在自然界中充满了各种各样的声音，从表面看来，产生声音的办法有很多，可能由摩擦产生（比如用钉子划玻璃）、由碰撞产生（比如用锤子敲铁板）、由气息的流动产生（比如风刮过树梢），但追根究底，声音的发生有三个必须条件：一是振动体、二是传播媒介、三是动力。振动体刚才已经提到了，如果没有玻璃、铁板，自然发不出声音；传播媒介就是将振动体产生的振动传到我们的耳朵中的渠道，假设使一个物体在真空中振动，我们将会听不到任何声音，这个传播媒介是什么就无需证明了；动力的意思更容易理解，如果玻璃和铁板静静地躺在那里，谁也不去碰它，它是绝不会发出声音的，只有通过摩擦、打击使它振动，才会响起来。
声音有四个方面的性质：高低、长短、音色和强弱，这四个性质说明了一个音的全部特征。
音的高低是由振动体的振动频率决定的，在单位时间（每秒）里振动的次数越多，发出的声音就越高。计量音高的单位是“赫兹”，如果一个音是440 赫兹，就意味着它的频率为每秒钟振动440 次。人类的耳朵能够感受到的频率范围大约是每秒16 次至20000 次，但音乐中使用的范围远没有这么宽，其最高音只到4000 赫兹左右，其中人声能够唱出的范围更窄，大约从60 赫兹到1000 赫兹。音的长短取决于振动的持续时间，强弱取决于振动的幅度，这两点容易理解，无需多加解释，比较复杂的是音色的差异。音色的区别产生于泛音成份和振动波形的不同，波形的发生原理又牵扯到振动体的形状、材料及共鸣条件等等。关于泛音我们将做一些介绍，而波形的分折已经完全属于声学和电子学的范畴，与基本乐理关系不是很大，就不在这本书中介绍了。对于音乐学习者来说，需要做到的是能够分辨不同的音色，而不是从物理的角度进行研究。
2.乐音、噪音和泛音
由于形状和质地的差别，使得有的物体产生规律的、频率相对固定的振动，可以明确地分辨其音高，这样的音叫做“乐音”。如果振动的成分很复杂，就会同时产生许多不同的频率，无法分辨其音高，这样的音叫做“噪音”。在音乐中，当然是以乐音为主要成分，但噪音也被广泛地使用，比如说鼓、镲、沙锤就是噪音乐器。即使乐音也包含着许多不同的频率，这些次要的频率称为“泛音”。
以一条弦为例（见下图）：
当全部弦长振动时，发出一个主要的音，即“基音”，弦的二分之一、三分之一、四分之一等各部分同时也在振动，发出频率各不相同的泛音。只有专门仪器才能发出不含泛音的单一频率，我们听到的乐音都是包含许多泛音的。
3.乐音体系
音乐中使用的全部音高合在一起称“乐音体系”。之所以说全部“音高”，是因为在研究这方面的内容时不考虑音的其它三种性质（长短、强弱和音色）。乐音体系中的每一个音都有固定的音高和固定的名字。钢琴键盘是乐音体系的非常直观的体现，它包含的88 个键基本上就是乐音体系中的全部音级，其白键和黑键的排列方式又与音名完全一致。
这88 个音分作若干组，每组称为一个“八度”。相差一个八度的两个音之间频率比正好是二比一，假定有一个音的频率是440 赫兹，那么比它高一个八度的音就是880 赫兹。当两个音的频率比是这样的关系时，它们发出的声音非常协调，听来就象一个音一样，这个现象叫做“八度相似性”。八度相似性为乐音体系的分组提供了物理依据。将一个八度按照振动数平均分成十二等份，就产生了十二个音。其中每两个音之间的距离叫做一个“半音”，或者“小二度”；每两个半音构成一个“全音”，或称“大二度”。这十二个音都有名字，不过基本音名只有七个，用字母C、D、E、F、G、A、B 表示，其它五个音的名字是在基本音名的前面加上升、降号来表示的，比如降E、升F 等等。下图是一个钢琴键盘，注意每一组中音名的写法是不一样的。在靠近键盘中间位置的C 音称为“中央C”，它左边的一组用小写字母标记，叫做“小字组”；由小字组向上（即向右方）的各组依次称为“小字一组”、“小字二组”..，其音名为小写字母的右上角注明阿拉伯数字1、2、3、4，例如c，a#p#分页标题#e#1，b1，g2，d3，c4 等；小字组左边的一组用不加标记的大写字母表示，称作“大字组”；大字组左边则依次称为“大字一组”、“大字二组”，用大写字母加阿拉伯数字表示，例如A，A1，C2 等。这样，就使得每个名字只指一个音，绝不会混淆。
4.音名和唱名
刚才讲的字母系统叫做“音名”。音名是固定的，比方说无论在什么调中，C 音的音名总是C（或者C1，c 等等）。但是非基本音级的五个音（即钢琴上的黑键）各有两个名字，这是因为它们既可以在低一级的基础上升半音，也可以在高一级的基础上降半音，即升C=降D，升D=降E，升F=降G，升G=降A，升A=降B。
音名的优点是可以明确地指明每一个音，在理论著作、教材和研究、介绍等工作中是必不可少的，但在演唱、演奏中却不大方便。事实上，绝大多数人在读谱时不用音名而使用“唱名”，即do、re、mi、fa、so、la、si这七个音节，每个音节代表一个音级。在固定唱名法中，这七个唱名与音名中的七个基本音级完全吻合，也就是说，不论在什么调中，C 总是唱作do，D总是唱作re，E 总是唱作mi，F 总是唱作fa，..；但是在首调唱名法中，唱名随着调的不同而改变。比如说G 音，在C 大调中唱作so，在G 大调中唱作do，在F 调中唱作re。
5.音域和音区
音域是某种乐器或人声能够发出的全部音高范围。比如说，钢琴的音域是A2 到c5；小提琴的音域是g 到g3（或者更高）；女高音的音域一般为c1 到a2。对于乐器而言，音域的下限一般是固定的，也就是说无法发出比规定音域更低的音，但是上限会由于演奏水平和乐器质量的差别而有所不同，在键盘乐器上当然没有这个问题，但是在管乐器（如小号、单簧管、笛子）和弓弦乐器（如小提琴、二胡）上这种差别十分明显。对于人声来说，音域的上限和下限只是一个大概的范围，比如同为女高音，有的人音域宽达三个八度（但这只有很少几个人能做到），有的人却只有一个半八度，这主要取决于生理因素，但与训练水准也有很大关系。
为了表述上的方便，人们通常将所有的乐器或人声的音域都分作三个音区，高音区、中音区和低音区。就同一种乐器或人声而言，三个音区的音色有很明显的区别，一般而言高音区明亮、中音区坚实、低音区浑厚。由于各
种乐器、人声的音域是不一样的，所以音区完全是一个相对的概念，例如：单簧管的中音区是长笛的低音区，女低音的高音区是女高音的低音区。