語言既起源於手勢語言，且語音也不是語言本質所不可或缺的 成分，那麼在人類語言發展的過程中，語音到底具備什麼優越的特 性，以致於它最終能取代手勢，而成為人類最主要的溝通媒介？且 這種取代，對人類思想的發展，又有什麼作用與意義？為了回應這 些問題，馮特重新考察了在語言哲學史中，有關語言起源論的討 論。語言起源論的爭議，自古有之，柏拉圖最早在他的《克拉底魯 篇》(Kratylos) 與辯士學派爭論：語言究意是自然的 (φυσει) 或約定 (θεσει) 的，亦即它究竟是自然形成與發展的產物，或任意的設立與 發明。若說語言的起源是任意設立的，那麼這就是說，語言是一套 約定的、任意發明的記號系統；但也可以說它是上帝設立的，如此 則語言就如同是上帝創造世界一般的奇蹟。而若說語言是自然形成 的，那麼促動語言產生的動機，要不是來自客觀的原因，就是來自 主觀的原因。前者來自像是外在的聲音印象或其他的感官印象，從 而語言即可看成是形成於對它們的模仿；後者來自於人類在知覺到 對象時，偶然迸發出來的自然聲音。馮特因而認為語言起源論主要 可以有四種理論假說，亦即：依它來自於人為的起源、上帝的起源、
形成於客觀的自然聲音與形成於主觀的聲音，而可區分成：「發明 理論」(Erfindungstheorie)、「奇蹟理論」(Wundertheorie)、「模仿 理論」(Nachahmungstheorie) 與「自然聲音理論」(Naturlauttheorie) (Wundt, 1904: II, 616)。
在這四種理論中，主張語言來自上帝賦予的「奇蹟理論」必須 訴諸神學的預設，而主張語言約定說的「發明理論」，在語言起源 論的解釋上，總會陷入還沒有語言之前，就需先預設人類已有語 言，以供他們用來約定產生語言的循環論證。這兩種理論在十九世 紀大致上都已經不再被接受了。而主張摹聲說的模仿理論，與主張
語言感嘆說的自然聲音理論，則是馮特認為比較可以接受的理論。
這兩種理論分別由赫德與盧梭所代表，感嘆說的觀點在當時更被上 述史坦塔爾的聲音反射理論所加強。但根據馮特在上述語音語言形 成的發生學解釋中，我們已經得知：感嘆說顯然只觸及到作為語音 之基礎的聲音姿態，它仍是情緒表達的身體運動，而非能表達客觀 意義的詞語。且詞語的意義也不是單純透過模仿對象或他人說話的 聲音就能學會，而是必須奠基在指示手勢與表現手勢的身體建構之 上。
語言雖起源於表達情緒的身體姿態，但在語言變遷的過程中，
語音語言取代手勢語言的事實，卻也是不可否認的。在馮特看來，
語音取代手勢的必然性，一方面出於手勢語言本身的缺點，一方面 則出自聲音語言的優點。手勢語主要有三方面的缺點：(一) 在手勢 語構詞學方面，手勢的詞語相當貧乏，它所能表達的意義內含非常 有限；(二) 在手勢語句法學方面，手勢語言只能依手勢的位置排列 表達它的句法，它的思想表達經常會因歧義而產生誤解；(三) 由於 手勢語缺乏文法標記詞的幫助，它所表達的思想內含只能靠整體的 關聯來理解，它因而也無法對思想的概念內含，做出更詳細的規定。
相對的，語音雖然一開始也是情緒表達的身體運動，但它起碼 在三個方面，比手勢更適合於情感與思想的表達。(一) 聲音具有使 再造的表象具有印象的鮮活性之特性。當初民對於吸引他的對象，
用手把它們指出來，或用手比劃出那些運動的事物，這時若身體運 動同時帶有聲音，那麼它們就能根據類似感覺連結的原則，加強無 聲手勢的鮮活性 (Wundt, 1893: 613)；(二) 聲音具有無限可分的屈 折變化性。透過發音器官的區分音節，我們可以發出無限多可曲折 變化的聲音。一旦我們選擇以聲音作為指涉意義的記號，那麼隨著 語音之無限差異的可能性，我們就可以用它來表達更豐富多樣的情
感與思想 (1904: I, 248)；(三) 聲音更具有構句的可能性。即使在 動物領域中，鳥類即能將個別的聲音串連成有韻律的曲調，來表達 它們的心理狀態。類似在鳥類歌唱中重覆的旋律，因而可以進一步 做音節的區分，以形成有音調變化的語句 (1893: 619-620)。
手勢與語音在人類歷史的發展中，既處於此消而彼長的關係，
那麼語音語言取代手勢語言，看來就是必然的。問題只剩下我們應 如何評價這種取代關係對人類思想所具有的意義，在此馮特卻陷入 難以取捨的立場而矛盾中。馮特一方面思考到，雖然語音原初只是 一種身體姿態，它與其他的表達運動一樣，對同種類的生物具有自 然的可理解性。但它惟在手勢表達的協助下，才能建立與對象之間 的意指關係，成為具有意義內含的詞語。就此而言，馮特同意自赫 德以來的基本觀點，亦即人類的語言與動物的語言具有根本上的差 異或不可跨越的鴻溝。但這種鴻溝對於馮特而言，並不是指從人類 開始的發展，在動物領域並不存在為其預備的早期階段。語音作為 表達運動與動物所能發出的聲音，在心理生理學的意義上是同樣 的，但當語音取代手勢而成為語言表達的主要媒介時，語言的表達 卻才能充足於人類意識之所需。馮特因而認為：「雖則只有在一些 例外的情況下，表達運動與其意義之間的關係才能被認識到，但這 些充足於人類意識的表達運動，如何能成為語音，並因而逐漸成為 思想內容的符號，即是語言起源論所應討論的問題」(Wundt, 1904:
II, 636)。在此馮特顯然肯定以語音取代手勢，對人類思想的發展具 有正面的意義。
但在另一方面，馮特又抱持悲觀的態度。在他看來，語音語言 必然會取代手勢語言，這代表人類想像力的枯竭，與人類根源性創 造力的一去不返。就馮特而言：「在人類原初的言說中，語音原只 是一系列充滿表達之運動中的一部分，它為了尋求理解而共同合
作。手勢雖是不完美的工具，但我們可以懷疑，如果沒有身體的其 他部分的共同協助的運動，聲音語言是否能形成」(Wundt, 1893:
617)，但當手勢語言完全被語音語言取代，那麼語言的意義基礎就 不再有身體姿態的具體表現作為基礎。原初的聲音標誌所代表的真 實意義日漸不為人知之後，語言符號即慢慢過渡成為純粹外在的記 號系統 (我們今日所謂的「符號任意性」)。這雖然促成人類抽象思 維的不斷發展，但思想對於真實世界的感性鮮活性，卻也隨之消散 無蹤。手勢語言的被取代，同時也是運作於身體姿態之摹擬表現中 的想像力之枯竭。人類的神話幻想自此開始褪色，人類也不再有創 新語言的能力。這使得馮特又回到浪漫主義的文化悲觀主義，對人 類以聲音語言取代手勢語言的「進步」，抱持一種負面評價的態度。