《人类沟通的起源》的作者迈克尔·托马塞洛认为，人类的祖先最初是靠视觉符号来彼此沟通，即用以手指物、比画示意等来为合作活动提供信息，这些肢体动作为声音符号提供了最初的演化平台。听觉沟通之所以能够后来居上，主要在于手势只能比画给少数人看，而说话则由“点对点”的沟通发展到由“点”及“面”——声音可以相对公开地传递到周围 “竖起”的耳朵里。

　　不难想见，这种 “点对面”的沟通，就人类社会架构的“塑形”而言具有非常重要的意义：一人发声而众人侧耳，这种格局本身就赋予“被听”之人某种特殊地位。沟通的根本目的在于合作，只有合作才能让集体变得强大，而合作意味着众人要将自己“被听”的权利让渡出一大部分，交给在政治、军事、宗教、生产乃至休闲等方面更有“发言权”的人。这种“听于一人”的结果，便是“听”的群体中涌现出“被听”的领袖。

　　从“听”与“被听”的角度，可以解释雄辩术何以在古希腊罗马的公共生活中那么盛行，即便是在传播手段已趋多元化的今天，用慷慨激昂的演说攫获听众，仍然是西方政治家施展影响的当行本色。在我国，战国时期的纵横家们已发展出铺张扬厉的雄辩才能，而《尚书》中更充满了威权叙事的声音，由于这部记言之作在用文字写定之前经历了相当长时期的口耳相传，后人在阅读时仍能近乎原汁原味地感受到上古时期“听”与“被听”的具体情境。

　　听觉沟通与视觉沟通的不同之处，还体现为说话者在被别人听见的同时也听见了自己。我们不可能不借他物看见自己，水面或镜中的映射和真正的自我总是隔了一层，然而听见自己无须通过其他媒介，声音传递的正是我们自己的意识。