，文字学史上那封著名的情书等)既不代表语言，也不是文字，但能起传播作用，使我们有理由推断人类初期可能也采用类似手段帮助传播。
总之，严格意义上的人类语言产生之前，早在300万年前南猿(australopithecius afarensis)的警叫交际系统就已经发展起来。
从猿到人的演变是非常缓慢的过程，人类应当是经历过无声传播阶段。时间应在山顶洞人之前的几百万年间，传播手段是以手势、身势为主，含混的语音及其他能表意为辅的综合方式。
从无声语言传播到有声语言传播，也即从视觉形象方式为主到声波物质方式为主同样经历了漫长的演变过程，其下限估计不会晚于5万到3万年前。促进这一演变的发生至少有以下一些因素。第一，彻底的直立行走使口腔与喉部夹角呈90度，喉头下降、口腔缩短，舌根活动范围扩大，使人类能清晰地发出元音和分音节的语音，其传播手段也经历过与狼的嗥叫、蜜蜂的飞舞、非洲寡妇鸟的鸣叫相类似的时期。据John Aitchison《说话之初：语言的起源和演变》的考察，使有声语言的产生具备生理基础。其二，直立行走导致手的彻底解放，这种解放促进人类与动物之间最大的区别即劳动。这一阶段人类主要传播方式完全可能是手势和身势，这个观点目前为大多数学者所承认。劳动促使人类脑的发展进化，列维？布留尔说：“手与脑是这样密切联系着，以至于实际上构成脑的一部分。文明的进步是脑对于手以及反过来手对于脑的相互影响而引起的。”另外，火的发现和普遍使用，人类从生食转为熟食大大改变大脑营养结构，提高大脑物质品质，也推进了大脑的成熟与进化。其四，随着人类社会生活的发展，口腔与喉部夹角大于90度。具有有声语言能力的可能性极小，手势、身势传播表达显然跟不上这种发展，其表达范围有限，在视觉条件差或不具备视觉条件的情况下难以完成传播，特别是具体劳动中极为不便，脑的进化和口腔的演进为有声语言的产生提供了生理和物质可能，无声语言的局限为有声语言的产生提供了必要性等等，而最终，是劳动完成这一过程。从无声到有声语言虽然不过是人类传播手段的物质变更，但有声语言的便捷、清晰准确和丰富性使人类传播手段产生了质的飞跃。更重要的是，从物种角度理解，有声语言的内部形式(内部语言)成为抽象思维直接和唯一的进行和表现形式，从而完成了真正的、严格意义上的人类产生过程。所以恩格斯说：“语言是在劳动中和劳动一起产生出来的”，“语言乃是人类形成时，在集体劳动过程中，为了适应传播的需要而产生的，并且跟抽象思维同时产生的”。
综上所述，人类在进化过程中，传播手段的进化应当经历了动物性到人性、无声到有声、以表情肢体为主，以混声为辅的视觉阶段到听觉为主，以表情肢体为辅阶段的演化。严格地说，有理由相信，后者一直延续至今。因此，甚至分音节的有声语言。众所周知，今天在人际传播中，有声语言只占信息传播总量的35%，而其他65%都是由以身体语言为主要方式的非言语语言传播的。在这个意义上说，非言语语言这种人类“前语言起源期”的遗留仍然十分重要。
例如人的空间距离，还残留着与动物的联系。国外科学家在长期的观察研究中，发现所有的野生动物彼此之间都保持一定的自卫距离，这种距离称为“警戒距离”。如蜥蜴的距离为2码，狮子25码，鳄鱼50码，从有到无的过程。从社会学角度理解，长颈鹿在200码以上。当它们发现比自己强有力的敌人处于警戒距离时，就立刻逃遁或装死。但是当敌人已经闯入了警戒线时，它们就不是逃走而是转为进攻了。毒蛇咬人、蜜蜂刺人、臭鼬鼠放毒都是在这种情况下，被迫作困兽之斗的。动物的“警戒距离”表面看是与其身体规模有关，实际上是其逃逸的最低安全距离。据考证最多也只有30万年。我们在高速公路上看到“保持车距”的标志，是行车安全要求下，车速与制动关系的结果，是人类仿生学指导的科学论证。而人类的空间占有就要复杂得多了。
二、非言语行为的文化共同性
如果说语言是人类与动物的根本区别特征之一，那么我们认为非言语行为就保留更多的人与动物的联系特征。比如对空间的占有要求、比如身体动作、表情等等。正因为如此，其生命过程至今与哪怕是低等动物毫无区别。也只是从无到有，相对语言来说，非言语行为同时保留了更多的人类共通性，毕竟，所有人类都来源于动物。换句话说，非言语行为的跨文化程度比较起语言来说要高得多。有身处异国语言不通经历的人，都有过不同程度的通过动作、表情进行沟通的回忆。如前所述，澳大利亚阿兰土著居民，不同部落不同语言的人可以通过身体动作问候甚至聊天达半日之久。所以，估计在1.5至5万年以前的数百万年间，人类传播语言应当是非有声阶段，有人称为“无言传播阶段”。尽管如此，不同民族、不同文化的人们非言语行为的文化差异不仅存在，而且令不少学者着迷。
