A finales del siglo XIII, se utilizaba para referirse al "son producido por los órganos vocales de la boca humana". Proviene del francés antiguo voiz, que significa "voz, habla; palabra, dicho, rumor, informe" (en francés moderno voix), y este a su vez del latín vocem (en nominativo vox), que abarcaba significados como "voz, sonido, expresión, grito, llamada, habla, oración, lengua, palabra". Este término también dio lugar al italiano voce y al español voz. Está relacionado con vocare, que significa "llamar", y proviene de la raíz protoindoeuropea *wekw-, que significa "hablar".
Alrededor del año 1300, comenzó a usarse para describir el "tono, carácter o calidad particular de una voz". A principios del siglo XIV, se refería específicamente a la voz de una persona. La acepción "capacidad vocal de un cantante" se documenta desde aproximadamente 1600.
En inglés medio, el término también se aplicaba a fantasmas, dioses, centauros, ranas, entre otros. Desde principios del siglo XIV, se utilizaba para describir la "voz" de objetos inanimados (como el viento, el agua, el trueno) y también para abstraer conceptos (como la ley, la fama, el honor, la verdad). Figurativamente, llegó a referirse a la sangre y al corazón. Para 1865, se usó para hablar de langostas.
En gramática, a finales del siglo XIV, se definió como "la forma de un verbo o sus inflexiones que indican la relación entre el sujeto y la acción que realiza".
La acepción "expresión de sentimientos, etc." se documenta a finales del siglo XIV, especialmente en contextos religiosos (como la voz de Dios). En esa época, common voice se entendía como "la voz del pueblo". A mediados del siglo XV, se usó para describir el "derecho o privilegio de hablar o votar en una asamblea legislativa". La interpretación de "opinión o elección expresada" surgió en 1855. En la década de 1590, se empezó a usar para referirse a "una persona que habla, un orador". Anteriormente, se usaba de manera figurativa para describir a "alguien que expresa algo, un defensor" (a finales del siglo XIV). En los Sermones Wycliffitas (alrededor de 1425), se menciona a Juan Bautista como "vois of Goddis werd". De ahí proviene el término Voice of America, entre otros.
La acepción de "espíritu o fuerza invisible que guía o sugiere" (especialmente en contextos relacionados con la locura, como en hear voices (escuchar voces) en la cabeza) apareció en 1911.
Este término reemplazó al inglés antiguo stefn, que también significaba "voz". Provenía del protogermánico *stemno y de la raíz protoindoeuropea *stomen- (ver stoma).