Ludzki głos, zarówno w formie mowy, jak i śpiewu powstaje jako wynik współdziałania aparatu oddechowego, krtani (w której mieszczą się fałdy głosowe) oraz jamy gardłowej, ustnej i nosowej. Ten wysoko wyspecjalizowany proces nie miałby racji bytu, gdyby nie nadzór głównego ośrodka naszych życiowych czynności, emocji i zachowań – mózgu i układu nerwowego. Dzięki temu możliwe jest połączenie i skoordynowanie działań wszystkich mechanizmów i procesów niezbędnych do zaistnienia głosu. Dzięki temu również funkcja głosowtórcza narządu głosowego splata się z jego funkcją emocjonalną, pozwalając między innymi na wyrażanie poprzez głos wewnętrznych stanów emocjonalnych. 
Aby powstał głos konieczne jest zharmonizowanie takich procesów jak:
- oddychanie – proces wymiany gazowej oraz dostarczanie strumienia powietrza koniecznego do wprowadzenia fałdów w drgania;
- fonacja – proces tworzenia dźwięku;
- rezonans – wzmacnianie i modyfikowanie tworzonego w krtani dźwięku w przestrzeniach rezonacyjnych (klatka piersiowa, jama ustna, gardłowa, nosowa) oraz nadawanie mu indywidualnej barwy;
- artykulacja – przekształcanie tonu krtaniowego w dźwięki mowy, co umożliwiają narządy artykulacyjne.
Cały proces zostaje uruchomiony w momencie, gdy w naszym umyśle zaistnieje potrzeba czy konieczność komunikacji lub wydobycia dźwięku śpiewanego. Pobudzona zostaje wówczas kora mózgowa ruchowa, z której – drogami nerwowymi – wysyłane są do poszczególnych części narządu głosowego impulsy mobilizujące określone grupy mięśni do wykonywania przypisanych im czynności i ruchów. Są one ze sobą zsynchronizowane i w odpowiednim czasie docierają do obszarów ciała zaangażowanych w proces tworzenia i wydobywania dźwięku.
Otwiera się kanał prowadzący od jamy ustnej i nosowej do płuc, kurczą się mięśnie oddechowe odpowiedzialne za wdech (mięśnie międzyżebrowe, mięśnie brzucha, przepona), przestrzeń między fałdami głosowymi (tzw. głośnia) otwiera się, zmniejsza się ciśnienie w klatce piersiowej; dzięki temu powietrze może swobodnie napłynąć.
Kiedy podczas wdechu płuca wypełnią się ilością powietrza potrzebną do wypowiedzenia lub wyśpiewania frazy, proces oddechowy odwraca swój bieg. Następuje skurcz mięśni brzucha, przepony i klatki piersiowej powodujący wydychanie powietrza z płuc w górę do jamy nosowej i ustnej. Na tej drodze powietrze wydechowe napotyka na zbliżone już do siebie i lekko napięte fałdy głosowe, stawiające opór płynącemu strumieniowi powietrza.
Powietrze gromadzi się pod zwartymi fałdami i kiedy jego ciśnienie osiągnie pewną wartość krytyczną, następuje rozwarcie fałdów głosowych. Przepływ powietrza przez głośnię powoduje spadek ciśnienia podłośniowego, fałdy głosowe powracają do swojego pierwotnego położenia, czyli zwierają się. W ten sposób zachodzą drgania fałdów głosowych, a powtarzające się w jednostce czasu cykle naprzemiennego rozwierania i zwierania fałdów głosowych powodują powstawanie dźwięku.
Ten dźwięk zwany jest dźwiękiem krtaniowym i zależy od długości, napięcia, elastyczności i masy fałdów głosowych oraz charakteru przepływającego powietrza. Jest on jednak słaby i pozbawiony kolorytu. Zanim stanie się dźwiękiem docierającym do odbiorcy musi przejść przez jamy rezonacyjne leżące ponad krtanią ( tzw. nasadę) : jamę gardłową, ustną lub nosową.
W tych przestrzeniach dźwięk uzyskuje potrzebną siłę brzmienia oraz specyficzną dla każdej osoby barwę. Dzięki procesowi artykulacji przebiegającemu między innymi przy udziale języka, warg i podniebienia staje się on dźwiękiem mowy, dźwiękiem artykułowanym, zrozumiałym dla odbiorcy.
