在中国音乐理论话语体系中，“理论”是核心词，“中国音乐”是修饰“理论”的，而“话语体系”则是“理论”及其知识体系借助语言进行表达的方式。要建立“中国音乐理论话语体系”，首先要厘清中国传统音乐的基本乐理。

　　音乐以声音为媒介，在声音的四个物理特征中，音高和音长更重要，是各种基本乐理研究的重点。音高包括乐音、乐音体系、律制、音阶、调高、调式、调型等方面的问题，而音长则包括拍、节奏、节拍、速度等方面的问题。

　　在音高方面，其他概念都建立在“乐音”的基础上，“乐音”的概念和结构是音高方面的“深层结构”，而乐音体系、律制、音阶、调高、调式、调型等方面的问题是“表层结构”。在音长方面， 节奏、节拍、板眼等，都建立在“拍值”之上，因此“拍值”是音长方面的“深层结构”，而节奏、节拍、板眼等方面的问题则为“表层结构”。中西乐理的“表层结构”有很多相似之处。首先从律制看，中西都采用“五度相生律”“纯律”和“十二平均律”。管子和毕德哥拉斯都论述过“五度相生律”，孰先孰后，尚有争论。毕德哥拉斯用一弦琴解释过纯律，中国古代虽无有关纯律的论述，琴用纯律曾侯钟的测音结果却证明了我国在2400多年前，古琴已采用纯律。至于十二平均律，则是我国音乐学家朱载堉于1584年首创，一个多世纪后，德国人威尔克迈斯特也提出了同样的理论。印度人把一个八度分为22个“斯鲁提”，阿拉伯人普遍采用微分音，还把一个全音分为四份，印尼的佳美兰采用五平均律，东南亚国家还有采用“七平均律”的，他们所采用的律制与中国的和欧洲的都不同。

　　世界各民族音乐使用的各种音阶可分为各音级间的音程不同的“非平均音阶”和各音级间音程相同的“平均音阶”两类。前者如西洋音乐中的“大音阶”“小音阶”，中国传统音乐中的“正声音阶”等；后者如西洋音乐中的“全音音阶”“半音阶”等。中西音乐都采用“非平均音阶”中各种各样的五声、六声、七声音阶，又因都用十二个律位，故有采用五声音阶的条件，都可以有“六十调”，若采用七声音阶，则都可以有“八十四”调。在中西乐理中，调的名称不同，各个音级进行的方式不同，但将它们从低到高排列起来，外表完全一致。如中国的五声音阶羽调式音阶就和欧洲音乐中的“La pentatonic scale”一致，中国的下徵音阶和西洋的大音阶看上去也一模一样。然而，印度、阿拉伯音乐中的音阶往往超过七声，东南亚还以“平均音阶”（如佳美兰中“斯连德洛”音阶和泰国的平均七声音阶）为特色，这些音阶与中西乐理中所涉及的音阶差别很大。

　　俄国音乐理论家霍洛波夫提出，应把欧洲音乐的调式体系分为强调主音的“调性的调式”和强调旋律型的“调式的调式”两种，这两种情况在中国传统音乐中都存在。如宫、商、角、徵、羽五种不同的调式都可称为“调性的调式”，而“西皮”“二黄”“欢音”“苦音”等则可称为“调式的调式”。

　　在音长方面，中西音乐中的“上层结构”也是相同或者非常相似的。首先，两种音乐中都把“节拍”分为两大类，中国有“有板”和“散板”，西方则有“可划分”的拍子和“不可划分”的拍子两种，前者称“metric”或“measured”，后者则称“free rhythm”。在格里高利圣咏和协奏曲的华彩段中都可以发现采用“不可划分”节拍的作品或片段。汉文中的“节奏”的本意就是“休止”和“演奏（唱）”，西洋乐谱中则用音符和休止符来表示它们。西洋音乐的“节拍”中有二拍子、三拍子、四拍子等，中国音乐的“板眼”中有“一板一眼”“一板三眼”。中国传统乐理中虽然没有“一板二眼”的说法，但中国音乐中还是有一些三拍子的作品，如山西民歌“开花调”和甘宁青一带流行的“少年”中都有三拍子的曲调。西洋音乐中“节拍”里“拍”分“强拍”和“弱拍”，“板眼”中分“板”和“眼”，于是就有音乐学家在强拍和板之间、弱拍和眼之间画上了等号。

　　因为中西乐理在音高和音长两个方面，从“表层结构”来看的确有不少相同和相似之处，所以从20世纪初到现在，一直有学者认为西洋乐理可用来解释中国传统音乐，还有人认为西洋乐理完全可取代中国乐理。因为印度、阿拉伯国家和东南亚乐理的“表层结构”和西洋乐理不同，故在这些国家的传统音乐界并没有这样的看法和认识，一直在走自己的道路。时至今日，我们数百所音乐学院都在教西洋乐理，只有很少几个学校把中国音乐的基本理论作为一个独立的课程来教授。目前，西洋乐理在我国音乐教育中具有很大的优势，而且西洋乐理已经在中国音乐界占据了很重要的地位，从而在全国范围内出现了以西方音乐理论和技法来“剪裁中国音乐的审美”的状况。

　　从音高方面来看，西方音乐中的音都有固定的高度，对“tone”的解释是“有一定音高的乐音”。钢琴所发出的音，就是最典型、最“直观”的西方乐理概念中的“乐音”。而中国音乐中除了有着与西方一样的“平直的音”，还拥有大量的“带腔的音”，可简称“腔音”。

　　从音长方面来看，西方乐理认为：“节拍就是有重音的及无重音的同样时值的，时间段落的循环重复着的序列”。也就是说，西洋音乐中的“拍”强调“同样时值”，其“拍值”基本不变。这种“拍值”应当称为“匀拍值”。在音长方面，西洋乐理以“匀拍值”为规范，而“拍值可变”则是中国乐理有关音高方面“深层结构”。

　　中国传统音乐在音高和音长两个方面“深层结构”的特点是音高和拍值都可以有所变化，这和欧洲音乐不同。因此，要改变目前高等音乐院校疏离中华民族音乐传统，以西方音乐理论和技法来“剪裁中国音乐的审美”的状况，首先要改变基本乐理和视唱练耳的教学，其中要强调音高可变的“腔音”和“弹性拍值”“自由拍值”“拍无定值”的散板的训练。