W dziełach sztuki pogranicznej (np. pieśń, opera) tekst literacki oraz muzyka są ze sobą nierozerwalnie złączone. Ten szczególny związek obydwu dziedzin twórczości, polegający na zespoleniu brzmienia słowa z brzmieniem muzyki, nazywany jest śpiewem.

Muzyka wykorzystująca śpiew a capella to muzyka wokalna, a wykonująca śpiew z towarzyszeniem instrumentalnym to muzyka wokalno-instrumentalna. Sam śpiew jest najstarszą praktyką muzyczną.

Najściślejszy związek słowa z muzyką zachodzi w śpiewie, w linii wokalnej. Całość wokalnego utworu muzycznego nazwiemy „wielkim tekstem muzycznym” lub „słowno- muzycznym”. Dzieli się również na tekst akompaniamentu, czyli całą pozostałą, czysto instrumentalną fakturę utworu. Między tymi dwiema warstwami tworzą się również związki słowa i muzyki, ale odmiennej natury od pozostałych.

Jeśli linię wokalną pozbawimy słów, pozostanie wokaliza, tekst czysto muzyczny; nazwiemy go „małym tekstem czysto muzycznym”. Tekst ten zawiera w sobie wszystko, co ściśle muzyczne (a nie słowne) w linii wokalnej.

Skoro muzyka jest z pewnością sztuką samodzielną, a nie tylko pomocniczą wobec poezji i to sztuką najpotężniejszą ze wszystkich, i dlatego osiąga w pełni swoje cele własnymi środkami, więc z pewnością też nie potrzebuje słów.

Słowa są i zawsze będą dla muzyki postronnym dodatkiem o podrzędnym znaczeniu, gdyż działanie dźwięków jest nieporównanie silniejsze, bardziej niezawodne i szybsze niż słów. Jeśli więc włącza się je do muzyki, mogą grać tylko zupełnie podrzędną rolę i muszą całkowicie podporządkować się tamtej. Odwrotnie natomiast układa się stosunek gdy idzie o poezję już daną, o pieśń lub tekst opery, do którego dodana zostaje muzyka. Wtedy bowiem sztuka tonów objawia swą siłę i większe możliwości, ponieważ daje teraz najgłębsze, ostateczne, najbardziej skryte wyjaśnienie doznań wyrażonych w słowach lub akcji ukazanej w operze. Wyraża tym samym ich właściwą i prawdziwą istotę i pozwala nam poznać samego ducha zdarzeń i wypadków, których zewnętrzną tylko powłokę po cichu ukazuje scena.

Ze względu na tę przewagę muzyki oraz na to, że do tekstu i do akcji pozostaje w takim stosunku jak to, co ogólne, do tego, co szczegółowe, jak reguła do przykładu, mogłoby się zdawać bardziej stosowne układanie tekstu do muzyki niż komponowanie muzyki do tekstu. Ale w metodzie powszechnie stosowanej słowa i akcja tekstu wskazują kompozytorowi na leżące u ich podstaw pobudzenia woli i wywołują u niego samego doznania, które może wyrazić, a więc pobudzają jego fantazję muzyczną.

Jeśli zresztą dodanie poezji do muzyki jest dla nas tak pożądane, a śpiew ze zrozumiałymi słowami tak głęboko oddziaływuje na ludzi, to dlatego, że równocześnie i wraz tymi następuje pobudzenie naszego najbardziej bezpośredniego i najbardziej pośredniego sposobu poznania. Najbardziej bezpośredni jest mianowicie taki, w którym muzyka wyraża same drgnienia woli, najbardziej pośrednim zaś jest poznanie pojęć oznaczonych słowami. Kiedy przemawiają doznania, rozum niechętnie pozostaje całkiem bezczynny. Muzyka potrafi wprawdzie wyrazić własnymi środkami każde poruszenie woli, każde doznanie, ale dodanie słów dostarcza nam ponadto jeszcze ich przedmioty, motywy, które je powodują.

Zgodnie z nauką Schopenhauera, muzykę jako mowę woli rozumiemy bezpośrednio, a nasza fantazja czuje się zainspirowana do tego, by ów przemawiający do nas niewidzialny, choć tak ruchliwy duchowy świat można w swoim umyśle kształtować i sobie na analogicznym przykładzie ucieleśniać.

