二
我觉得极其有可能的是，歌唱应该是在其源头上由冲动情绪引发而来并朝向节奏与变调的方面发展的被强化了的语言。而且我接下来要证明这一点。语言和精神在相互的支撑与促进中发展，任何一方的进步都建立于另一方的基础上。“施泰因塔尔说，人的存在是思想，而人的思想是最初的语言。”也就是说，在原始人那里，心理的活动过程所展现之处也正是语言所在之处；人对于表达的诉求以及通过外部活动调整内部冲动情绪的诉求，其实通过手势和喊叫就可以较好地实现，而语言则为这种诉求的实现提供了更为丰富与恰当的形式。同时，引导动物成为人的语言桥梁是不可逆行的；每种冲动情绪总是在独特的语言中寻得平衡。因此，如果原始人的每种思想和感受都是用语言说出来的（拉扎勒斯［Lazarus］：“儿童和野蛮人几乎总是在说话”），那么，强烈的心理活动也要寻求一种强烈的表达方式。这些如此剧烈的心理活动通常过于强烈，以至于未经驯化的人再怎么费力地使用自己的语言能力去表达也无法实现相应的平衡；所以，惊恐感[4]只能引发一声喊叫，同样，疼痛感也只能带来喊叫。但是，也有一些情绪，它们并不那么强烈，使得语言的表达完全可以抑制这种欲望，然而，这些情绪在语言的日常节奏与表达方式中仍然无法得到完全充足的平衡。所以，愤怒感虽然可以用语词来实现自身的表达，但是与通常的说话声音相比，愤怒的声音总是以更高、更响亮的声调被表达出来，而沮丧感在运用语词抒发时，则以更低沉、更单一的声调来表达。此外也有一些冲动情绪，这些冲动情绪加强了语言表达中有节奏性的元素，如变调的元素。例如，在出征的队伍中总会出现这样的冲动情绪。这种能量的紧张感在世界上的一切民族中都会激发出有节拍的步伐以及借机而起的舞蹈，它在这一瞬间赋予一切行为以一种节奏性的特征。如果原始部落准备好了向前进（而且如果说的是有组织的出征的话，那一定是这样），那么此时，他们要表达的冲动情绪已经超出了原有语言的形式，这时在部落里就要为了特定的时机而形成一些特定的表达方式（例如，在出征时要求并高呼勇敢，辱骂敌人等），这样，他们的那种冲动情绪就以这种方式得到抒发——那就是，在随之而来的总体安排，特别是步伐中，有节奏地发出声响。民族学教我们用有节奏的声响来对抗敌人，这是全世界都知道的，而且节奏是音乐的第一个来源。
歌唱得以形成的第二个诱因可能是一种普遍的惬意感与愉快感。现在我们仍然可以感受到，人们在心情愉悦时比正常情况下或者情绪沮丧时说的话更多，特别是儿童（即使他们在独处时），一旦他们被愉快感所激发，就会不停地说话。但是，对原始人来说，出于他们在变调与层次变化上的能力，他们说话的素材在每一方面来看都仍然是流动着的，[5]他们还没有像我们那样，形成相对稳定的声调，这样，即便是同一个语词，他们在快乐时所使用的重音也会与平时有所不同。而且我们发现，当我们伴着愉悦感说话时，似乎我们说话的节奏也会变化；我们说话的声调总会或多或少地偏高或偏低；正如这种声调听起来更有旋律也更悦耳一样，似乎我们内在的和谐寻得了一种外在的展示。此外我们要注意，自我愉快的心情诉之于节奏感，这不只是因为节奏感与有旋律的声调有着紧密的关联，而是因为本来就是这样——舞蹈的那种有节奏的运动和其他的一样，就是一种反射活动，令人欢快的情绪也是这样（拉扎勒斯，《心灵的生活》，Ⅱ，136）。
