在远古，没有人规定这个字读什么，那个字读什么，开始都是血缘符号，即族名、姓字，后来称文字，为了通婚而写，在通婚交往中，文字就需要呼读，不管是姓字还是文字，都具备了形、音、义三要素了。
字音的形成，是古人声带的最初利用，就像幼儿学说话，开始只是呼读容易发音的单音节，比如yi、ou、wu、yu等，常用汉字中yi字音最多，就能说明这个道理。由于原始族群少且分散，同一文字在某地读这个音，在另外的地方又读那个音，形成“方言”，没有统一的标准，读音也无论对与错，但看到姓字血缘信息就知道能不能通婚了。
文字读音的统一，是在部族不断融合、不断交流交往中逐渐形成的。但是直到现在，方言字音仍有很大差别。推行普通话，只是选择文化繁荣地区的方言作为标准，规定某个方言的字音是对的。
