เสียงเกิดจากจิต หรือ จากอุตุ
ในคราวก่อนได้กล่าวถึงเรื่องกลุ่มของรูปที่เกิดจากจิตที่มีรูปรวมกัน ๑๐ รูป คือ วจีวิญญัตติสัทททสกกลาป คือ กลุ่มของรูปซึ่งมีเสียงเกิดร่วมกับวจีวิญญัตติรูป รวมกันเป็น ๑๐ รูป เพราะว่ากลุ่มของรูปทุกกลุ่มจะต้องมีรูป ๘ รูป คือ ธาตุดิน ธาตุน้ำ ธาตุไฟ ธาตุลม สี กลิ่น รส โอชา แต่ขณะใดที่เป็นการพูดจา มีเสียงเกิดขึ้น ขณะนั้นต้องมีสัททรูปเกิดร่วมกับวจีวิญญัตติรูป ซึ่งเป็นรูปที่ทำให้เกิดเสียงตามฐานที่ตั้งของเสียงนั้นๆ แต่ขณะที่กำลังพูด ขณะที่กำลังคุยกัน ไม่ได้ทราบเลยว่า การที่จะมีคำพูดเปล่งออกมาได้นั้น เป็นเพราะจิต ถ้าขณะนั้นไม่มีจิตที่คิดจะพูด คำพูดต่างๆ เสียงต่างๆ เหล่านี้ ก็มีไม่ได้
เพราะฉะนั้น ในขณะที่พูดก็มีจิต มีวิตกเจตสิกและวิจารเจตสิกเป็นวจีสังขารปรุงแต่งเพื่อให้เกิดเสียงที่มีความหมายตามที่จิตเป็นกุศลหรืออกุศลในขณะนั้น และในขณะที่พูด สามารถที่จะพิจารณารู้ได้ว่า ขณะนั้นที่พูด พูดด้วยกุศลจิตหรือ ด้วยอกุศลจิต เพราะว่าผู้ที่ไม่ใช่พระอรหันต์ต้องเป็นจิตประเภทหนึ่งประเภทใด ซึ่งทุกวันๆ ก็พูดกันมาก ส่วนใหญ่วันหนึ่งๆ อาจจะไม่ได้กระทำกายทุจริตเลย คือ ไม่ได้ฆ่าสัตว์ ไม่ได้ประพฤติผิดในกาม ไม่ได้ถือเอาสิ่งของที่ผู้อื่นไม่ได้ให้ แต่พูด อดพูดไม่ได้เลย ถ้าสติปัฏฐานไม่เกิด หรือสติไม่เกิด ก็ไม่รู้ว่าในขณะที่กำลังพูดนั้น เป็นกุศลจิตหรือเป็นอกุศลจิต การพูด ก็ยังคงพูดด้วยอกุศลจิตอย่างมากมาย ตามเรื่องที่พูดในแต่ละวัน
เพราะฉะนั้น การพูด จะทำให้เห็นสภาพของจิตได้ทางหนึ่ง คำพูดเป็นทางที่จะให้เห็นสภาพของจิตได้ว่า ในวันหนึ่งๆ นั้น ที่คิดว่าไม่เป็นอกุศล ความจริงเป็นอกุศลมาก แล้วแต่ว่าจะพูดด้วยโลภมูลจิต หรือว่าโทสมูลจิต หรือโมหมูลจิต
ในขณะที่พูด มีกลุ่มของรูปซึ่งเกิดจากจิตรวม ๑๐ รูป ทำให้เกิดการกระทบกันที่ฐานของเสียงซึ่งทำให้เกิดเสียงที่มีความหมายเป็นคำๆ ขึ้น และเวลาที่รูปแต่ละกลุ่มเกิดขึ้น ไม่ว่าจะด้วยสมุฏฐานใดก็ตาม ไม่ว่าจะเกิดขึ้นเพราะกรรมเป็นสมุฏฐาน หรือเพราะจิตเป็นสมุฏฐาน หรือเพราะอุตุเป็นสมุฏฐาน หรือเพราะอาหารเป็นสมุฏฐาน ก็ตาม ถ้าเป็นนิปผันนรูป คือ รูปที่มีสภาวะลักษณะของตน จะมีอายุเท่ากับการ เกิดดับของจิต ๑๗ ขณะ ซึ่งเร็วมาก วิธีที่จะรู้ได้ว่าเร็วแค่ไหน คือ ในขณะที่ทางตากำลังเห็นและทางหูกำลังได้ยินด้วย จิตเกิดดับเกินกว่า ๑๗ ขณะ แต่ดูเสมือนว่าพร้อมกัน เพราะฉะนั้น กลุ่มของรูปที่ทำให้เกิดเสียง ๑๐ รูปที่เป็นวจีวิญญัตติสัทททสกกลาป ก็ต้องมีอายุเท่ากับ ๑๗ ขณะของจิตเหมือนกัน
ด้วยเหตุนี้ ทันทีที่เสียงเกิดขึ้นก็ดับไป แต่เสียงนั้น ก็เกิดเพราะอุตุเป็นสมุฏฐาน สืบต่อ จนกว่าจะกระทบกับโสตปสาทและมีการได้ยินเกิดขึ้น เพราะฉะนั้น เสียง ซึ่งเกิดจากจิตเป็นสมุฏฐานดับเร็วมาก แต่มีการสืบต่อจนกระทั่งกระทบโสตปสาท ทำให้มีการได้ยินเกิดขึ้น
นี่เป็นความต่างกันของรูปเสียงที่เกิดจากอุตุเป็นสมุฏฐาน และรูปเสียงซึ่งเกิดจากจิตเป็นสมุฏฐาน เสียงอื่นทั้งหมด แม้แต่เสียงที่คนพูด เวลาที่เสียงซึ่งเกิดจากจิตเป็นสมุฏฐานที่เป็นวจีวิญญัตติสัทททสกกลาปดับไปแล้ว ต้องเป็นเสียงซึ่งเกิดจากอุตุทั้งสิ้น
เพราะฉะนั้น ไม่ว่าจะเป็นฟังเพลงจากวิทยุ จากโทรทัศน์ จากแผ่นเสียง หรืออะไรก็ตาม ทั้งหมดเป็นรูปเสียงซึ่งเกิดจากอุตุเป็นสมุฏฐานทั้งสิ้น ไม่มีวจีวิญญัตติรูปเลย ถ้าเป็นวจีวิญญัตติรูป ต้องเป็นในขณะที่จิตเป็นปัจจัยทำให้รูปนั้นเกิดขึ้น กระทบกันที่ฐานของเสียงที่ทำให้เกิดกลุ่มของรูปนั้นๆ ซึ่งก็ดับไปอย่างเร็วมาก