在情绪的范畴中可能也要考虑到性本能。我在前面已经指出，我们并不能证明，无文字的音乐产生于性本能。如果人们预想一下，我们在世界上发现的最原始的满足性本能的手段就是抢夺，假如语言不能表达爱意，那可能就会发生抢夺的形式——然而，无论如何在言语方面，如耶格尔假设的那样，性的刺激强化了言语能力并形成了歌唱。人的演唱无论在哪里都绝不能被视为纯粹的动物性的吼叫。这一点同其他许多方面也是一样的，威廉·冯·洪堡已播下了知识的种子，在卡维语“导论”第9节中，他说：“言语是在胸腔的无障碍与无目的的情况下自愿涌出的，而且，它可能是某个还没有被自身的歌曲所迷住的原始的流浪部落在绝非荒野的地方所发出的。因为人作为动物种族是唱着歌的生物，但思想与声音相连。”还有第四个诱因可能被称为歌唱的来源，即神秘的、宗教的诱因。倘若我们能够在民族学的意义上观察恳求、咒语和祈祷的表达形式，就会发现，它们几乎都被尽可能有激情地表达出来，也就是说，总是被最接近于歌唱的音调来表达。甚至在今天，也没有哪里会像在教堂中的布道坛上做祷告时那样用歌唱着的声音来诉说。甚至于日常请求的声音也更倾向于接近歌唱。[6]同样，神秘主义中庄重的、深思熟虑的言辞也一定会强化有节奏的要素，同时也要说明的是，在自然宗教中，舞蹈也都是宗教性情绪的表达。
诸多非洲部落的语言据说几乎就是由连续的朗诵调所组成；其原因一定在于这些民族易于兴奋的特性，他们的全部情绪都集中于瞬间的思想和印象上，从而几乎在每一瞬间，为了以简单的语词来表达这些思想和印象，他们接收到的刺激可能会被加强，由此同样的语词就会借由音乐方面的强化得以展现。
在我看来，第一首歌大概是由于这些起因才得以被唱出来的，这首歌和我们现在所理解的歌有着极大的不同。但是，我们一定不能忘记，音乐在这个阶段还不是艺术，这与野蛮人所造的草屋作为建筑物而被视为艺术不大一样，同时，在最初的起因中并不存在一种必然的推动力使这种音乐发展为艺术。尽管野蛮人的这种完全单调或不和谐的歌会引人犹豫，但也没有谁真的把它赞赏为音乐。当然，阿米安（Ammian）也认为，如果只是和海水击打岩石的怒号相对比，那么，吟游者的战争之歌也确实称得上是歌唱。事实上，在评判什么才是真正的音乐时，这种评判的差异性是很鲜明的，中国人在听欧洲人歌唱时可能会说：那是狗在吼叫；而他们自己的音乐在欧洲人耳中可能也是那样的。即使在晚些时候，音乐不再被看成是自然的声音了，对于音乐的评判仍然存在着差异性与摇摆性，人们也许有时会把某些声音看成是歌唱，可有时却又几乎甚至于完全不把这些声音当成歌唱，这和原始时期的那种情况是很像的，那时所有的声音原料都仿佛处于流动的状态，从而喊叫、说话与歌唱之间的界限也是摇摆不定的。如果说，特别是在最初提到的那种情况下，歌唱更可能源于无音节的喊叫而不是脱口而出的言语，那么我们最先发现的就是，当大量未经训练的人以及完全没有做过音乐练习的人一起开口唱时，他们所发出的声音相对于音乐声而言更有可能是单纯的声响。（我们可以把纯粹音乐的声调变成声响，例如，我们同时按下钢琴上诸多八度音以内的全部按键时，参看亥姆霍兹［Helmholtz］，《讲义：论音调的感觉作为音乐理论的生理基础》，14。）更进一步说，当人们的兴奋点达到最高程度，甚至于歌唱也不足以平复自身的情绪时，人们就只能以喊叫的方式来使情绪得以平复。只有当人们被一些情绪或激情的突然或猛烈的出现带回了他们的自然状态时，人们才会使用那些自发的感叹词（约翰·霍恩·图克［John Horne Tooke］，《传世之语》［ἒπεαπτεραόεντα］，Ⅰ，62）。在从语言到歌唱和从歌唱到喊叫这样的转化中让人感到有趣的是，如弗雷西内（Freycinet，《环游世界》，Ⅰ，153）所描述的欧洲人到达里约热内卢时见到的野蛮人：他们每隔三到四年就会举行宗教庆典，在庆典上被称为加勒比海人的巫师们会把族人按照男人、女人和儿童分为三组。