音乐的不断发展与变化，为元杂剧的形成提供了音乐的基础。另外，戏剧发展和成熟的过程，也可以说是“代言体”向“叙述体”转化并逐渐取代“叙述体”的过程。由于诸宫调为叙事性说唱文学，往往由一位表演者以歌唱的形式讲故事，这与后来元杂剧中的一人主唱基本一致，元杂剧只不过是将叙事体改变为代言体而已。这一点，郑振铎先生看到非常透彻：“杂剧，乃是诸宫调的唱者穿上了戏装，在舞台上搬演故事的剧本，故仍带着很浓厚的叙事歌曲的成分在内。”
郑振铎先生这里提到了戏装，也就是演员的服饰与妆扮。宋金杂剧在演员的服饰与妆扮方面，也开始出现了一些固定的、程式化的妆扮，据《都城纪胜》“瓦舍众伎”条记载：
散乐传学教坊十三部，唯以杂剧为正色。旧教坊有筚篥部、大鼓部、杖鼓部、拍板部、笛色、琵琶色、筝色、方响色、笙色、舞旋色、歌板色、杂剧色、参军色。色有色长，部有部头。上有教坊使、副钤辖、都管、掌范仪者，皆是杂流命官。其诸部分紫、绯、绿三等宽衫，两下各垂黄义。杂剧部又戴诨裹，其余只是帽子、幞头。
可以看出，杂剧演员的服饰与妆扮比较整齐，可能是因为宋金杂剧要为宫廷演出有关，宋代的宫廷在宴乐时经常会把杂剧作为常备节目，因而，也就有了相对固定的服饰和妆扮。如宋人陈《乐书》所载：
圣朝戏乐：鼓吹部杂剧员四十二，云韶部杂剧员二十四，钧容部杂剧员四十，亦一时之制也。
可见，这种服饰妆扮是宫廷化的结果，随着杂剧的不断发展与交流，民间的演出也受此影响，加之由于脚色行当的分工需要，不同的脚色需要不同的服饰和妆扮来区分，因而把这种服饰和妆扮大致固定下来，形成了后世戏曲的戏装。
根据记载我们可以发现，杂剧演员除了穿紫、绯、绿三等宽衫，两下各垂黄义外，还戴“诨裹”。所谓“诨裹”，其实就是一种滑稽头巾，从现存的一些砖雕来看，那种将头巾朝天裹缚或偏向右侧露出一角，上扎麻绳，有时上扎花果的样式即为“诨裹”。“诨裹”以滑稽为特征，通过将头巾变形和夸张来达到引发观众兴趣的效果。
“幞头”亦名折上巾，又名软裹，是一种包头的软巾。因幞头所用纱罗通常为青黑色，故也称“乌纱”，后代俗称为“乌纱帽”。据《隋书·礼仪志七》载：
故事，用全幅皂而后发，俗人谓之幞头。自周武帝裁为四脚，今通于贵贱。
宋代沈括《梦溪笔谈》载：
幞头一谓之四脚，及四带也，二带系脑后垂之，二带反系头上，令曲折附顶。幞头，一谓之“四脚”，乃四带也。二带系脑后垂之；二带反系头上，令曲折附顶，故亦谓之“折上巾”。唐制，唯人主得用硬脚。晚唐方镇擅命，始僭用硬脚。本朝幞头，有直脚、局脚、交脚、朝天、顺风，凡五等，唯直脚贵贱通服之。又庶人所戴头巾，唐人亦谓之“四脚”。盖两脚系脑后，两脚系颔下，取其服劳不脱也；无事则反系于顶上。今人不复系颔下，两带遂为虚设。
可见，宋代的幞头不仅普遍，而且花样繁多，且呈现出一定装饰化与程式化的特点。这一方面表明宋金杂剧的形成，另一方面也表明宋金杂剧正在走向成熟，向元杂剧过渡的中间形态。
诸宫调对我国戏曲形成的影响
郑振铎先生在《中国俗文学史》中曾说：“……或者可以说，如果没有‘诸宫调’的一个文体的产生，为元人一代光荣的‘杂剧’究竟能否出现，却还是一个不可知之数呢。”郑振铎先生强调的是诸宫调对戏曲成熟所产生的重大作用。如果说上文所述各种戏曲因素相对于戏曲形成和成熟的影响还是间接性的话，那么诸宫调对戏曲的形成和成熟的影响是直接的，甚至是巨大的。
诸宫调是流行于我国宋、金、元时期北方地区的一种大型民间讲唱伎艺。它远承唐五代的变文，又吸收唐宋词、大曲、新制歌曲的曲调，和北宋唱赚、叙事鼓子词等说唱形式，发展而成。它有曲、有白，可说、可唱，以琵琶、鼓板、笛、锣、界方等伴奏。其歌唱，取同一宫调若干支不同曲牌的曲子，组合成一个歌唱单位（即“套数”），一套一个宫调，首尾押一韵，再联合不同宫调的若干套数，如《刘知远诸宫调》用十四个宫调、六十一曲，《西厢记诸宫调》用十五个宫调、一百六十九曲），间以散文说白，组成数万言的长篇，从头到尾由一人以第三人称口吻连说带唱，表演故事。
