前人讨论词的起源问题，大约从三个角度入手：诗与词的关系、词的长短句样式之渊源、音乐与词的关系。从时间上往前追溯，前人则分别认为词起源于远古诗歌、《诗经》和《楚辞》、汉魏六朝乐府、唐近体诗等等。当然说词起源于远古诗歌、《诗经》和《楚辞》是不会错的，但未免离其发展的初始阶段太远，所谓起源问题需要探讨的是刚开始发展的那一阶段。更细致的研究就有了起源于汉魏乐府说和起源于六朝杂言诗说。词的最显著的特征是合乐歌唱，南宋有人就从音乐的角度切入，而把目光聚焦在汉魏乐府诗歌上。将词的合乐特征、词调的出现等与词的长短句式结合起来考察，明代部分词论家就把注意力集中在六朝杂言诗之上。这两种说法对词的起源研究是进了一步，但前者忽视了乐府音乐和隋唐“燕乐”（词演唱的音乐是来自隋唐“燕乐” ）的区别，后者尽管形式上六朝杂言诗和词相似，但并非用隋唐“燕乐”演唱。清代的研究者考虑到词入燕乐演唱、须讲究格律、句式长短不一、必有词调等多方面特征以及唐代可演唱的诗确实在配乐的过程中用的“燕乐”，并且部分演变为词调，认为词起源于唐诗。典型的说法见《四库全书总目》卷一百九十九《御定历代诗余提要》：“诗降而为词，始于唐。若《菩萨蛮》、《忆秦娥》、《忆江南》、《长相思》之属，本是唐人之诗，而句有长短，遂为词家权舆，故谓之诗余。”词为诗余的说法直到清末还极为流行。宋代黄升在《唐宋诸贤绝妙词选》中认为李白的《菩萨蛮》（“平林漠漠烟如织” ）和《忆秦娥》（“ 箫声咽” ），这两首词是“百代词曲之祖”的说法因此一直被认可，而李白就被奉为最早的词作者，尽管有人质疑这两首是否李白写的。
二十世纪以前并没有搞清楚的词的起源问题，随着敦煌曲子词的发现和燕乐研究的深入，有了突破性的进展。从敦煌发现的曲子词来看，曲子词与唐诗并行不悖，这就不能解释为词起源于诗。燕乐研究在清代逐渐成为“显学”，凌廷堪（约1755~1809年，字次仲，安徽歙县人，曾任宁国府学教授，研究古代礼乐。）研究隋唐燕乐乐律理论的来源及其宫调体系6卷本专著《燕乐考原》的问世，加深了人们对词与燕乐关系的理解，有关词的起源问题之实质也逐渐凸现出来。近代吴梅就是从这个角度为“词的起源”定位的，他在《词话丛编序》中说：“倚声之学，源于隋之燕乐。三唐导其流，五季扬其波，至宋大盛。”这种说法就已经十分科学。吴梅(1884~1939)，字瞿安，号霜厓，別署癯安、逋飛、厓叟等。江苏苏州人，戏曲理论家和教育家，诗词曲作家。吴梅一生致力于戏曲及其他声律研究和教学。主要著作有《顾曲麈谈》 、《曲学通论》 、《中国戏曲概论》 、《元剧研究》 、《南北词谱》等。又作有传奇、杂剧十二种。培养了大量学有所成的戏曲研究家和教育家。
以前只知道现代有两个词学大师：吴梅的弟子唐圭璋（1901~1990）和朱祖谋的弟子夏承焘（1900~1986）（算起来夏承焘还是唐圭璋的师叔，因为吴梅也出自朱祖谋门下），现在知道还有比这两位成就更大的任中敏（1897~1991）。任中敏名讷，字中敏，后以字行。别号二北、半塘，在下有时间另具一文介绍他极富传奇性的一生。1918年，任中敏考入北京大学国文系。在这里，他遇上了词曲学大家吴梅教授，对他一生的学术取向产生了极大的影响。大学毕业后，他留居苏州吴梅先生的“奢摩他室”书斋，用两年时间，尽读老师精心收藏的各种词曲典籍，受到老师的悉心指教，这为他日后的学术研究打下了坚实的基础，他是唐圭璋的师兄，他俩在加上1951年去世的卢前合称吴门三杰。
