• Existen dos mundos musicales en los humanos: el interno en la imaginación y el externo que se percibe por los oídos principalmente, pero también por los ojos y por el tacto.

• La música se puede considerar como un fenómeno comunicacional y expresivo de nuestra especie, común en todas los seres humanos, sociedades y culturas. Es aún una interrogante si pudiéramos entender la producción de similares enunciados por otras especies como las ballenas, delfines y especialmente los pájaros, o viceversa (ver música ecológica), así como efectuar análisis musical del canto de los pájaros, de los ritmos de los insectos y las luces de las luciérnagas en su baile de amor lumínico y silencioso.

• En más detalle, la música es un acto en tiempo real entre dos entes o múltiples de ellos, en el cual se capta y se comunica orden a través de construcciones temporales principalmente pero no excluyente, con la percepción de sonidos o de su ausencia, así como a través de otros canales sensoriales como la visión y el tacto. No obstante, la percepción de sonidos a través del oído, convertidos en música en el ser humano es un procesamiento altamente complejo de la mente humana a tiempo real, paralelo al tiempo de vida de cada ser, y aprovecha las posibilidades perceptivas especiales del oído. El orden temporal induce la sensación común en ambos entes de una medida regular llamada pulso cuya velocidad o tempo se mide en pulsos por minuto (ppm), con un rango de existencia limitado que llamamos el Rango Musical (±35 - ±200 ppm), pero puede existir música sin la sensación de pulso, la cual no genera percepción de orden temporal donde nada cambia  por un tiempo extendido y se anula el análisis auditivo y predicción, y puede invocar relajación, meditación y sueño. Cualquier manifestación de orden temporal dentro del Rango Musical, aún sin ser constituido de sonidos, se percibe como "musical". De la misma manera, cualquier orden temporal fuera de este rango, aún con sonidos, no se entenderá como musical. La inducción de la sensación del pulso en todos los actores en el proceso musical, es quizás el único momento en que la humanidad está al mismo tiempo junta y completamente de acuerdo.

• La música sólo existe concretamente en el acto de percepción, donde la memoria de lo anteriormente escuchado, el instante de escucha en el presente, anticipaciones de lo que puede venir formadas por la aprehensión de patrones y su análisis frente a experiencias archivadas, construyen lo comunicado como un todo. La transmisión es subjetiva a través del efecto del orden temporal y la complejidad de la percepción sonora simultánea, que logra la inducción de expresión de goce de orden, belleza, y movimientos del cuerpo que despiertan emociones, recuerdos, y asociaciones en el oyente. Por lo tanto, la música puede funcionar como una exteriorización de los sentimientos por parte del emisor que los evoca en cada ser perceptor, cada uno a su manera. La percepción de música es completamente personal y subjetiva. Su interpretación y comprensión es diferente en cada perceptor por depender de su bagaje acumulado de experiencias sonoras y musicales, su capacidad de escucha y procesamiento, es decir, cada quien entiende la música a su manera.

Orden temporal percibido y entendido a través de la inducción y reconocimiento mental y físico simultáneo a otros seres, de pulsaciones regulares comunes, con una velocidad o tempo específico (en ppm), organizados en grupos cíclicos llamados compases a través de sonidos con cambios de sus elementos para formar frases más cortas o largas, en formación de capas arquitectónicas (en cebolla), con duración específica de estos sonidos o con su ausencia (silencio musical), en factor de agrupación de dos o tres entre otros menos comunes (5, 7), percibiéndose el silencio como un espacio de tiempo dentro del enunciado musical. La división del pulso entre dos o tres unidades más cortas (subdivisión binaria o ternaria), constituye la existencia de dos mundos rítmicos separados y antagónicos. Puede coexistir una serie de fuentes de pensamiento rítmico al mismo tiempo y se interactúan en un orden complejo y cíclico, llamado igualmente ritmo, usualmente con un fuerte significado de pertenencia así como de caracterización de género. Se compone de eventos sonoros y silencios con duración y aparición temporal específica, así como la utilización de la intensidad (acentos), el timbre (agrupación y contraste), ubicación de fuente sonora (hocket), y el tempo, así como sus variaciones graduales o súbitas, sus matices.

Altura

Sensación mental resultado de la percepción de la frecuencia de la vibración de la onda sonora, medida en Hertz o ciclos por segundo dentro del rango auditivo humano de entre ±16 Hz y ±20.000 Hz. En nuestra cultura, es un continuum percibido desde grave a agudo,  reflejado físicamente como "abajo y arriba", y en ciertas culturas musicales está desglosado en escalones de notas constituidos de cierta separación llamados en nuestra cultura como intervalos de semitonos y tonos, lográndose complejas estructuras musicales, armónicas, melódicas, textuales, entre muchas otras más. Debe entenderse que las construcciones con la altura como lo son los sistemas melódicos, polifónicos, armónicos, seriales, de clases, no se deben confundir como elementos de la música, ya que son desarrollos de lenguajes particulares de ciertas culturas y no son universales, un error que se incluye en la mayoría de las definiciones existentes. Igualmente la definición de que la música debe ser agradable al oído es errada, ya que esta apreciación depende de quién la escuche y su familiaridad con el sistema de lenguaje existente.

