究竟是语言先于文字，还是文字先于语言？

求助下万能的知友了，有个事情我一直想不明白，就是被称之为“语言”的“语音”是怎么产生的，我始终觉得语音的产生非常的魔幻，先说下为什么会想到这个问题就是之前在逛知乎的时候看到一个问题说“是语言基于文字，还是文字基于语言”，当然这里的语言就是我前面说的语音。我看很多回答说文字基于语言，大概意思就是先有语言再有文字，我思考了下，感觉很困惑，就是我们知道无论是语言还是文字本质上都是一种范围内的社会规约（就是说在一定范围内大家共同遵守着这个对于世界万物解释的“语言文字”的约定）当然，这个范围有大有小；但是当我们追溯到最初的最初来说，那这种“语音”社会规约究竟是怎么形成的呢？这也是为什么让我很困惑的点，因为对于文字或者说在那时候只是一个象形的符号（当然文字本身也是一种符号），文字本身的社会规约的建立是有社会基础的，一个区域内的人共同生活在一片区域内，共同看着一座山一棵树一片水，在这种情况下，我把事物通过象形的符号画出来，很容易就能被理解我想表达的含义，而且也极其容易被他人接受，但，语音呢，语音的共同是怎么来的，这是让我及其迷茫的一个点，或许可以说通过模仿动物的声音来指代动物，羊就咩咩，牛就哞哞，老......