读者还记得，在我的《意志和表象的世界》一书中，对音乐这一门奇妙艺术所具有的真正含意作了阐释；我得出的结论是：音乐作品和作为表象的世界——亦即大自然之间，虽然不一定有相似性，但在这两者之间却一定有着某种鲜明的平行关系。后面一点我已经证明过了。在此我必须补充的是对上述平行关系的一些关键和更加详细的含意确定。全部和音的四个声部，即低音、次中音、中音和高音，也可说成根音、三度音、五度音以及八度音，全都对应着存在物序列当中的四个级别——矿物王国、植物王国以及动物王国和人。这一观点在音乐的这一基本规则内得到了令人瞩目的印证：低音和低音的上三个声部之间的间隔一定要远远超过以上这三个声部的间隔，直到低音与以上声部至少要保留一个八度音程的间隔，通常情况会留在比这还低的位置。据此，符合规则的三和弦的位置应该是在与根音相间隔的第三个八度音。
与之相应的，宽广和音因为低音要保持与以上声部比较大的间隔，所以效果就要比那些狭窄和音更有力、更优美——在后者上，低音将低音以上的声部移近了。这种狭窄和音的形成仅仅是迫于乐器音域有限的缘故。对于音乐的这一整个基本规则，它并不是人们随意制订出来的，而是由其乐音系统的自然根源而订；也就是说，假如最短的、通过次要振动来产生共鸣的和谐音阶即八度音与其五度音的话。据这个规则，我们可以看出音乐其实就类似于大自然的基本构成——因为大自然的这种基本构成的存在，有机体生物之间关系的密切程度远比有机体生物和矿物王国里面没有生命的无机团块间的关系大得多；有机体生物和没有生命的无机物之间有着整个大自然之中最为明显的界域和最宽阔的鸿沟。当然歌唱旋律的高音部同时也是和音的一个组成成分；并且，在这和音里面，这个高音部甚至连接着最深沉的基本低音。它可被看做类似于这样的事实：在人的机体内，支撑着人的理念的同一种物质，也必然支撑着与表现出重力、化学性质的理念，即意志最低级别的客体化。
因为音乐并不像其他的所有艺术那样表现出理念，抑或是表现出意志客体化的级别，它是要直接表现出意志本身，因此可以解释为什么音乐会直接作用于听众的意志，即直接作用于听者的感觉以及情绪，在顷刻之间便能加强，甚至是改变听众的情绪。
其实，音乐非但远远不只是诗文的辅助工具，还是一门独立自足的艺术，是所有艺术中的最强有力者。因此，音乐单凭自身就可以达到自己的目标。音乐同样不需要得到唱词或歌剧中情节的辅助。这样的一种音乐只有音声，而不去理会产生这些音声的原因是什么。所以，对于音乐甚至人的声音来说，根本上就不是别的，而是经由调校了的音声，一般情况下，它与乐器所弹奏出来的音声并无差别。此外，就像其他所有的乐器音声一样，人的声音有其固有的优缺点——这些优缺点是由发出这些声音的工具所形成的。在人声用作音乐用途时，这一发音的器具也可用作其他方面的用途，至于作为语言工具为传达概念的服务，实属一种偶然。音乐虽然可以顺便利用这一巧合把音乐和诗文扯上关联，但是音乐永远不能本末倒置来让诗文喧宾夺主；不可以一门心思地只放在通常都是、在本质上确实就是乏味且无力的诗句上面（就如狄德罗在《拉摩的侄儿》中所说的那样）。
对于音乐来说，字词始终是一种陌生的附加物，且只具有次一级的价值，因为音声所产生的效果比字词要更加有力、有效和快捷。所以，如果真的把字词与音乐合成一体的话，那字词就只能完全处于从属位置，并要完全契合音乐才行。但是，在为既定的诗文谱曲以及为咏唱词谱写音乐方面，音乐和字词的这种关系却被颠倒过来。但谱上音乐以后，技高一筹的音乐艺术威力马上就显现出来了，这是因为音乐现在就把唱词里所要表达的感情或剧里所要表现的情节、行为，把这里面一切最幽深、最隐秘和最根本的东西和盘托出；把感情、情节的真正本质明确地表达出来；让我们知道剧中事件核心的灵魂所在——而舞台上展现给我们的只是这些事件的外衣和肉体而已。鉴于音乐的这一优势，还有，只要音乐与歌词和情节三者的关系保持在普遍和个别、规则与实例之中，那么为音乐作词似乎就比为词谱曲更加妥当。
