Según diversos estudios la emisión sonora es una cuestión innata. Sin esa capacidad de emitir sonidos, ya sea a través del llanto o de los gorjeos, el niño no sobreviviría. Desde el mismo momento de nacer los bebés emplean señales vocales significativas.

Cada bebé tiene un tono fundamental que si los padres aprenden a detectar y a imitar será el paso a una comunicación entre ambos. Es la "primera nota". Poco a poco, van empleando una interválica más rica y, como decía Kodàly, la tercera menor descendente (sol mi, por ejemplo) es un intervalo constante, aunque no el único. 

Progresivamente el bebé va repitiendo los sonidos que corresponden a su tono fundamental y va respondiendo positivamente sonriendo, manteniendo la comunicación visual... Luego viene la exploración y el juego de variaciones.

Es esencial para la futura formación musical que estos gorjeos no sean inhibidos sino respetados e imitados por los padres y por el entorno dejándoles tiempo de silencio para que se puedan expresar, es decir, no es bueno que los padres estén constantemente emitiendo sonidos sin parar ante su bebé...

Los primeros sonidos y su reforzamiento estructurarán el lenguaje entonado, éste será la base del lenguaje articulado y a su vez de la futura actividad musical. Las recomendaciones que se hacen a los padres o a las personas que están en contacto con los bebés están dirigidas a detectar los sonidos aislados, los quejidos, los balbuceos... Después se procederá a imitarlos en su esquema sonoro y rítmico y más adelante se utilizarán canciones sencillas que el niño pueda ir asimilando y repitiendo.