A base de todos os sons vocais é a coluna de ar que sai dos pulmões. Estes funcionam como foles que impulsionam o ar através da traqueia para a laringe, que fica no meio da garganta. Dentro da laringe, em lados opostos, há duas minúsculas pregas de membrana chamadas cordas vocais que são as principais produtoras de som. Essas pregas de membrana abrem e fecham a passagem de ar pela laringe e também impedem a entrada de objetos estranhos nos pulmões. Durante a respiração normal, a passagem do ar pelas cordas vocais não produz nenhum som. Mas, quando a pessoa deseja falar, os músculos enrijecem as cordas vocais e essas vibram com o impulso do ar que vem dos pulmões, produzindo som.
Quanto mais esticadas estiverem as cordas vocais, mais rápida será sua vibração, e mais agudos serão os sons que produzem. Por outro lado, quanto mais relaxarmos as cordas vocais, mais graves serão os sons. Ao sair da laringe, a onda sonora penetra na parte superior da garganta, a faringe. Daí, passa para a boca e a cavidade nasal, onde os harmônicos recebem nuanças que modificam, amplificam e reforçam o som fundamental. O céu da boca, a língua, os dentes, os lábios e o maxilar inferior se combinam para subdividir as ondas sonoras vibratórias e convertê-las em linguagem compreensível.
A voz humana é uma maravilha cuja versatilidade nenhum instrumento fabricado pelo homem consegue igualar. Pode exprimir sentimentos e emoções, desde o mais terno e meigo amor ao mais duro e violento ódio. Se for bem desenvolvida e treinada, a voz pode alcançar até três oitavas e produzir não apenas belos sons musicais, mas também inspiradores padrões de linguagem.