刘勰提出八个字:“诗为乐心,声为乐体”。这就是说,乐府诗是由诗与其相配的乐音结合而成的,在这里诗是“乐之心”,而诗的根本是“感物吟志”,是心灵的感应活动,感应活动中的情感是根本,因此乐府的“乐心”是内在的,是不可直接感知的;而声是“乐之体”,这里的“声”当然不是自然之声,是经过人们的艺术加工的,与诗相配的“声”,它是人们可以直接感知的外在的表现。乐府就是乐心、乐体二者结合的产物,是不可直接感知的成分与可以直接感知的成分相结合的产物。缺少诗或缺少声,都不能构成乐府。为什么古人这样讲究诗与声相配呢?这可能是由于单纯的“诗”只能作用人的视觉,一种文字的视觉,这是比较抽象的;配上乐之后,就不仅作用于视觉,而且也作用于人的听觉,是视觉和听觉并用,那艺术效果就完全不同了,如果配得确切,就可收到“响浃肌髓”的效果,即所谓“和乐之精妙,固表里而相资”。那么作为“里”的乐心与作为“表”的乐体哪个更重要呢?

刘勰认为两者都重要,但比较之下,还是乐心更重要一些,他举出了晋国和郑国的音乐为例,并说明季札观乐“不直听声而已”。