ทฤษฎีมานุษยวิทยาปัจจุบันเชื่อว่า เสียงดนตรีเสียงแรกคงเป็นเสียงตะโกนที่มนุษย์ใช้ในการส่งสัญญาณเวลามีภัย และมนุษย์ได้ พบว่าเวลาที่เขาเปลี่ยนระดับเสียงให้สูงขึ้นหรือต่ำลงแล้วเปล่งเสียงไปกระทบผนังถ้ำหรือหน้าผา ความกึกก้องของเสียงสะท้อน คงทำให้เขาตกตะลึงด้วยความตื่นเต้น และเมื่อเขาตะโกนซ้ำๆ โดยให้เสียงมีความถี่และความดังต่างๆ กัน เขาก็ได้พบว่าเสียง สะท้อนมีความชัดและจังหวะที่หลากหลาย จากนั้นมนุษย์คงได้เริ่มรู้จักจังหวะดนตรี โดยวิธีปรบมือ กระทืบเท้า ใช้มือตีขอนไม้ เป็นจังหวะ ดังนั้น เราจึงอาจกล่าวได้ว่า ขอนไม้เป็นอุปกรณ์ดนตรีชิ้นแรกที่มนุษย์รู้จักใช้ในการให้จังหวะ
หรือเมื่อถึงเวลาล่าสัตว์ นายพรานยุคดึกดำบรรพ์บางคนที่อาศัยอยู่ใกล้ทะเลอาจใช้วิธีเป่าเปลือกหอยขนาดใหญ่ เพื่อบอกตำแหน่ง ของตนและเหยื่อ เพราะเขาได้พบว่าเสียงเป่าหอยสามารถเดินทางไปได้ไกลกว่าเสียงตะโกน ดังนั้นคนเหล่านี้อาจใช้จังหวะการเป่า เป็นสัญญาณสื่อสารถึงกันได้เช่น ส่งเสียงดังสองครั้งแสดงว่าเหยื่ออยู่ทางซ้าย หรือสัญญาณเสียงสามครั้งแสดงว่าเหยื่ออยู่ทางขวา เป็นต้น
ตัวอย่างเหล่านี้แสดงให้เราเห็นว่า มนุษย์สร้างดนตรีขึ้นมาอย่างมีจุดมุ่งหมาย เช่น ใช้ในการล่าสัตว์หรือในพิธีเทวบูชา หรือเพื่อ ความสำราญ
เมื่อความสามารถในการสร้างสรรค์ของมนุษย์มีมากขึ้น มนุษย์ได้พบว่าก้อนหินในถ้ำเวลานำมากระแทกกัน สามารถให้เสียงที่ทำให้ ตนรู้สึกสุขได้หรือเวลาเอาหนังสัตว์ที่แห้งมาขึงให้ตึง แล้วใช้ไม้ตีเขาจะได้ยินเสียงสูงๆ ต่ำๆ และถ้าเขานำหนังสัตว์ไปขึงปิดปากภาชนะ แล้วตีด้วยไม้หรือมือ ภาชนะดังกล่าวจะทำให้เขาได้ยินเสียงดังกังวาน นี่คือเทคโนโลยีการทำกลองรุ่นแรกๆ
ส่วนคนที่ชอบยิงธนูก็ได้พบว่า สำหรับคันธนูที่มีเชือกขึงเวลาเขาดีดเชือกจะมีเสียงเกิดขึ้น และถ้าเขาเปลี่ยนตำแหน่งของเชือกแล้ว ดีดใหม่เสียงที่ได้ยินจะดังไม่เหมือนเดิม
นี่คืออุปกรณ์ที่เราทุกวันนี้รู้จักกันในนามว่า พิณ ซึ่งนักโบราณคดีก็ได้เห็นภาพของพิณโบราณปรากฏบนผนังกำแพงเมือง Ur ของชาว Sumerian ที่มีอายุประมาณ 4,600 ปี และที่ผนังหลุมฝังศพของฟาโรห์ Nebamun ที่เมือง Thebes ในอียิปต์ก็มีภาพ แสดงนักดนตรีกำลังเล่นอุปกรณ์ดนตรีชนิดหนึ่งที่เรียกว่า lute (พิณที่มีลักษณะคล้ายน้ำเต้า) เมื่อ 3,400 ปีก่อนนี้ คัมภีร์ไบเบิล มีการกล่าวถึงเครื่องดนตรีชนิดหนึ่งที่เรียกว่า psaltery ซึ่งทำด้วยกล่องไม้ที่มีเชือกพาดเหนือกล่อง และสามารถให้เสียงได้ เวลาคนเล่นดีดเชือก