通常的做法是用剧本的字词、情节把作曲家引到隐藏在这些字词和情节背后的意志刺激和活动，从而唤起作曲家要表达的感情；因此，它们所要发挥的作用就是激发作曲家们的音乐想象力。此外，音乐配上诗文之所以如此受到听众的欢迎，通俗易懂的某一段唱词之所以让我们内心喜悦，皆因此手段能在同一时间激起我们的最直接、最间接的认知方式，并让这两种认知方式结合起来共同发挥效用。也就是说，对于我们最直接的认知方式，由音乐来表达意志本身的激动；对于我们最间接的认知方式，则由字词表达概念思想。在感情语言发话时，我们的理性并不喜欢无所事事。虽然音乐可以完全凭着自身表达意志的活动、每种感触和情绪，但在附加了字词以后，我们就额外获得了意志（感情）的对象物以及引起意志（感情）活动的动因。每部歌剧的音乐本身有着完全独立、分开和好像是抽象的存在；剧情里的事件和人物对于这一音乐来说是陌生的，这一音乐遵循着属于自己的不变的规律。因此，就算这一音乐没有唱词，它也可以完美地制造出效果。
但由于音乐的谱写涉及了这戏剧，这音乐就仿佛是这戏剧的灵魂一般，因为音乐把事件、人物、言词三者结合在一起，表达出了所有这些事件蕴涵的内在含意以及在此基础上的这些事件的最终、最隐秘的必然性。对此隐约、朦胧之感实际上就是观众能够感受到的乐趣的基础——如果观众并非仅仅张开嘴巴傻看的话。但是在歌剧里，音乐完全不在乎事件的所有有形素材，并恰恰以此显示出它的别具一格的特性和更高级的本质。因此，音乐在表达暴风骤雨般的感觉和激情时，无一例外地都采用同种方式，即伴以同样壮观和华丽的音声——不管这是阿伽门农、阿基利斯，还是普通市民家庭的一次口角纷争而提供的戏剧的有形素材。因为音乐只着眼于激情和意志的活动。音乐如上帝一样，只看重人心。因为音乐从来都不会逢迎、适应素材，甚至在喜剧中最离谱和最可笑的胡闹场面时，它仍然保持着自己那本质上的纯净、优美和伟大；其与剧中事件的融合不会把超越的音乐从它与所有可笑的、格格不入的高度上拉下来。这样，我们存在的深刻而严肃的含意便悬浮于人类生活的滑稽胡闹以及无尽的痛苦之上，两者形影不离。
现在让我们领略一下纯粹的器乐，之后会发现：一首贝多芬的交响乐，虽然向我们展示了极为混乱的乐音，但其间却分明蕴涵着最清晰的条理和最完美的秩序基础；我们听到了极为激烈的争斗，但这些刹那间又化成了美轮美奂的和谐一致。这是存在于“世界不和谐之中的和谐”（贺拉斯语），亦是对这一世界本质的忠实与完美写照；这种和谐一致就处于这夹杂着无数形态的无际混乱之中，通过连续不断的破坏维护自身。与此同时，这一交响乐倾诉着人的激情与感受：爱、恨、恐惧、希望、欢乐、悲哀及无数细微的差别。但是这种倾诉又仿佛是在抽象当中进行，并没有被个别化和具体化；这也只是虚有其表而无内容，就像只是一个没有物质的精神世界一样。当然，我们在倾听时，往往喜欢把这音乐现实化，用想象给音乐裹上骨头和血肉，并从其中看到生活和大自然的不同画面。但是，总的来讲，这种做法既不利于对音乐的理解，亦不会对音乐乐趣的增加有所帮助；其实这只是音乐带来的某种陌生的、任随人意的累赘。因此，我们应该直接、单纯地理解音乐本身。
