人的声音可以听得出来就是灵魂本身的声音， 它在本质上就是内心生话的表现，而且它直接地控制着这种表现。 因此，人的声音是完美的。

一个物体通过它的震动，首先是造成一系列不同质的声音。不同的音、音组和音质所构成一个完整的整体，这些不同的音、音组和音质本来是凭量的关系来定的。各种声音就依这种量的关系而得到定性，每种乐器和人的口音所接受的任务就是按照各自的特殊声响，在不同的完美程度上把这些声音召唤出来。

音乐既不是由个别孤立的音程，也不是由一系列纯然抽象的声音或互不相关的不同的声音来形成，它是各种声音的一种具体的齐鸣，冲突与和解。

主要的乐器，我认为是发音沿着直线方向的乐器，无论是管乐器还是管弦乐，皆以一种无内聚力的空气柱为基本原则。其次才是平面的材料，这只能产生次要的乐器，例如鼓、铃和口琴。我说它是次要的是因为在自觉的内心生活和沿直线走的声音之间有一种秘密的感情共鸣。

因此，本身单纯的主体性所要求的就是一种单纯的长形体的震响而不是一种宽的或圆的平面体的震响。这就是说，内心生活作为主体就是一种精神点，声音就是这种精神点的外化，所以精神点在声音里察觉到自己。但是点的最切近的自我否定和外化不是朝平面的方向铺开，而是朝直线方向前进。

宽或圆的平面并不符合听觉的需要。鼓是在一个锅状体上铺上一张皮，敲到上面的一点，就使整个平面震动起来，产生一种重浊的响声。这种响声固然也协调，但是作为发音的乐器，既没有明确的定性，也不能有多大的变化。与鼓相反的是口琴和嵌在它里面的小玻璃铃。 口琴的声音凝聚而不易发散，容易使人疲劳，不少的人一听到它，就感到神经疼。此外， 口琴尽管有特殊的效力，却不能产生持久的快感。铃像鼓一样，音调缺乏变化，也是要一阵阵地敲，不过铃声不像鼓声那样重浊，而是很清脆的，不过它的持续的嗡嗡声很像只是一次敲击声的余韵。

和声体系的要点如下：

第一，单个的声音，就它自己的一定量来看，以及就这种量对其他声音的关系来看。就是单个音程的学理。

第二，多个声音摆在一起所形成的系列，即一个声音直接联系另一个声音的那种先后承续的次序，就是音阶；

第三，这些音阶之间的差别，由于每个音阶都以不同的基音为起点，这些音阶就分化成为一些互不相同的音调，也就形成这些音调的整个体系。

最自由和最完美的乐器是人的声音，它兼有管乐和弦乐的特性。人的声音一方面是一个震动的空气柱，另一方面由于筋肉的关系，人的发音器官也像一根绷紧了的弦。正像我们谈到人的肤色时说过它是理想的统一体，把其余一切颜色都包括在内，因此它本身就是最完美的颜色。人的声音也是如此，它是分布在各种器乐里的响声的理想整体。

人的声音可以听得出来就是灵魂本身的声音，它在本质上就是内心生活的表现，而且它直接地控制着这种表现。因此，人的声音是完美的。在一切其他乐器里，只是一个与灵魂和情感漠不相关的、在性质上相差很远的物体在震动。但是在人的歌声里，灵魂却通过它自己的肉体而发出声响来。比如意大利人就是一个歌唱的民族，在他们中间常常可以听到最美的声音。发音体就像纯金，其音质既不尖锐刺耳也不重浊空洞，不发展到震颤声，而是玉润珠圆，仿佛是内心生活在回旋动荡，发出声响。那是一种“纯洁”的声音。

莫扎特在器乐处理这一方面是一位大师，能显示出器乐既生动而又明晰的意味深长的丰富多彩性。他的一些交响乐曲使我感觉到各种乐器的轮流演奏往往像一种戏剧式的音乐会演，像一种各种乐器的对话，其中有时这一种乐器角色发展到一个地步，仿佛它已为另一种乐器角色埋伏了线索或作了准备；有时这一种乐器像是回答另一种乐器，或是补充前一种乐器的未尽之意，结果是一种美妙的谈话，其中响声和反响声、开始、进展和完成都互相呼应。