它也是要靠一种复杂比例关系的基础： 由于声音来自物体的震动，既有震动， 即落在时间范畴里，这些复杂比例关系就要归原到这种占时间的震动的定性，也就是要归原到在一定时间里的震动的一定的数量。

单个的声音不仅有各自的响声，而且这响声还由于震动的物体而各有精确的独特的定性。要能达到这种定性，那震动就不能是偶然的，任性的，而是本身也要界定很明确。这就是说，发声响的空气柱或是绷紧了的弦和平面乐器之类一般都有一定的长度和伸延度，例如把一根弦的两头系住，然后使这两头之间绷紧了的部分震动起来，这里最重要的就是粗度和紧张度。如果两根弦在粗度和紧张度上完全相等，那就要先看它们的长度，按照毕达哥拉斯首先观察到的事实，如果两根弦完全相同只是长短不同，在同一时间里所发出的震动数就不同。这两种震动数的差异和比例关系就是各种声音在高低上的差异和比例关系的基础。

如果我们去听这些声音，所得到的感觉当然完全不同于这样枯燥的数的比例关系。我们无须知道这种震动数和数字比例，即使看到弦在震动，等到震动过去了，我们也无从知道它的震动数究竟是多少，而且我们往往根本用不着去看发音体，就可以对声音得到印象。所以说声音和数的比例关系有联系，乍听起来不但很难置信，而且还会产生一种印象，仿佛把对和声曲调的倾听和体会归原到纯然数量的比例关系，就是降低倾听和体会的能力。但是无论如何，同一时间内的震动数的比例关系毕竟是界定声音定性的基础。说听觉印象本身很简单，并不足以反驳这一点。一个单纯的印象本身，无论在概念上还是在实际情况上，都可以包含很复杂的东西，而且与其它的东西有重要的联系。例如我们看到纯洁的颜色，绿色或黄色、青色或红色，所得到的印象也是它只有一种很简单的定性。尽管如此，纯洁的颜色也并不那么简单，而是还有一种确定的明暗交织的关系。宗教的情绪，对这一事例或那一事例的正确与否的感觉，也都像是很简单的，但是一切有关宗教的事情和一切是非感都包含复杂的特殊定性，这些定性的统一才产生这种简单的感觉。

声音也是如此，我们听起来，觉得它很简单，但它也是要靠一种复杂比例关系作为基础。由于声音来自物体的震动，既有震动，即落在时间范畴里，这些复杂比例关系就要归原到这种占时间震动的定性，也就是要归原到在一定时间里的震动的一定数量。紧密协调的一些声音在震响时就听不出彼此的差异是一种对立，它们的震动的数的比例关系就是最简单的，反之，那些本来就不协调的声音却包含比较复杂的比例关系，例如八度音释中的声音就属于前一种。这就是说，如果我们调一根弦，它的一定的震动数提供了基调，于是把它加以二等分，分成两半，在相等的时间里，后一半的震动数和前一半的震动数就相等。同理，在第五度音程里每个音的震动数与某调的震动数是三与二之比；在第三度音程里，每个音的震动数与基调的震动数是五与四之比。第二度音程和第七度音程就和前几种音程不同，其中每个音的震动数与基调的震动数，前者是九与八之比，后者是十五与八之比。