在上文和《意志和表象的世界》中仅从形而上的一面对音乐作出考察以后，即对于音乐作品的内在含意作了考察之后，现在，我认为有必要对音乐作品是采用哪种手段作用于我们的精神也泛泛地考察一番，以及是如何表现音乐的内在含意的；因此我们就要说明音乐形而上的一面是怎样与有形（物理）的一面统一联系起来的——音乐中有形的、物理的一面已经经过充足的探究，其原理也早已深入人心了。我先从这一众人皆知、丝毫不会为新的反对意见所颠覆的理论出发，即所有的音之与音都以共振作为基础。当两个音同时鸣响时，这种共振便发生在例如每一次的第二、第三或是第四振动时，那么，这两个音相应地成为彼此的八度音、五度音以及四度音等。亦即只要两个音的振动之间是一种有理数式的且可用小数字表达的关系，那么这些音就能够透过其经常反复出现的巧合共振，并在我们的理解中相互联系起来；这些音也就一道融合并以此形成和谐与共鸣。
反之，如果两个音彼此的振动关系是无理数式的，抑或只能通过长串数字表达之，那就没有可为我们理解的巧合共振了，唯有“声音总是喧闹不停”的情况存在了。因此，在我们的理解中无法将这些音声联系起来，它们可以被称作是不和谐。据此理论，音乐是帮助我们理解有理数式和无理数式的数字关系的一种手段；但音乐却不同于算术通过概念达到这一目的；音乐是令我们完全直接地、同时也是利用感官来理解这种数字关系的。音乐形而上的含意与其这一有形（物理）与算术数字式的基础之所以能够联系起来是因为：阻碍、抗拒我们理解、无理数式的关系，抑或是不和谐变成了阻碍和违背我们意志的自然图像；反之，和谐或者说是有理数式的关系，由于其可以轻易让我们理解和掌握就成了意志满足的图像。
另外，由于上述振动的数字关系中的有理数和无理数会有着无数的次序、等级、花样以及细微差别，音乐凭借本身具有的特质就成了一种合理的素材，能够把人心的活动，即意志活动的本质永远处于满足和不满足的状态，虽然其中有着无数的级别——连带其极为微妙、细致的差别以及变化，忠实地塑造和再现出来。而这个过程则是由于找到旋律而得以完成的。于是，我们能够看到意志的活动从这里缓慢过渡到纯粹表象的领域，然而表象的领域是全部优美艺术作品发挥、活动的专属地盘，因为优美艺术必须令意志本身置身局外，观赏者则全都作为纯粹的认知者。
所以，不可以刺激意志本身，即不能造成确实的苦痛和快感，只能用以上这些代替品，即适合智力观照的图像：它所说明的是意志得到满足和其受到阻碍而引发的或大或小的苦痛。正因如此，音乐才永远不会带给我们确实的痛苦，何况，就算在其最苦痛的和音之中，也能令我们感受到愉悦。我们是多么喜欢于音乐的语言中听到我们意志的历史，它的所有挣扎、激动和追求以及在此过程中遭受的种种阻碍、延误和摧残——哪怕我们听到的是最哀伤的旋律。相比而言，在恐怖和祸害迭起的现实生活里，意志本身却受到刺激和摧残，我们关注的根本不是音声与其数字关系；现在我们本身已确确实实成了绷紧、夹紧、颤动的琴弦。
另外，根据音乐形成的物理理论条件，既然音的真正音乐特性不在于这些音的相对强度，而是取决于这些音的振动速度的调和、匀称，那么，具有音乐感的耳朵在倾听和音部分时，总是倾向于追随最高音，而非最强音。所以，即使是在最强劲的乐队伴奏的情况下，高音演唱者仍旧鹤立鸡群，并因此取得了旋律演唱的天然特权。与此同时，高音的强大灵活性也伸出了援助之手——这种强大的灵活性是以同一振动频率作为基础——正如在和声华彩化的声部处理中所显示的那样。因此，高音就成了被提升了的感觉力的合理代表——这提升了的感觉力可以接收最细微的印象并受这印象的影响；因而高音也就是被极大提升了的意识——这便是事物序列之中的最高级别之物的合理代表。由于相反的原因，高音部的对立面则是属于活动笨拙的低音，即只以第三音阶、第四音阶以及第五音阶操纵大音距的上下升降；在这个过程中，低音每移动一步，都会受到固定规则的引导。