劉勰提出八個字:“詩為樂心,聲為樂體”。這就是說,樂府詩是由詩與其相配的樂音結合而成的,在這裏詩是“樂之心”,而詩的根本是“感物吟誌”,是心靈的感應活動,感應活動中的情感是根本,因此樂府的“樂心”是內在的,是不可直接感知的;而聲是“樂之體”,這裏的“聲”當然不是自然之聲,是經過人們的藝術加工的,與詩相配的“聲”,它是人們可以直接感知的外在的表現。樂府就是樂心、樂體二者結合的產物,是不可直接感知的成分與可以直接感知的成分相結合的產物。缺少詩或缺少聲,都不能構成樂府。為什麽古人這樣講究詩與聲相配呢?這可能是由於單純的“詩”隻能作用人的視覺,一種文字的視覺,這是比較抽象的;配上樂之後,就不僅作用於視覺,而且也作用於人的聽覺,是視覺和聽覺並用,那藝術效果就完全不同了,如果配得確切,就可收到“響浹肌髓”的效果,即所謂“和樂之精妙,固表裏而相資”。那麽作為“裏”的樂心與作為“表”的樂體哪個更重要呢?
劉勰認為兩者都重要,但比較之下,還是樂心更重要一些,他舉出了晉國和鄭國的音樂為例,並說明季劄觀樂“不直聽聲而已”。