目前尚无定论.
根据达尔文进化论的观点：语言诗人类长期适应自然和自身进化中产生的,并不断完善和发展.口音的形成也是如此.
语音形成有两个因素：人的生理结构与外部环境
人类发声是气流通过声带产生不同频率震动而实现的,并通过空气传播.初始的发音,偏重于生理因素.容易、简单、自然,所以差别不大.比如婴儿,最先接触的是母亲,所以“mama”这个发音在世界上很多种语言中都是一致的；随着年龄增长,对外界感知增加,环境影响逐渐也增加.主要是地理气候因素.例如,西北地区海拔高,空气干燥,声波传播远,故语音高亢嘹亮；四川,盆地气候,湿度大,声波衰减快,故四川话尾音粗长而通透；江浙地区气候温润,故语速快,声音清悦,“吴语伲侬”；广东湿热,海风大,故鼻音重；东北气候寒凉,吸气慢,呼出快,主要靠嘴呼吸,语音也是口腔共鸣多,鼻腔共鸣少；到俄罗斯舌头都卷起来了----冻的.
对个体而言,遗传和幼年生活人群,决定口音形成.人在出生2-3个月对声音就有较完善的感觉了,5个月时对因果关系能判断.幼儿时期模仿能力最强,所以跟谁长大的口音像谁.
其他原因还有很多,无法一一说明了.对口音的研究有助于语言学习,尤其是语感的掌握.
