En los 70 se comprobó que la percepción categórica de algunos fonemas era innata en el ser humano.
Patricia Kuhl y James Miller demostraron que la percepción categórica también ocurre en sujetos tan poco sospechosos de tener lenguaje humano como las chinchillas, pequeños mamíferos cuyo oído presenta importantes similitudes con el humano.
En la fase de entrenamiento, las chinchillas fueron divididas en dos grupos y se utilizaron sólo los dos estímulos extremos de la serie. Un grupo aprendió a responder ante los estímulos de VOT = 0 ms cruzando una barrera que dividía la jaula para evitar una descarga eléctrica suave y un sonido molesto, y a permanecer en el mismo lado ante los estímulos de VOT = 80 ms, en cuyo caso eran recompensadas con agua para beber.
En la fase de prueba los animales eran enfrentados a toda la serie completa de estímulos, con todos los grados intermedios de VOT entre 0 y 80 ms. Los dos estímulos extremos fueron castigados o recompensados, mientras que los intermedios fueron siempre recompensados. Las respuestas de las chinchillas fueron muy semejantes a las humanas. La percepción resultaba también categórica y el límite o punto intermedio de cruce entre las dos categorías se situó en VOT = 33 ms, mientras que en los seres humanos (nativos del inglés) fue en torno a 35 ms.
Años más tarde, Dooling, Okanoya y Brown obtuvieron años más tarde resultados parecidos en periquitos.
En 2003, Trobalon y Sebastián-Gallés comprobaron que mamíferos tan alejados evolutivamente de los primates como las ratas tienen la capacidad de discriminar lenguas por su estructura rítmica y entonacional. Si las frases se administraban en sentido inverso, las ratas no discriminaban correctamente entre japonés y holandés, ya que se pierde la estructura prosódica de cada lengua. La discriminación también era posible si, en vez de estímulos artificiales, se usaban frases naturales grabadas a partir de un único hablante, pero no cuando intervenían hablantes distintos en una misma lengua.
Se concluye que las ratas no han desarrollado su capacidad de captar señales prosódicas por razones lingüísticas, como los seres humanos, sino que probablemente es el subproducto de otras capacidades auditivas que sí tienen valor adaptativo en su repertorio comportamental.
Algunos autores, desde un enfoque generalista, defienden que tal vez el lenguaje surgió y se aprovechó de ciertas capacidades perceptivas preexistentes comunes a todos los mamíferos y quizás a otros vertebrados.
En general, la percepción de sonidos distintos del habla, como los tonos puros, es de tipo continuo, pero, en determinadas condiciones, su percepción puede ser categórica.
David Pisoni comprobó que ciertas tareas perceptivas con tonos simples presentaban fronteras semejantes a las del VOT de las oclusivas.
De esta forma, se llegó a la conclusión de que la diferencia mínima necesaria para poder identificar el orden temporal de dos estímulos con diferencias entre sus comienzos mayores a 20 ms son percibidos como sucesivos, mientras que los estímulos con asincronías inferiores a ese límite se perciben como simultáneos.
Así, la percepción categórica sería un reflejo de una limitación del sistema auditivo para discriminar intervalos temporales por debajo de ese umbral psicofísicos.
En estudios realizados con sonidos de no-habla más complejos por Mirman, Holt y McClelland, se observaron que la percepción depende de su naturaleza acústica. Si los estímulos tienen una estructura con frecuencias rápidamente cambiantes se perciben de modo más claramente categórico que cuando tienen una estructura con frecuencias estables, más parecida a la de las vocales.