正如前文所论述的那样，中国的戏曲起源地很早，但在分化为各种戏曲因素后相对独立发展后，虽然歌舞、俳优、百戏、傩戏以及杂耍、滑稽戏谑等泛戏剧因素长期以各种形态徘徊在各自的领域并不断发展，但却历经先秦、两汉、南北朝、大唐而不能向戏曲这一综合性艺术形式实现质的跨越，一直到13世纪前后的元代才得以成熟，其中的原因似乎有很多，但我们认为，缺乏大型的说唱艺术形式是一个极其重要的原因。众所周知，大型的说唱艺术不但能够提供故事原型，而且还可以提供音乐模式，而音乐与故事是综合艺术——戏曲最重要的两大因素，只要能够实现音乐与故事的相结合，然后把说唱艺术以叙述体艺术为主的形式转变为以代言体表演艺术形式，就可以实现向戏曲的跨越，即“说唱文本加以代言的表演，即可“突变”而构成戏曲。”而诸宫调的出现与成熟，为中国戏曲的形成与成熟提供了可贵的契机。
§§§第一节诸宫调的形成
诸宫调又称诸般宫调，因为多用琵琶等乐器伴奏，故又称“弹词”或“弦索”。诸宫调是在中国古代五声七音十二律音乐理论基础上形成的一种新的曲艺形式。我国古代音乐理论中的五声与古代的所谓阴阳五行、五味、五色、五官，五谷等朴素的理论形式一样，是我国早期整体化的美学观，被西方人看作是整个东方音乐的基本形态。正如卡尔·聂夫所说“古人为我们现在的音乐奠下了基础，在邈远的太古，中国人已经运用了音响学的方法制定了至今犹存的乐制，他们发现了五个音阶：（so、la、do、ra、mi），这是以do音开始，用五度相生法得出来的。根据这种五音音阶作成的曲调不计其数，有些甚至于是在七音的乐制被发现后做成的。……西方所用的七音音阶，也是中国人约在耶稣纪年前一千五百年制定的。”
诸，是指明多数而说的，如诸多、诸位等等。
宫，是音乐上的一个音名，中国上古的音乐音名有五声七音十二律之说。宫、商、角、徵、羽、变徵、变宫七个音，就是今人所说的的do、ra、mi、fa、so、la、si。缪天瑞指出，在古代的五声音阶中，“常用‘变宫’、‘变徵’两个音作为衬托或丰富五声之用。”《战国策·荆轲刺秦王》：“高渐离击筑，荆轲和而歌，为变徵之声，士皆垂泪涕泣。”这里的“变徵”是角、徵二音之间接近徵音的声音，声调悲凉。宫、商、角、徵、羽叫五声，加上变徵、变宫叫七音。十二律是黄钟、大吕、太簇、夹钟、姑洗、仲吕、蕤宾、林钟、夷则、南吕、无射、应钟，周德清《中原音韵》云：“自轩辕制律，十七宫调，今之所传者一十有二。”从一般意义上来说，在十二律中，一个律就是一个半音。我国古代的十二律，十二律就是今人所说的十二平均律，有点类似西方的十二平均律。在我国古代的十二个半音中，又分为阴阳两类，凡属奇数的六种律称阳律，属偶数的六种律称阴律。单数的半音和双数的半音有着不同的名称：六个单数的半音被称为“六律”，六个双数的半音被称为“六同”或“六吕”，把“六律”和“六吕”合起来，就是十二律，我们也可称之为“律吕”。
调，就是音乐的调，以宫、商、角、变徵、徵、羽、变宫任何一个音阶为起点均可构成一种调式，即宫调、商调、角调等，类似于今天所谓的C调、D调、E调、F调、G调、H调、A调、B调，为七声。十二律与七音相乘为八十四宫调。每个宫调都以一声为主音（起止音），凡以宫声为主音的调式称之为宫，故有十二宫；以其它各声为主音的调式称之为调，故有七十二调。有关“调”的概念，在汉代以前就建立起来了。汉魏六朝时其中凡以宫声为音阶的起点的调式称“宫”，即宫调式，而以其他各声为主者则称“调”，如商调、角调等，统称为“宫调”。
其实所谓的八十四调只是一个音乐理论上的概念，在实际应用中只有二十八调，即后代所说的“燕乐二十八调”：
宫调七声：正宫、高宫、中吕宫、道宫、南吕宫、仙吕宫、黄钟宫
商声七调：越调、大石调、高大石调，双调、小石调、歇指调、商调
角声七调：越角、大石角、高大石角、双角、小石角、歇指角、商角
羽声七调：中吕调、正平调、高平调、仙吕调、黄钟羽、般涉调、高般涉调