ส่วนอุปกรณ์ดนตรีประเภทขลุ่ยนั้น คงเกิดจากการที่มนุษย์โบราณได้พบว่า เวลาเขาบริโภคไขกระดูกที่มีในกระดูกสัตว์แล้ว กระดูก กลวงที่ถูกเจาะเป็นรูเวลาเป่าจะให้เสียงได้เช่นกัน
เมื่อมนุษย์รู้จักทำอุปกรณ์ดนตรีเหล่านี้และพบว่ามันสามารถให้เสียงได้ต่างๆ นานา คงมีความรู้สึกว่าอุปกรณ์ดนตรีเป็นอุปกรณ์ลึกลับ ที่คนพิเศษเท่านั้นจะสามารถเล่นมันได้ และนี่ก็คือที่มาของบรรดาพ่อมดแม่มดทั้งหลายที่อ้างความศักดิ์สิทธิ์ของตัวเอง โดยการร้องเพลง เต้นระบำและตีเป่าอุปกรณ์ดนตรีในเวลาเดียวกัน
ในเวลาต่อมา ความก้าวหน้าทางอารยธรรมของมนุษย์ ได้ผลักดันให้กระบวนการทำอุปกรณ์ดนตรีเพื่อการละเล่น เปลี่ยนสภาพจาก งานอดิเรกที่คนทำอุปกรณ์ไม่จริงจังหรือตั้งใจอะไร มาเป็นงานอาชีพชนิดหนึ่งที่มีความเป็นศิลปศาสตร์และวิทยาศาสตร์มากขึ้น
ในเวลาต่อมาก็ได้พบว่า อุปกรณ์ที่มีรูปร่างและความสามารถในการทำเสียงต่างๆ กันนี้ เวลาถูกนำมาเล่นพร้อมกัน จะทำให้คนฟัง ได้ยินเสียงดนตรีที่มีความไพเราะ นุ่มนวล แต่การที่จะได้ยินเพลงที่ไพเราะจับใจเช่นนั้นวงดนตรีนั้นต้องมีคนควบคุม และนี่ก็คือ ที่มาของผู้อำนวยเพลง
เมื่อการสร้างอุปกรณ์ดนตรีและเทคนิคการเล่นดนตรีได้รับการพัฒนายิ่งขึ้น มนุษย์ก็รู้สึกคุ้นเคยกับเสียงดนตรีมากขึ้น ดังนั้น ตามสถานที่ต่างๆ ก็มีการเล่นดนตรีมากขึ้น เช่น ในขบวนสวนสนามก็มีการใช้ดนตรีประกอบ ในพิธีเฉลิมฉลองต่างๆ ก็มีการเล่นดนตรี หรือเวลากองทหารเข้าประจัญบานก็มีเสียงดนตรีนำและแม้กระทั่งคนขายของก็นิยมใช้เสียงดนตรีในการโฆษณา เพราะได้พบว่า เสียงดนตรีที่ดีและดังจะทำให้ลูกค้าสนใจและธุรกิจรุ่งเรือง และในพิธีกรรมทางศาสนาบางศาสนาก็มีการร้องเพลง แต่สำหรับ ศาสนาบางศาสนาการร้องเพลงในศาสนสถานคือกิจกรรมต้องห้ามเพราะถือว่าเป็นการลบหลู่สถานศักดิ์สิทธิ์เหล่านั้น
ความสนใจของนักวิทยาศาสตร์ปัจจุบันต่อดนตรีมีหลายประเด็น เช่น
เมื่อประมาณ 4 ปีก่อนนี้ G. Shaw และ F. Rauscher แห่งมหาวิทยาลัยแคลิฟอร์เนียที่ Irvine ได้เสนอรายงานวิจัยที่แสดงให้ เห็นว่า ดนตรีสามารถทำให้คนมีความสามารถในการวิเคราะห์หาความเป็นเหตุเป็นผลได้ดีขึ้น โดยเขาทั้งสองได้พับกระดาษซ้อนกัน หลายชั้นแล้วตัดมุมของกระดาษที่พับนั้นออก จากนั้นเขาได้ให้นิสิตมหาวิทยาลัย 3 กลุ่ม บอกให้ได้ว่าแผ่นกระดาษที่ถูกตัดมุมออกไปนั้น เมื่อนำมากางออกจะมีรูปร่างอะไร
