一般来说，艺术大多起源于模仿。最典型的例证是绘画和雕塑，它们的描绘方象直接来自生活和自然，因此能够被人不加思索地接受。经常有人说“我听不懂这首乐曲”，却很少有人说“我看不懂这幅画”（当然，一些现代派的、很抽象的绘画不在此列，但即使在这类作品中，往往也能找到与某种具体形象的联系）。舞蹈和戏剧亦是如此。即使是文学，虽然它的载体是抽象的文字符号，与形象的模仿无关，但就其内容而言，也是生活的再现。并且，文学很幸运，它的载体就是人类思维的载体，无需另一种语言来解释这一种语言，因而文学欣赏的过程实际上是非常直接的，连造型艺术也无法与之比拟。音乐则不然。我们很难证明音乐起源于对自然音调或自然音响的模仿；即使证明了这一点，也是没有意义的，那只能说这种艺术从诞生之初就超越了模仿阶段，使人类在无意中找到了另一种抒发感情的方法，或者说人类情感的另一种境界。古希腊哲学家柏拉图是模仿说的鼻祖，但他也认为音乐模仿的不是自然的音调，而是“善与恶的灵魂”。
这里需要说明一下。方才说的“懂”，是指能够理解某种艺术的表层形式，而不是理解其内涵或作者的意图。当艺术形象与人们熟悉的事物联系在一起时，理解其表层形式是没有任何困难的，比如画面上的山水人物或舞台上的生死离别。作者的意图或是作品的深层含义则存在于一定的创作背景和文化系统中，掩盖于表层形式之下。对这一层含义的准确理解是艺术欣赏的更高境界，但不是必要前提。在极为抽象的艺术作品（例如某些现代绘画）中，内容与形式之间已经脱离了自然形象的联系，似乎是直接反映画家头脑中的意象。人们常用“韵律”、“节奏”这样一些音乐术语描述抽象的美术作品，其中的道理颇为耐人寻味。
在有关音乐起源的讨论中，有一点似乎是公认的。大家都认为在音乐诸要素中人类最先掌握的是节奏。从乐器的发展中可以看出这一点。世界各民族的古老乐器中最先出现的都是打击类乐器。直至今天，以打击乐为主的节奏性音乐仍然是一些原始部族音乐的基本特征。其次出现的是吹管类乐器，先是取材于动、植物的骨哨、芦笛之类，后来是金属制的号角。最后出现的是弦乐器，先是拨弦、后是拉弦。有意思的是，在音乐创作中也有类似的顺序。一个初学作曲的人，往往将注意力集中在繁复的节奏和打击乐器上。过一个时期之后，可能就会偏爱铜管乐器的力度和辉煌的音响。等到他认识到弦乐器的重要性、并且能够熟练地掌握的时侯，才能说已经登堂入室。这其中似乎显示了一个规律，对音乐的感受是从没有音高的节奏开始，发展到粗线条的旋律，进而到丰富的音色和细腻的表情。
