Pierwsze utwory wielogłosowe zaczęły pojawiać się w Średniowieczu, na przełomie VII i VIII w. Wiemy to jedynie od autorów prac teoretycznych, bo nie zachowały się żadne przykłady. Greckiej nazwy diafonia do oznaczenia tej wielogłosowości użył po raz pierwszy angielski biskup Aldhelm (zm. 709). Naukowcy upatrują ich źródeł w brytyjskiej muzyce ludowej oraz jako wykonania chorału z dodaną do melodii tercją górną lub dolną czyli cantus gemelus (łac. śpiew bliźniaczy, gymel).
Rozwój wielogłosowości na wyspach brytyjskich przebiegał nieco inaczej niż na kontynencie europejskim. Przedstawicielem tzw. szkoły angielskiej jest John Dunstable (1380 – 1454), który rozwinął technikę gymelu w tzw. fauxbourdon (fr. fałszywy burdon) co stało się przyczynkiem do przejścia w system dur / moll. Zarówno gymel jak i fauxbourdon bazowały na improwizowaniu dodatkowych melodii, które tworzyły razem z innymi głosami akordy. W XV w. pojawiły się utwory w tej technice napisane całkowicie przez autora (razem z głosem, który dotychczas improwizowano). Nazwano je res facta (łac. kompletne dzieło).
Inny trop prowadzi do męskich klasztorów, głównie benedyktyńskich, w których odprawiano wielogodzinne modły, składające się m.in. ze śpiewu. Mnisi obdarzeni głosami o różnych skalach przyłączali się do śpiewu w odległości oktawy, kwinty, kwarty, a wreszcie tercji tworząc wielogłosową strukturę. W IX w. opisał to w swoim Musica Enchiriadis (łac. podręcznik muzyczny) flandryjski zakonnik Hucbald (840 – 930). W tym czasie ukształtowała się pierwsza forma wielogłosowa nazywana diafonią (gr.) lub organum (łac.). Wszystkie głosy wykonują te samy wartości rytmiczne i pozostają w stałej od siebie odległości kwarty lub kwinty oraz oktawy.,
W XII w. organum zaczęło przekształcać się w kolejną formę wielogłosową nazwana discantus. Składała się z cantus firmus (łac. śpiew stały) czyli chorału gregoriańskiego i dis cantus firmus, czyli głosu dodatkowego. Głosy prowadzono ruchem przeciwnym i nie unikano tercji i sekund, które wtedy były dysonansami. Discantus mógł mieć od 2 do 5 głosów. Pojawiły się też zmiany rytmu, których owocem była notacja menzuralna, zawierająca zapis rytmu. Następną formą był pochodzący także z XII w. conductus (łac. prowadzę, wprowadzam). Wszystkie głosy zachowywały ten sam rytm. Budowa utworu była akordowa. Formę taką nazywano nota contra nota (łac. nuta przeciw nucie), z tego wywodzi się punctus contra punctus (łac. punkt przecie punktowi) i kontrapunkt. Utwory były najczęściej czterogłosowe, a ich budowę formalną można określić jako A B A1…
Kościół początkowo był przeciwny wielogłosowości. Mówiono, że oznacza rozwiązłość umysłu, załamanie duszy, a nawet pychę, ale stopniowo godził się na jej wykorzystanie. Na przełomie XII i XIII w. można wręcz mówić o zmianie postawy Kościoła dzięki conductus, który stanowi zalążek muzyki homofonicznej, opartej o budowę akordów. Jego stopniowy rozwój był możliwy dzięki tworzeniu kolejnych zasad harmonii. System tworzenia utworów opartych o melodie i akompaniament z punktu widzenia liturgii był znacznie czytelniejszy dla wiernych, bo umożliwiał precyzyjne przekazanie tekstu, który w polifonii ulegał zatarciu.
W XIII w. na skutek wzajemnego oddziaływania różnych stosowanych form muzyki powstał motet. Rozwinął się z wielogłosowego organum, do którego zaczęto wprowadzać fragmenty tropów. W wyniku tego każdy głos miał inną melodię i odrębny tekst, najczęściej też w innym języku. Jego nazwa pochodzi od francuskiego le mot (słowo) i początkowo była określeniem dodanych do utworu tekstów. Od XIV w. pisano już motety w tym samym języku. Dodatkowo wprowadzono izorytmię, czyli schemat melodyjno-rytmiczny powtarzany wielokrotnie we wszystkich głosach. Motet był gatunkiem wykorzystywanym przez kompozytorów najczęściej i to aż do początku XX w.
Muzykę okresu XII i XIII w. nazywamy Ars Antiqua (1160 – 1320). Za najważniejszych (ale też jednych z nielicznych znanych z nazwiska) kompozytorów tego okresu uważa się Leoninusa i Perotinusa związanych ze szkołą Notre Dame. Leoninus skomponował ok. 100 utworów dwugłosowych do wykonywania na mszy przez cały rok kościelny. Perotinus rozwinął organum do 3 i 4 głosów, zastosował imitacje, pauzy i równouprawnienie głosów w melodii oraz rytmie. Rozwinął się wtedy motet średniowieczny i polifonia organowa, a także rytmika. Pojawiła się też twórczość świecka – trubadurzy, truwerzy, minnesingerzy.