数年以后，结合在上海大学、南方大学、复旦大学、广东大学等校教授词曲的经验，35岁的任中敏以系列学术著作：《词曲通义》 、《散曲丛刊》 、《曲谐》 、《词学研究法》 、《新曲苑》等向学术界宣告“任氏散曲学”的建立，由于研究北宋词和金元北曲故号二北。作为教育家的任中敏，从1932年到1949年，从事中学教育工作。解放后创建了被今天的学术界称为唐艺学的一门新学科，于是号半塘（半辈子研究唐艺）。这里的“唐艺” ，特指与文学相联系的“艺” ，尤其是音乐文艺。其研究对象包括唐代的“戏弄”（唐代的戏剧 ）、“声诗”（配合歌唱的齐言诗歌辞 ）、“杂言歌辞”（民间的及文人借鉴民间形式所作的“长短句”歌辞）、“大曲”（较大型的歌舞及与之相配合的歌辞）、“著辞”（酒宴中的歌、舞与之相为一体的歌辞）、“说唱”（说、唱结合以述故事）等。联系到他早期的学术研究，他对一些传统的命题，如词的起源、古代戏剧的发生、发展的阶段形态等等，获得了全新的认识。下面就以任氏的这些研究成果来介绍词的起源。
南宋的王灼在《碧鸡漫志》卷一中阐述了诗、歌和音乐的关系。他写道：“或问歌曲所起。曰：天地始分，而人生焉，人莫不有心，此歌曲所以起也。《舜典》曰：‘诗言志，歌咏言，声依咏，律和声。’《诗》序曰：‘在心为志，发言为诗，情动于中而形于言。言之不足，故嗟叹之，嗟叹之不足，故咏歌之，咏歌之不足，不知手之舞之，足之蹈之。’《乐记》曰：‘诗言其志，歌咏其声，舞动其容，三者本于心，然後乐器从之。’故有心則有诗，有诗則有歌，有歌則有声律，有声律則有乐歌，咏言即诗也，非于诗外求歌也。……古人初不定声律，因所感发為歌，而声律从之，唐、虞三代以來是也，余波至西汉末始绝。”他举例说：“荊轲入秦，燕太子丹及宾客送至易水之上，高渐离击筑（筑的样子有点像木琴，发声的是竹片不是木片），轲和而歌，为变徵之声（注意徵字在此念做zhi第三声，不念zheng第一声，古代五声音阶：宫、商、角、徵、羽），士皆涕淚。又前为歌曰：‘風萧萧兮易水寒，壮士一去兮不复还。’复为羽声慷慨，士皆瞋目，髮上指冠。”说明了诗发展为歌再发展成声律的发展关系。
先秦古乐为雅乐，是庙堂之乐。《诗经》中的雅、颂就属雅乐。雅乐在战国时期因无力与新兴的俗乐争胜走向衰落，最后不得不沦亡，后来如唐宋时的雅乐只是装点礼仪的模拟品。在《诗歌篇》中已经讲到汉代乐府的一个职能是为搜集到歌辞配曲，汉魏六朝的主流音乐称清乐。汉乐府音乐有用于郊庙和燕飨的楚歌，这里既有雅乐的余波（郊庙音乐），也有俗乐的成分（燕飨音乐），雅俗之乐不分。还有就是军乐，军乐吸取了其他民族的音乐元素，一部分是北狄音乐的基础上融合了先秦振旅凯乐而形成的铙歌，另一部分是张骞通西域带回《摩诃兜勒》，由李延年编为28首“鼓吹新声”，用来作为乐府仪仗之乐。歌唱乐府诗所用的音乐主要的是清乐，清乐之始是相和三调（平调、清调、瑟调），或称清商三调（宫、商、角），流行于中原，角字读jue第二声。而六朝的吴歌、西曲称清商乐（因其清调以商为主，故称清商），则流行于江南。清乐从容雅缓，音希而淡，入唐后也逐渐衰落，只是一些唐代南方的吴声越调，还带有清乐的余韵。
