Det er ikke hjernens størrelse som gjør oss til mennesker. Det er heller ikke hendenes gripeevne eller den oppreiste gangen som gjør oss til mennesker. Det som gjør oss til mennesker er et lite, timeglassformet rør som sitter øverst i halsen. Det lille røret består av brusk, det er kledd med slimhinner, som danner en liten fold, ikke mer enn cirka to centimeter lang. Denne lille folden begynner å skjelve når luften fra lungene passerer, og når det skjer, oppstår det lyd. Det er den lyden som gjør oss til mennesker. For ved hjelp av et komplisert nettverk av små muskler kan folden strammes og slakkes, slik at vi kan forme ulike vokaler og konsonanter, som kan varieres i det uendelige og på den måten danne de enorme kjedene av ord som vi kaller for språk, hvor alt som finnes og alt som ikke finnes kan benevnes. Men den menneskelige stemmen er så mye rikere enn de ordene den utsier. For det er alltid også en klang i stemmen, en klang av noe annet, av følelser – glede, sorg, lyst, irritasjon, sinne, sjenanse, selvsikkerhet, kjærlighet, hat. Alt menneskelig finnes i stemmen. Og siden stemmen stammer fra ulike elementer som vokser i kroppen, og siden alle kropper er forskjellige, finnes det ikke to stemmer som er like. Hver eneste menneskelige stemme er unik. Men det de uttrykker, er det samme: menneskelighet.