音，是由物体的振动而造成的。物体振动后，周围的空气也随之产生波动，形成了音波，当人的听觉器官接收到了这种波并通过听觉神经传到大脑，就有了“音”的感觉。自然界中的音，多种多样，音乐中仅仅使用了其中的极少部分。对于这个问题，可以这样理解：第一，自然界的音，有人耳能听见的，也有人耳不能听见的。人耳不能听见的音，不能作为音乐中使用的音。第二，从每秒振动16次到每秒振动约2万次的音是人耳能听见的，但音乐中使用的音，频率都在每秒16次至7 000次之间。也就是说，人耳能听见的音中那些太高的音，音乐中是不用的。第三，在每秒钟振动16次至7 000次的音中，只选择出80多个频率是有一定数目的、能被人明显区别开的音作为音乐中使用的音。这些音彼此有确定的关系，各自有固定的音高（例如标准音a1的振动数为每秒440次）。这就是说，并不是每一频率的音都可以作为音乐中使用的音。
最后，我们可以得出这样的结论：音乐中使用的音是经过严格选择的，只用了自然界中的极少一部分音。