燕乐源头可上溯到北魏和北周。南北分裂造成了音乐上的南北分界。在北方少数民族统治地区，中原旧乐与西域胡乐融合，并以胡乐为主，逐步形成了与清乐不同的北乐系统。公元568年，北周武帝聘突厥阿史那氏为皇后，阿史那氏带来了龟兹音乐及擅弹琵琶的龟兹乐工苏祗婆。苏祗婆其家世代为乐工，他不仅琵琶技艺超群，而且精通音律。苏祗婆曾从其父那里学了西域所用的“五旦”“七调”等七种调式的理论，他把这种理论带到中原，当时的音乐家郑译曾从苏祗婆学习龟兹琵琶及龟兹乐调理论，把它融合到我国原有的汉民族乐律中，创立了八十四调的理论。苏氏乐调体系奠定了唐代著名的燕乐二十八调的理论基础，是我国古代音乐发展史上的一个重要转折点，对汉民族乐律的发展作出了卓越的贡献。琵琶也因此大盛，成为我国主要的民族乐器。
隋文帝始分雅俗，俗乐即燕乐。燕乐本为宴飨之乐或内廷之乐。唐代燕乐，又称宴乐，是祭祀享庙朝会之外的一般音乐。北宋沈括(1031～1095)在《梦溪笔谈》中指出：“先王之乐为雅乐，前世新声为清乐，合胡部为燕乐”。意为宫廷中所用的“燕乐”系与“雅乐”相对而言，并指出燕乐是汉族俗乐(主体为“清乐”)与境内各民族及外来俗乐(“胡部”)之总称。隋唐燕乐是泛指宴享娱乐的歌舞。标志着唐代乐舞文化的高峰，主要就是由乐舞伎人表演的。其形式品种之丰富，技艺之高超，队伍之庞大，以及在社会上流传之普遍与深入，都可以说是既空前又绝后的。隋统一后，隋文帝对南北曲进行汇集整理，于雅乐外置七部乐：国伎（西凉伎） 清商伎 高丽伎 天竺伎 安国伎 龟兹伎 文康伎，后炀帝置九部乐：清乐、西凉、龟兹、高丽、天竺、康国、安国、疏勒、礼毕。唐贞观十四年，太宗平高昌，得高昌乐，使协律郎张文收造燕乐，去礼毕乐，合为唐十部乐：燕乐、清商、西凉、龟兹、安国、康国、疏勒、高昌、高丽、天竺。十部乐的主要部分是西凉乐与龟兹乐。十部乐为宫、商、角、羽四宫七调，共二十八种调式，又称俗乐二十八调。这比南北朝以来所用的“清商三调” ，有着明显的进步和发展。唐玄宗时，又把燕乐分为立部伎和坐部伎，“堂下立奏，谓之立部伎；堂上坐奏，谓之坐部伎。” (《新唐书•礼乐志》) 较为著名的有《景云乐》 、《庆善乐》 、《破阵乐》 、《承天乐》 、《太平乐》 、《圣寿乐》等。立部伎在堂下表演时，舞者少时约60人，多时至180人。唐玄宗时太常寺考核乐工技艺水平，以立部伎低于坐部伎一等，自立部伎中淘汰者则入雅乐。坐部伎在堂上表演，舞者少至3人，多至12人，乐工与舞者的技艺水平较高。玄宗时太常寺管理下的乐工，从坐部伎淘汰者入立部伎。现在称隋唐燕乐与宋燕乐，均为广义的“燕乐” ，是宫廷中所用十一部俗乐的总称。
我国诗歌发展至盛唐，众体兼备，声律完善，诗的节奏感与音乐美大大增加了，近体诗尤为突出。这就为词体的形成提供了必不可少的条件。音乐与诗歌结合，是自《诗经》以来就形成的传统。隋唐时代，随着诗乐的长足进步，人们对诗乐结合也提出了新的审美要求，而词正是顺应了这一要求，在宴乐与诗歌的结合中诞生的一种配合燕乐歌唱的新型诗体，有着既属于音乐又属于文学的双重性，它的产生与形成，依赖于音乐与诗歌各自的发展，以及诗乐结合方式的变革和演进。最早与配合宴乐的诗歌，有五、七言绝句，也有杂言诗体。就诗词的传承关系来看，它们是词的两支源头；从声律上看，它们已具有词的某方面的特征，但与成熟的词体又有一定差别。在与乐曲的结合过程中它们不断作着自我调整，相互借鉴并并吸取了对方形式上的长处，蜕变成一种新的诗体。词也正是既接受了近体诗的声律规则，又接受了杂言诗的长短句式才自成面目，并以此作为自身的两大标志。
