Thuyết tượng thanh manh nha từ thời cổ đại, phát triển mạnh vào thế kỉ XVII đến thế kỉ XIX và đến nay vẫn có người ủng hộ. Theo lí thuyết này, toàn bộ ngôn ngữ nói chung và các từ riêng biệt của nó đều là do ý muốn tự giác hay không tự giác của con người bắt chước những âm thanh của thế giới bao quanh. Sự bắt chước âm thanh mà các học giả nói tới bao hàm những nội dung khác nhau. Nội dung sự bắt chước âm thanh, theo Platon và Augustin thời cổ đại thực chất là dùng đặc điểm của âm thanh để mô phỏng đặc điểm của sự vật khách quan. Thí dụ, trong tiếng Hi Lạp [r] là một âm rung, âm thanh phát ra nhờ sự rung động của lưỡi cho nên nó đã được dùng để gọi tên sông ngòi – những sự vật có đặc điểm lưu động. Trng tiếng Latin, âm mel (mật ong) có tính mềm mại, biểu thị một thứ gì ngọt ngào, còn âm acer (thép) thì biểu thị một thứ gì cứng rắn…

Quan niệm phổ biến nhất về sự bắt chước âm thanh là con người dùng cơ quan phát âm của mình mô phỏng những âm thanh do sự vật phát ra, như tiếng chim kêu, tiếng gió thổi, tiếng nước chảy v.v… Thí dụ, cái xe máy kêu bình bịch nên có tên gọi là “cái bình bịch”, con mèo kêu meo meo nên mới gọi là “mèo” v.v…

Trong ngôn ngữ học hiện đại, sự bắt chước âm thanh còn được giải thích là dùng đặc điểm của tư thế bộ máy phát âm mô phỏng đặc điểm của sự vật khách quan. Thí dụ [ku], [gu] hoặc [nu] có đặc điểm âm tròn môi, trong nhiều ngôn ngữ dều được dùng để tạo nên từ căn của những từ biểu thị các sự vật có đặc điểm "hình lõm", "trống rỗng", "hình tròn" hoặc "kéo dài" (khi phát âm môi kéo dài ra trước).

Cơ sở cả những quan điểm trên là ở chỗ, trong tất cả các thứ tiếng đều có một số lượng nhất định các từ tượng thanh và từ sao phỏng, thí dụ các từ: mèo, bò, bình bịch, lom khom, ép, úp, mỉm v.v… trong tiếng Việt.