In confronto all'uso puramente voluttuario e pratico che della musica fecero gli antichi romani (teatro, pantomime, conviti, oppure funzioni e parate militari), il cristianesimo ne introdusse una concezione più alta e spirituale. Non che, in fondo, l'impiego del canto nelle cerimonie ecclesiastiche non fosse in origine anch'esso un accorgimento pratico: per unire i fedeli all'officiante e farli partecipare alla cerimonia con le loro risposte alle parole del prete. Ma la destinazione sacra non tardò ad improntare la musica stessa, piegandola a sensi di solenne e sublime misticismo, facendola capace di dare forma artistica al sentimento del divino, del misterioso, del celeste.

S'intende con la designazione di canto gregoriano (più propriamente canto piano) il complesso della musica fiorita durante il Medioevo in seno alla Chiesa, dalle origini del cristianesimo fino alle origini della polifonia, quindi dell'umanesimo: musica vocale monodica, inquadrata negli schemi della liturgia cattolica.

L'esistenza di un canto popolare profano in latino nell'alto Medioevo è provato soprattutto dall'accanimento con cui esso fu perseguitato dalla Chiesa; ma non ne rimangono documenti apprezzabili. Certamente gli istrioni del mondo romano continuarono, sotto mutato aspetto, la loro attività. Delle canzoni in lingua latina che costoro dovettero cantare, ben poco è rimasto. Se ne distinguono tre categorie, a seconda che sono intonate su testi latini classici, oppure su testi latini contemporanei d'argomento politico e civile, oppure su testi latini contemporanei d'intrattenimento, parodistici e gai. L'apogeo della monodia profana latina si deve porre intorno al 1100 con le due forme del rondellus (d'argomento leggero, fondato sulla ripetizione di un ritornello) e del conductus (grave e serio, di solito riservato ad argomenti politici e civili - da non confondersi con l'omonima forma polifonica).

In Francia (tra l'XI e il XIII sec.) si diffonde la canzone profana in lingua d'oc (trovatori) e d'oil (trovieri). L'adozione della lingua nazionale incide profondamente sui caratteri musicali, modificando soprattutto due elementi: il ritmo e la tonalità. Leggermente posteriore alla produzione dei trovatori, e da essa largamente influenzata, si svolse in Germania l'attività del Minnesanger, o cantore d'amore. A differenza di quelli francesi i trovatori tedeschi superarono la crisi del passaggio dall'età comunale a quella delle signorie, raggruppandosi in corporazioni professionali. Nacque così la figura del Meistersinger, il maestro cantore artigiano.

In Italia il fenomeno della diffusione della poesia trovadorica è accompagnato da una produzione musicalmente ben più importante. Si tratta delle laude, canzoni religiose in volgare, sorte dalla spontanea religiosità delle masse popolari. In alcuni casi, oltre ai testi poetici di forma lirica o lirico-narrativa, conservano anche la melodia di accompagnamento: musiche monodiche in stretto rapporto sillabico con il testo, con anticipazioni di un moderno senso della tonalità e quindi distacco dalle modalità ecclesiastiche. Alcune di esse erano dialogate (laude drammatiche), primo nucleo delle sacre rappresentazioni.

Posizione musicale analoga a quella delle laude italiane, cioè di prototipi melodici nazionali, presentano in Spagna le Càntigas de Sancta Marìa, opera poetica di Alfonso X il Saggio, re di Castiglia dal 1252 al 1284. Anche qui si osserva lo svincolamento dall'indeterminatezza tonale e ritmica del gregoriano, sotto l'influenza del canto popolare, cui non è estranea la derivazione dalla musica araba.

Nel campo della musica popolare si va generalizzando l'uso del termine "ballata" (assunto dall'inglese ballad) per indicare un tipo di canzone narrativa della tradizione dell'Europa continentale, altrimenti detta canzone epico-lirica (Italia), complainte (Francia), romance (Spagna). La ballata presenta caratteri costanti in tutta la sua area di distribuzione (Catalogna, Francia, Provenza, Italia settentrionale, isole britanniche, paesi di lingua tedesca, paesi scandinavi, con propaggini in Castiglia, nell'Italia centrale, nei paesi slavi sotto l'influenza tedesca, e con trapianti nelle terre d'oltremare di colonizzazione anglosassone e francese). I testi delle ballate presentano struttura metrica variabile, impianti narrativo incentrato su un solo episodio (senza antefatti e commenti), formule stereotipate proprie della tradizione orale. Le radici affondano probabilmente nel terreno della cultura tribale europea anteriore alla formazione degli stati moderni (cfr diffusione in aree diverse delle stesse "storie"). La realtà rappresentata è di tipo medievale-feudale, ma l'elemento magico porta a un periodo anteriore.