Intensidad

Sensación resultado del tamaño de la onda sonora desde el punto de partida y el desplazamiento del cuerpo que vibra, entendiéndose como una gama desde fuerte a suave, de notación empírica en palabras en italiano (forte, piano, mezzoforte) o precisa en deciBeles (dB), aunque esta medida no se utiliza en la notación musical. Conocido también en dispositivos como una propiedad de volumen, aunque en música volumen tiene un significado tímbrico cuando pocos o muchos instrumentos tocan la misma nota. Cuando el cambio de intensidad es abrupto, se conoce como acento y cuando es gradual como crescendo o decrescendo.

Timbre

Sensación auditiva constituida por la detección por el oído de armónicos o sonidos parciales, en diferentes intensidades, y el desarrollo en el tiempo de la curva de intensidad del sonido al producirse, llamada el envelope. Se le conoce también como textura, color, densidad, temperatura, entre otros términos, y se le ha relacionado al color visual. Las mezclas y cambios en el tiempo de timbres en un mismo sonido o conjunto de sonidos puede expresar y comunicar orden y emociones. Varía con la humedad del aire, por la constitución del cuerpo emisor, y el recinto donde suena por afectación de su reverberancia, eco, y la absorción o resonancia por los materiales y sus formas, de los sonidos y sus armónicos. En términos de composición con el instrumental sinfónico, se le llama "orquestación".

Lugar de donde se origina la fuente sonora en detección de 360º grados esféricos y su punto temporal dentro del hábitat diario del oyente. La diferenciación de origen de la fuente sonora se utiliza en diferentes culturas como en las sikuriadas de Bolivia donde las flautas de pan "sikus" se ejecutan entre dos entidades (solos o en grupos) que complementan alternativamente las notas de una melodía o ritmo a través de la emisión de diferentes fuentes, obteniendo una organización comunicada por las diferencias espaciales de la aparición del sonido. La técnica del hocket se utilizaba vocalmente en la música polifónica de la escuela de Notre-Dame en el siglo XIII en París, y en la Venecia de finales del siglo XVI con Giovanni Corelli. Se practicaba la música poli-coral o cori spezzati (coros separados), donde los coros se ubicaban en diferentes lugares de la iglesia y se respondían dentro del mismo canto. Este recurso en la técnica rítmica linear de alternancia de notas, alturas o acordes en las fuentes del sonido, cobró auge a partir de mediados de los años 60's cuando se cambió la producción de acetatos de mono a estéreo compatible y surgió la estereofonía, quadrifonía, surround-sound, utilizada también en los cines y sobre todo en la música electroacústica, pero reduciendo la escucha al ámbito de sólo dos fuentes: de la izquierda y de la derecha, anulando otros espacios posibles. En la composición contemporánea la pieza Hoketus de Louis Andriessen (Países Bajos, 1976), resalta por su uso extenso y efectivo de esta técnica. Existen auditorios de instituciones especializadas cuya audición es completamente alrededor del oyente  en una sala  llena de alto-parlantes, como el Kubus del ZKM - Zentrum für Kunst und Medien, en Karlsruhe. El enlace del sonido a su aparición en un punto temporal del hábitat del oyente se ha utilizado muy poco en nuestras culturas, pero se resalta la escucha de las campanas de una iglesia cercana que da la hora todos los días con diferentes tonos o melodías de su campanario.

Expresión Visual

Este elemento poco considerado consiste en la comunicación y expresión visual del ejecutante con el oyente en el acto de emisión de música, comúnmente por medio de gestos o movimientos al verlo ejecutar, como también alcanzando la sofisticación de la conjunción de música y danza, música y cine/videos así como música visual. Al iniciarse la transmisión de ondas y sonidos por radio y teléfono, se entró en la era de la "música ciega", al escuchar pero no ver al emisor. Luego la tecnología de la grabación desligó el enlace temporal y visual con el emisor, hasta que esta situación cambiara radicalmente al aparecer el film, cine, TV y televisión por cable (MTV) y por internet (YouTube), permitiendo cada vez mejor la presencia visual del ejecutante aunque se encuentre en otro lugar y momento, desligado el enlace que constituía la música desde tiempos ancestrales. A pesar de que se puede escuchar muy bien la música así como tocar perfecto con los ojos cerrados, el arte sonoro fue incluyendo cada vez más el componente visual el cual se desarrolla paralelamente, independiente y adquiriendo protagonismo al desarrollarse la separación autónoma de los dos canales, visión y música, hasta donde la música puede pasar a ser simplemente un acompañante o soundtrack de la imagen visual, como sucede en el cine y videos.