隋唐燕乐的形成，造成了大量具有固定曲谱的流行乐曲，盛唐崔令钦在所著《教坊记》中列出了三百二十四支曲名，其中绝大多数成了后来的词牌。所以到了出现词曲的时代，先有辞后有曲的情况反过来了，变成先有歌谱，然后按谱填词或曲，这是声律成熟发展的结果。既然词是配合隋唐之际新兴的燕乐演唱的，那么，它的起源就不会早于隋唐。况且，中原人士对外来音乐还有一段适应与熟悉的过程，不可能立即为新乐填词。结合敦煌石窟保存的早期“曲子词”来分析，大约是入唐以后中原人士才开始为比较成型的燕乐填写歌词。因此，词应该是在初唐以后逐渐萌芽生长而成的。综上所述，词的起源应该从音乐和歌词两方面考察。因声度词成为普遍的创作方法，曲子词随即大量出现了。早期曲子词在民间流行，多俚语俗词，当文人们接触到乐工歌妓，因而介入曲子词的创作时，这种富有音乐性、辞式随曲调要求而作长短参差的作品，逐渐被看作一种新兴的文体。一旦这种音乐文学中的文学因素成长起来，摆脱其音乐性而获得独立，作为音乐文学的曲子词就变成了作为单纯文学的词。“曲子词”和“词”，代表了“词”起源和形成的两个阶段。
宋词、北曲和南曲的辞文都是用来演唱的，所填的每一个词牌或曲牌原来都有相应的乐谱，时过境迁，现在保留下来的只有很少一部分，大多数只剩下格律谱。但是乐谱的痕迹还是遗留下来。例如在查阅王奕清编制的《钦定词谱》或万树所著的《词律》时，许多词牌都附有它的宫调。曲谱，不管是最早出现的朱权所著的北曲曲谱《太和正音谱》和蒋孝所编的南曲曲谱《南词旧谱》或是后来王奕清编制的《钦定曲谱》（又名《康熙曲谱》）更是每个曲牌都有其宫调，长期以来昆曲和某些地方戏曲中还以工尺谱的形式保留了许多曲牌的乐谱，特别是南曲曲谱，例如没有记错的话京剧中就有《小桃红》这个曲调，北曲曲牌也有一个《越调 小桃红》当然两者不会完全一样，这里越调就是一种宫调。这里所谓的宫调，前面讲的郑译创立的八十四调理论以及俗乐（或燕乐）二十八调都涉及汉民族的乐律，下面简单介绍一下。
琴弦振动产生声波就是音，音有绝对音高和相对音高。振动的频率（也就是一秒中内振动的次数），就决定了的音的绝对高度。比如，我们说某个音的绝对音高是某个八度中的A，那就是说，发这个音的时候，振动的频率是440赫兹，也就是每秒振动440次，不同的音都有一个振动频率。我们取一定频率的音形成了音乐体系中所需要的音高，并用英文字母一一表示它们为C，#C，D，bE，E，F，#F，G，bA，A，bB，B共十二个，称为音名。每两个音之间的频率比值等于2的十二次方根，这种定音的方式因为音的频率比相等，就称为十二平均律，十二平均律是明代藩王朱载堉对世界音乐的巨大贡献。每两个相邻音名的音，其音高之差音乐上称为半度，也就是说C和#C相差半度和D相差一度，以此类推。如果B再往上升半度，这个音的频率刚好是C的一倍，而在音乐上称为一个八度，这两个音听起来“很象” 。中国民族音乐也是把音高相差八度分成十二份，不过不叫“音名”而叫“律位” ，从战国后期起这些律位的名字也统一为：黄钟、大吕、太蔟、夹钟、姑洗、仲吕、蕤宾、林钟、夷则、南吕、无射、应钟，简单地可以和前面所讲西洋音乐的十二个音名一一对应（更详细研究，不同时代对应关系是不同的，而且在朱载堉之前相邻两个律位音高相差也并不是刚好半度，不过那是音乐家的事，这里不深入讨论）。
一组不同音高的音形成了音阶，包含七个音的叫做七声音阶，包含五个音的叫做五声音阶。音阶中每个音发出的声叫做唱名，西洋音乐的七个唱名是1（哆）、2（来）、3（咪）、4（发）、5（嗦）、6（拉）、7（希），除3，4和7，高八度的1之间音高相差半度外，其余相邻唱名音高相差都是一度。有文字记载民族音乐的最早例子是孔子闻韶，听到的传说是虞舜所作，实际是西周初期的韶乐，