Zdaniem Schopenhauera muzyka to ”cudowna sztuka dźwięków”, to sztuka „tak wielka, tak niezwykle wspaniała”, która bezpośrednio działa na najgłębsze doznania człowieka, będąc zarazem całkowicie i dogłębnie zrozumiałą przez duszę. Dzieje się tak, ponieważ w estetycznym przeżywaniu muzyki do bezpośredniego głosu i wyrazu dochodzi najgłębsza istota człowieka, odkrywając jego wolicjonalną intymność.

Według A. Schopenhauera wśród wszystkich sztuk muzyka zajmuje szczególne miejsce. Podczas gdy inne odnogi sztuki znajdują dla swych dzieł wzory w przyrodzie, dla muzyki nie istnieje żaden wzór naturalny. Dlatego też nie ma ona nic wspólnego z przejawem idei. Będąc całkowicie niezależna od zjawiskowego świata, nie wchodząc również w kontakt ze sferą idei, mogłaby „do pewnego stopnia istnieć, gdyby nawet nie było w ogóle świata(…)”.

Literatura i muzyka to dwie niezależne sztuki, które mogą stanowić jedność. W postaci śpiewu. Jeśli obydwie dziedziny twórczości zaistnieją w jednym dziele, oddziałują na odbiorcę, pobudzając zarówno jego wolę (środkami muzycznymi), jak i umysł (środkami literackimi).

Dźwięki muzyczne są zdolne wyrazić to, czego słowami utrwalić nie sposób. Tak twierdzi wielu znawców oraz miłośników sztuki.

Rzeczywista potęga muzyki polega na tym, że może ona oddawać „prawdę” życia uczuciowego w sposób, jaki jest niedostępny językowi, ponieważ jej formy znaczące cechuje owa ambiwalencja treści, której słowa nie mogą. Muzyka ujawnia to, co słowa nie są w stanie oddać, ponieważ może zawierać nie tylko treść, ale i przemijającą grę treści. Może artykułować uczucia, nie wiążąc się z nimi na stałe.

Jednak mimo wspólnej właściwości tworzywa artystycznego, doświadczenia człowieka znajdujące odzwierciedlenie w literaturze i muzyce są odmienne.

Można uznać, że muzyka różni się od języka tym, że będąc symbolem przedstawieniowym, bardziej adekwatnie potrafi oddać nasze życie emocjonalne. Porównywanie symbolicznych możliwości języka i muzyki prowadzi do stwierdzenia, że znaki językowe są nośnikiem myśli, a znaki muzyczne – nośnikiem uczuć. W romantyzmie tę zależność dobitnie wyraził niemiecki poeta W.H. Wackenroder, pisząc: „Żaden ludzi kunszt nie zdoła słowami przedstawić przepływu rwącego strumienia tak, jak jawi się on naszym oczom, wraz z tysiącami poszczególnych, gładkich i postrzępionych, burzących się i pieniących fal – język może zmiany zaledwie wyliczyć i nazwać, ale nie może przedstawić nam naocznie łączących się w przemianach kropli. Język wylicza, nazywa i opisuje jego przemiany w obcym tworzywie – muzyka sama przedstawia nam go w jego przepływie”.

Muzyka jest więc nieokreślona, natomiast słowo jest pojęciem uchwytnym. Przyjmując, że skala muzyczna to „słowa” muzyki, harmonia jej „gramatyką”, a rozwinięcie tematyczne „składnią”, założenie to byłoby tylko bezużyteczną alegorią. Dźwiękom bowiem brakuje tej właśnie cechy, która wyróżnia słowo od zwykłego dźwięku: stałej konotacji czy „słownikowego znaczenia”.

Załóżmy, że proza jest tą formą języka, która muzyce jest najdalsza, ale już w popisie krasomówczym, w układzie dźwięcznych okresów usłyszymy brzmienie muzyczne, które mocniej i mocniej zaznacza się w mowie poetyckiej, w budowie wiersza, w rytmie, aż w końcu muzyczność rozwija się tak potężnie, że mowa milknie i wszystko staje się muzyką. Kiedy od prozy przesiąkłej pojęciami pójdziemy wstecz, napotkamy wykrzykniki, które znów są muzyczne, podobnie jak w pierwszym gaworzeniu dziecka jest muzyka.

Co z tego wynika? A to, że tam, gdzie kończy się mowa, zaczyna się muzyka.