Verso la fine del IX sec. si trova stabilita la prima rudimentale forma di doppio canto orizzontale che risponde al nome di organum o diafonia; una delle due voci (tenor) tiene il canto dato, per lo più una melodia gregoriana, l'altra, partendo dall'unissono, se ne allontana fino all'intervallo di quarta, sul quale si mantiene per un certo tempo; poi cala di nuovo all'unissono, ripercorrendo gli intervalli di terza e di seconda. A ogni nota, o punto, d'una voce, corrisponde rigorosamente una nota dell'altra voce; quindi il nome di contrappunto (punto contro punto). Al moto unicamente parallelo delle parti nella diafonia (organum) viene poi aggiunto il moto contrario nell’ambito di un’ottava, e si ha il discantus.

Verso il secolo XII in Francia, specialmente intorno al dotto centro di studi parigino, si elaborano compiutamente le regole e le forme dell'arte contrappuntistica (la così detta ars antiqua). Tre forme principali si distinguono di canto a più voci: il motetus (artificiosa combinazione di due melodie, spesso su testi poetici diversi, sopra un tenor che poteva essere affidato ad esecuzione strumentale), il rondellus (spesso di derivazione profana, dalla danza: le voci si inseguono in cerchio, secondo un principio imitativo) e il conductus (anche il canto base è d'invenzione). La prima forma di polifonia trovò il massimo splendore nel XII sec. e all'inizio del XIII con la Scuola della chiesa parigina della Beata Maria Vergine (più tardi Nôtre Dame).

Alla fine del ‘300 si afferma poi un nuovo gusto: il ritmo si fa più libero, sempre più musicale, sciogliendosi dalla servitù alla parola parlata e ai modi derivanti dalla metrica latina. E’ l’ars nova: la musica si va orientando verso un ideale espressivo.

In Italia, nel Trecento la musica polifonica assume una notazione più completa, in particolare con le forme predominanti del periodo: il madrigale (composizione per lo più di otto versi: due terzine a rima varia conchiuse da un distico a rima baciata), la ballata costituita da una ripresa, da due mutazioni e da una volta) e la caccia (testo di movimento rapido con largo impiego della imitazione a canone).

Le vicende politiche del XIII secolo tolgono alla Francia il primato musicale. Tra il 1400 e il 1550 domina la scuola fiamminga (Belgio, Olanda e Francia del Nord): Okeghem, Obrecht, Guillaume Dufay, Gilles Binchois, Josquin Despres.

Le composizioni polifoniche si restringono gradualmente alle due forme supreme della messa e del mottetto. La prima, con le sue cinque parti principali, unificate dalla comunità di un canto dato (tenor) sul quale tutta la composizione è fondata, si potrebbe quasi paragonare al moderno organismo della sinfonia. Il tenor può essere costituito da una melodia gregoriana o anche da una profana, che danno il nome alla messa; qualche volta è d'invenzione, e allora la messa prende il nome dal modo in cui è composta (missa primi toni, ecc.). Il secondo non è più la composizione dei secoli precedenti, ma - religioso e profano - è una forma di grande libertà ritmica e complessità contrappuntistica.. Non è più un contrappunto di nota contro nota, ma un contrappunto di melodie compiute, sapientemente assegnate a ciascuna delle voci e combinate in architettura sonora). Spesso l'indipendenza delle varie parti si spinge a tal punto che non solo ogni melodia è in sé compiuta, ma riveste un testo poetico diverso: confusione irrispettosa, che rischiò di far bandire il mottetto religioso dalla pratica liturgica. Nella prima metà del XV secolo il mottetto è ancora generalmente a tre voci e di queste una (il tenor) è spesso strumentale. Ma in seguito scompare l'uso degli strumenti in chiesa, e la polifonia sacra si fa esclusivamente vocale. Il numero delle voci nella struttura tipica della messa e del mottetto passa allora da tre a quattro (superius, altus, tenor, bassus).