这些加勒比海人的行为分为三个阶段，起初以男性为主，所有人一起开始用低沉的嗓音说话；然后他们开始用以女性为主的、带着颤抖的高声调来歌唱；随后不久他们所有人都竭力地喊叫，并一起疯狂地跳跃直至满口白沫等。霍赫施泰特（Hochstetter，《新西兰岛》，509）在描述毛利人唱爱情歌曲时提到过相似的升华过程：“每一段的叠句都由激烈刺耳的含混不清的喉音所构成；那野蛮而疯狂的爱意就是以这种高音调的歌唱形式来传达的，展现出个人全部的热情。”马蒂乌斯（Martius，《美洲特别是巴西对于民族学和语言学的贡献》，Ⅰ，330）也注意到了语言向歌唱的转化：“如果博托库多人（Botocudo）希望并需要某物或是对某物陷入了极度的喜爱，他就会将原本的说话方式转为一种无抑扬顿挫的呻吟般的歌唱形式。这样做是由于他想通过语音方面的强化来弥补他在表达方面的欠缺”，等等。格雷（Grey，《1837年、1838年与1839年期间于澳大利亚西北部和西部的两部探险勘察日志》，Ⅱ，301 ff.）从澳大利亚人那里也发现了同样的现象。而特维尔切人（Tehueltschen）只有在他们稳定或是醉了的时候才会歌唱，那种歌声和他们说话听起来差不多，当然在由说话向歌唱转化时所形成的兴奋的片段也是很明显的（参见珀彼希［Pöppig］，《智利等地方游记》，Ⅰ，332）。
我也坚持认为，歌唱是由语言发展而来的，[7]而且首先应当是一种由于情绪影响而被升华了的语言。我们的语言习惯中就留有这些关系的象征，即我们会把语言中至强至高的形式——诗——看成是歌；同时我们注意到，当一首诗被全情投入地激情朗诵时，这种声音听起来会和歌唱非常接近，以至于我们事实上会保有余地地尝试着将其看成是歌，[8]当然这里所说的歌是较为平淡的，但是我们所了解到的几乎所有原始民族的歌都是同样平淡的。歌唱的本质，使得它越是靠近它自身的根源，就越是紧密地和诗联系在一起。博登施泰特（Bodenstedt，《论文全集》，Ⅲ，121）在讲述热爱歌唱的高加索士兵们时，曾这样说：“我请了几位主唱来到我面前，让他们来为我口授一些最令我感兴趣的歌曲。然而，要让这些家伙逐字逐句地把一首歌曲说给我，则是不可能的。他们持续地哼唱着，用约德尔唱法哼唱着一首歌，并且他们往往在我记录完第一段之前，就已经把一整首歌都哼唱完了。我要他们明白，眼下对我而言这些歌曲并没有那么重要，他们应该把这些歌逐字逐句地背诵出来。他们尽全力来遵循我所提出的要求，但以这种方法来说出一节诗歌，这对他们而言是不可能的事情。‘先生，一旦开始一首歌曲，人们就没有办法把那些东西说出来，人们必须要把它们唱出来。’”
在此，我不必先来说这两者在古典时期的那种密切的融合关系，我只想要引用这样一段在我看来极具特色的、唯一的段落（西塞罗，《为阿尔奇阿斯辩护》，19）：“岩石与沙漠回应着声音，野兽时常会受到这歌声的左右而停下脚步：我们难道不是在最好的事情上受过训练并会被诗人的声音所感动吗？”西塞罗在此所暗示的就是俄耳甫斯（Orpheus）[9]，他告诉我们，俄耳甫斯曾用纯洁的音乐驯服过野兽。它们也许理解了他唱的那些文字与诗歌所要表达的内容，但却无处可说。与此同时，西塞罗想要借此来为阿尔奇阿斯辩护，阿尔奇阿斯只是一个诗人，他这一生都不必去唱出一个音符来——但是，诗的观念与歌唱的观念却是紧密地联系在一起的，它们中的一方可以毫无差错地根据经验来理解另一方，这就使得即便它们彼此之间显然没有任何关系可言，但毫无疑问的是，它们的本质和效果仍然是可以融成一片的。