对此朱丽叶斯？法斯特有相同的研究：
有没有独立于文化之外的具有普遍性的姿势和表情，估计大约400万年前，它们适用于每一种文化中的每一个人？有没有人人都能做的事情，而它们又或多或少都能向其他所有人传达某种意思，而不必顾及对方的种族、肤色、信仰或文化？
特别是采取了直立姿势，使双手得以解放，手势交流变成可能。随着情感的变化，或者出于对外界的描述的需要，他们的双手和面部会产生一些自发的动作，人类不过是大自然众多生命现象的一种，同时也会出现一些天然的、未经训练的、又低又短的声音，这些动作以及这种原始的发音即是语言的萌芽。动物社会学的研究显示，人类的近亲黑猩猩在野外生活时就依靠大量的手势进行沟通，在人类豢养的环境中，它们甚至可以模仿人类的一些简单手势动作(不是手语)，但在模仿人类的语言甚至控制自己的叫喊时却显得异常艰难。虽然手势语比有声语言更缺乏第一手的考证资料，但是，下地直立行走能带来手的解放，原始舞蹈的表意性，人类远祖与猿类相同大于相异。直立行走尚未成型，特别是现代原始部落手势语等，都能给这一观点提供较为坚实的证明材料。卡列夫？托尔斯托夫《澳大利亚和大洋洲各族人民》一书中写道，澳大利亚某些部落居民至今还使用一种十分复杂的特殊手势符号。它在地广人稀的澳州环境非常适用，能代替有声语言进行较远距离的传播，使用这种特殊手势符的澳州阿兰达部落达450多个。不仅如此，手势、身势语对处于低级阶段的人类来说也具有丰富性和很强的表达功能。列维？布留尔《原始思维》一书中引用北美一个研究者的话说：“不同部落的印第安人彼此不懂交谈对方的有声语言的任何一个词，却能借助手指，头和脚的动作彼此交谈、闲扯和讲述各种故事达半日之久。后来美国科学家利伯曼用计算机模拟尼安德特人声道系统后肯定，尼安德特人无法清晰地发出/a/、/i/、/u/这样的基本元音。”身势语极为丰富的表达能力表明它在人类蒙昧时期作为重要甚至主要传播手段并非完全不可想象。
换句话说，微笑总是表示愉悦吗？皱眉头总是表示不高兴吗？我们左右摇头总是意味着“不”吗？我们上下点头是否又总是意味着“是”？这些动作对所有人来说都具有普遍意义吗？如果是这样的话，在某一特定情感中作出这些动作的反应能力是与生俱有的吗？
如果我们能找到完整的由遗传得来的姿势和信号的话，那么，我们的非语言交际能力就如同海豚的语言一样，或者类似蜜蜂的非语言性语言，它们通过运用某些明确的动作，把整群蜜蜂引到新发现的花蜜那里去。这些是蜜蜂不用学就会的先天性动作。
我们有先天性的交际形式吗？
达尔文认为，人类不过是自然界社会性生物中的一种。在其整个生命过程中都以某种手段进行传播，人类表现情感的面部表情都是相似的，不受文化影响。他的看法是以人类的进化源泉为基础的。但在50年代初期，两位研究人员布鲁纳和塔居里在进行了30年的研究后写道，最好的有效研究表明，并没有什么先天不变的模式伴随特定的情感。
从那以后又过了14年，埃克曼、弗里森（来自加利福尼亚州的兰利波特神经与精神病研究所）和索伦森（来自神经病和失明症国家研究所）等三位研究人员发现，新的研究论证了达尔文的看法。
他们在新几内亚、婆罗洲、美国、巴西和日本，对这五个地处三大洲的差异甚大的文化进行了研究，发现：“当我们出示一组标准的面部照片给这些不同文化背景的观众看时，其传播方式有可能还处于动物本能阶段。1956年在德国杜塞尔多夫尼安德特河流域发现的尼安德特人化石，他们能辨别出相同的情感内涵。直到5万至1.5万年前的山顶洞人化石才表明，人类口腔大大缩短，喉头显著下降，舌根部自由活动余地扩大，才有可能发出清晰的元音，协调从而依赖群居生存和绵延。”
据这三个人说，这个结果和“人们面部表现情感的能力是在社交中学来的这一理论相冲突。他们还认为，在同一文化中，人们能够一致识别情感的不同状态。
他们认为，这种带有普遍性的识别能力的缘由只是间接地与遗传有关。他们引用了一个理论，该理论假设道：“……人们天生既有的深层程式把某些感触和易为辨别的带有普遍性的面部表情联系起来表现人们主要感情的种种—兴趣、喜悦、惊诧、恐慌、愤怒、沮丧、厌恶、蔑视与羞耻。”用简单的话来说，它的意思是，所有人的大脑都是经过编制了的程序，当他们高兴时，嘴角便会翘起来，人类在从动物中分离出来这一漫长过程之初，他们不满意时，嘴角便向下，皱起眉头、扬起眉毛、撇撇嘴，诸如此类，如此种种，都是依照输入大脑的情感而做出的反应。
与此作为对应，他们还列举了人们其他早年学到的“因文化不同而有所差异的表情和规矩”。他们说：“这些规矩规定了在不同的社会环境中，人们的每一种感情该如何表现。这些规矩由于社会角色和人口特色的不同而产生差异，在不同文化中也应有所差别