In Italia prevale la musica profana e d'intrattenimento, caratterizzata da semplicità popolaresca. Le forme principali s'innestano per lo più sul tronco della canzone a ballo trecentesca: la frottola o barzelletta e i canti carnascialeschi. La prima è costituita generalmente da una ottava di ottonari musicata a tre o quattro voci, con tendenza della voce superiore a spiccare monodicamente. I secondi sono simili alla frottola, ma con qualche tendenza a una differenziazione polifonica delle parti, del tutto esclusa dall'andamento omoritmico della frottola.

La maestà, il senso di raggiunta perfezione che emana dalla musica del Cinquecento, si deve al felice equilibrio conseguito fra la scrittura polifonica in stile contrappuntistico e il nuovo senso dell'armonia, che costituisce la nuova intuizione del secolo. E' un'epoca caratterizzata da un linguaggio universale, imparzialmente largito da una ricca tradizione a tutti gli artisti che vogliano servirsene.

La messa è la grande forma polifonica. L'immutabilità del testo, non meno che la coralità del mezzo sonoro promuove un'espressione impersonale di religiosità. L'originalità dell'artista si coglie nell'elaborazione polifonica di un tema dato.

Il mottetto, minore forma di musica sacra a più voci, è più maneggevole e vario, meno condizionato dalle esigenze liturgiche.

Il corrispondente profano del mottetto è il madrigale, breve forma polifonica che, a partire dal terzo decennio del secolo, domina tutto il Cinquecento. Non più legato a una particolare forma letteraria, è il rivestimento musicale di qualsiasi breve poesia profana, in lingua volgare, con libertà di rime e metro;  aperto a tutte le tendenze innovatrici, convoglia le esperienze stilistiche e formali del secolo. Dapprima a quattro voci (come la frottola e la villotta, da cui deriva) si fissa poi, verso la metà del Cinquecento, nel tipo di madrigale a cinque voci.

Due scuole predominano nella polifonia cinquecentesca italiana: quella romana coltiva di preferenza la musica sacra e si mantiene fedele alla pura vocalità, secondo le prescrizioni liturgiche, mentre la veneziana, elaboratrice infaticabile del madrigale profano, fa posto anche nella polifonia sacra a un gusto di sontuosa magnificenza coloristica, non escludendo dalla chiesa neppure il sussidio degli strumenti. Alla seconda appartengono Adriano Willaert, Philippe Verdelot, Jakob Arcadelt, Cipriano de Rore, Andrea e Giovanni Gabrieli. La perfezione si raggiunge con il lombardo Luca Marenzio. Di minore equilibrio formale i madrigali del napoletano Carlo Gesualdo. Con Claudio Monteverdi si conclude l'evoluzione del madrigale e avviene il trionfo definitivo della concezione armonica nel trapasso dal madrigale contrappuntistico a una forma di monodia accompagnata.

Sul finire del secolo si ha il madrigale dialogico o rappresentativo (Orazio Vecchi e Adriano Banchieri).

Messa e mottetto sono le due forme nelle quali si incanala la produzione religiosa della scuola romana, esclusivamente vocale, nel rigoroso stile "a cappella". Il Concilio di Trento decreta che venga esclusa dalla Chiesa la musica in cui trovi parte qualcosa di empio o lascivo, avanzando perfino la richiesta di abbandonare le armonizzazioni. Un gruppo di compositori, guidato da Giovanni Pierluigi da Palestrina, evitò questo rischio dimostrando che l'armonia non era incompatibile con la comprensione del testo, né con il diktat cattolico.

In Spagna la polifonia di Tommaso Ludovico da Victoria può essere accostata all'allucinata intuizione pittorica del Greco e al misticismo di Teresa d'Avila e Giovanni della Croce.

In Francia e nei Paesi Bassi lo stile polifonico continua a godere del massimo favore. Segnata da gaia esteriorità  e da accenti d'angoscia la produzione di Orlando di Lasso.

Nel XVI secolo lo scisma tra Cattolicesimo e Protestantesimo si ripercuote profondamente sulla musica. In Germania si ha lo sviluppo di una grande tradizione di Corali, caratteristica del protestantesimo, che avrà grande influenza nello sviluppo musicale di Bach.