诸宫调由韵文和散文两部分组成，演唱时采取歌唱和说白相间的方式，基本形式是由分属各宫调的曲组成小单位，此种小单位所辖之曲，少者一支，多者十余支。曲词可长可短，灵活自由。由于每个宫调的调高和音域不相同，不宜连续演唱，所以诸宫调每段曲词唱完后有较短的说白，或者念几句诗，以便另起宫调接唱下去，也可用一、二套曲子连续演唱长篇故事，中间不用说白，但这套曲子的宫调应该相同，或者具有同音列关系。如中吕调连接黄钟宫，正宫连接仙吕调，黄钟宫连接仙吕调。这是由于中吕、仙吕在羽声调式中为“调”，而在宫声调式中则为“宫”，与宫声调式中的正宫、黄钟宫为同音列关系。如此便组成一个容量极大的整体，用来演唱首尾完整、情节复杂的长篇故事，表演形式以唱曲为主而以说白为辅，因其曲分属多种宫调，故称“诸宫调”。
诸宫调兴起于北宋中叶，并流行于宋、金、元三代，属于大型讲唱文学。诸宫调是在综合了各种说唱伎艺的基础上形成的一种新型的曲艺形式。宋代由于城市商品经济的发展与市民阶层的逐渐形成和壮大，产生了大量以满足市民生活和审美的需要而出现的文化娱乐活动。各种伎艺高度发展，瓦舍勾栏大量出现，使得各种伎艺在发展过程中不断融合。据《东京梦华录》记载，北宋东京流行的市民文艺不下十余钟，如李师师等人的小唱，李糙等人的讲史，赵世亨等人的小说，张山人的说浑话，吴八儿等人的合生，董十五等人的影戏，霍百丑等人的商谜，刘百禽等人的弄虫蚁等等。诸宫调正是在各种伎艺高度发展的基础上产生的。
冯沉君先生认为诸宫调“上承变文，下开弹词。”变文是兴于唐代的民间说唱文艺样式，起源于僧侣们以散文叙说、褐语宣赞佛教教义、传播佛教思想，为了吸引听众，僧侣们往往采用讲唱形式进行，内容上选取佛经中比较有趣的“佛本生”故事。由于这种形式有说有唱，通俗生动，深受民众欢迎，逐渐由寺院流入民间，并由民间艺人进行改进，结合历史故事、民间传说，甚至直接取材于当时的现实生活等民众喜闻乐见的题材进行演出。诸宫调咏唱的韵文部分多采用五七言诗的形式，说白部分多采用口语或浅近的文言，从而形成一种韵散结合、唱白相间的崭新文体。
诸宫调相传为孔三传所创。据南宋王灼的《碧鸡漫志》卷二记载：
熙、丰、元祐间，泽州张山人以诙谐独步京师，时出一两解。泽州孔三传者，首创诸宫调古传，士大夫皆能诵之。
南宋耐得翁《都城纪胜》也说：
诸宫调，本京师孔三传编撰传奇、灵怪，入曲说唱。
孔三传是泽州（今山西晋城）人，据《刘知远诸宫调》（第一）云：“为多知古事，善书算阴阳，时人美呼‘三传’”来看，“三传”应该是其艺名，其真实姓名不可考。从现有资料来看，孔三传大约于熙宁、元丰和元祐年间（1068一1094年）从泽州来到东京开封进行演出，演出内容主要是“古传”和“灵怪”，“古传”即古代传奇，“灵怪”即灵异怪异之事。从记载来看，孔三传是当时勾栏瓦舍中比较活跃的艺人，而且与另一位著名的民间艺人张山人齐名。
诸宫调由于故事情节完整，曲调优美动听，且繁富多变，又状物写景，绘声绘色，语言通俗生动，在艺术上超越了以往的各种说唱艺术，所以，从一问世就受到了听众的喜爱，很快在瓦肆勾栏中流行开来，据宋人吴自牧笔记《梦粱录》卷二十《妓乐》记载：
说唱诸宫调，昨汴京编成传奇灵怪，人曲说唱。今杭城有女流熊保保及后辈女童皆效此，说唱亦精。
可见，当时诸宫调的演出已经非常普遍。到了北宋后期，诸宫调已经与各种诸如讲史、小说、杂剧等讲唱文学或市井伎艺一起成为了盛行于世的文艺形式。根据《东京梦华录》记载，当时著名的诸宫调艺人除孔三传的“传奇、灵怪”外，还有很多讲史艺人，如“霍四究说《三分》、尹常卖《五代史》”就享有盛誉，孙宽、孙十五、曾无党、高恕、李孝祥的讲史艺人也非常著名。
除变文外，北宋前期产生的另外一种曲艺形式——鼓子词也对诸宫调有着重要的影响。鼓子词也是一种有说有唱、唱白相间的说唱伎艺，因为以鼓伴奏，故名。鼓子词在演出体制上有很多地方与诸宫调类似，如说白相间，散文叙事，韵文评述，词调歌唱等方面基本一致。如北宋赵令畴的【商调蝶恋花】鼓子词，就是用十二首【蝶恋花】词调反复咏唱《会真记》故事。