Wiek XIV określa się jako Ars Nova (łac. nowa sztuka) od tytułu traktatu Filipa de Vitry (1291 – 1361). Tytuł traktatu związany jest z opisem zmian, które w tym okresie pojawiły się w muzyce. Teoretyk ustalił miedzy innymi zasady wzajemnego prowadzenia głosów, w tym zakaz stosowania równoległych oktaw i kwint, który obowiązuje do dziś. Określił konsonans, dysonans i podstawy harmonii. Zaabsorbował wprowadzanie śmiałej chromatyki, w tym podwyższenia VII stopnia gamy do dziś określanego jako dźwięk prowadzący. Oznaczało to odchodzenie od skal kościelnych i zbliżanie się do systemu dur / moll.
Pojawiły się też co raz śmielsze próby przekształcania melodii. Nastąpił wielki rozwój rytmiki. Powstały: ballada, rondeau, madrygał, caccia. Pojawiły się formy polifoniczne, oraz twórczość świecka. Najważniejsze nazwiska to Guy de Machaut, Francesco Landini, Jacopo de Bolonia, John Dunstable. Guy de Machaut komponował głównie motety, ballady i ronda świeckie, a także 4 głosowe msze. Wiek XV to rozwój szkoły burgundzkiej, której przedstawiciele także zaczęli tworzyć wielogłosowa muzykę wokalną. Najbardziej znani to Guillaume Dufay (1400 -1474) i Gilles Binchois (1400 – 1460). Komponowano utwory 3 i 4 głosowe, pieśni religijne, motety i msze. Nawrót do religijności spowodowany był wielką epidemią dżumy.
Muzyka kościelna przeważała w całej muzyce Średniowiecza, a szczególnie w pierwszym jej okresie. Sądzono powszechnie, że w 1000 r. nastąpi koniec świata. Kiedy rok 1000 minął, a świat nadal istniał, mogła dojść do głosu także inna muzyka, która niezależnie od opinii ojców Kościoła istniała od wieków. Nie wiemy na ten temat wiele, przede wszystkim ze względu na brak zapisu nutowego, a kiedy powstał, ludzi, którzy by go znali i chcieli zapisać muzykę, która nie była tylko sługą Kościoła (łac. ancilla theologiae). Powstawała zarówno muzyka wokalna jak i instrumentalna, jedno -, a później wielogłosowa. Niewątpliwie można założyć, że musiała istnieć muzyka: ludowa, dworska, wojskowa, myśliwska i miejska.
O muzyce ludowej praktycznie nie wiemy nic, choć należy przypuszczać, że istniała. Muzykę dworską można podzielić na muzykę dającą radość możnym, uświetniającą ceremoniał oraz pieśni wędrownych muzyków. Popularne było utrzymywanie trębacza, który grał pobudkę i zawiadamiał o zbliżających się do warowni ludziach. W XIV w. pisano też o tańcach i śpiewach, które poprzedzały uczty. W użyciu było 36 różnych instrumentów muzycznych.
Muzyka miejska to głównie muzyka żaków, minstreli i wagantów, a więc ludzi młodych. Sami ją komponowali i wykonywali. Towarzyszyła różnego typu przedstawieniom. Istniało wiele regionalnych odmian poetów śpiewających własne utwory. W Skandynawii byli to skaldowie, Anglii, Szkocji, Irlandii i Bretanii bardowie, we Francji trubadurzy i truwerzy, w Niemczech minnesingerzy. Można mówić też o muzyce miejskiej ceremonialnej, a więc hejnałach (hejnał mariacki) i kurantach.
W szkole burgundzkiej w XV w. powstawała też muzyka świecka, przede wszystkim dworska, a więc ronda, ballady czy pieśni. W niej pojawiły się początki francuskiego stylu narodowego, co niewątpliwie miało związek z wojną stuletnią (1337 – 1454) jaka toczyły ze sobą Anglią i Francją.
Komponowano ja zgodnie z zasadami Ars Nova. Muzyka instrumentalna początkowo nie występowała samodzielnie, ale towarzyszyła śpiewom. Pierwsze utwory wyłącznie instrumentalne zanotowano w XIV w. Były to utwory organowe oraz tańce estampida, rondo, wariacje. Podobnie jak w muzyce kościelnej pod koniec Średniowiecza pojawiła się świecka muzyka wielogłosowa.
W Średniowiecznej Polsce wykonywano muzykę kościelną po łacinie. Chorał pojawił się z przyjęciem chrześcijaństwa. Hymny opiewały rodzimych i przybranych patronów, były po łacinie i po polsku. Najstarsza polska pieśń to Bogurodzica. Jest jednogłosowa i metryczna. W wiekach XIV i XV w takich pieśni powstało bardzo wiele. Gaude mater Polonia (1253) Wincentego z Kielczy, za czasów Władysław Łokietka była hymnem królewskim. Jest ona częścią Historii o Św. Stanisławie. Melodia hymnu była używana także do opiewania innych świętych w tzw. oficjach. Inne stare pieśni kościelne to; Chorał Benedyktyński – orędzie wielkanocne (1969) Breve Regnum (XV w. dwugłosowe), Cracovia civitas (trzygłosowe), twórczość Mikołaja z Radomia.
Za czasów Władysława Jagiełły powstała pierwsza kapela dworska, a na Uniwersytecie wykładano muzykę. Do XIV w. w Polsce walczono z zabobonnymi i igrzyskami, które odbywały się zarówno w kościele, jak i na cmentarzach. Brali w tym udział także duchowni. Zakazano dyngusa i kolędowania. Natomiast zachowały się z tego okresu niektóre pieśni obrzędowe (pieśń wielkopostna Jezus zmarłych wstał jest…). Z XV w. pochodzą pierwsze kolędy. Na uroczystościach miejskich występowali muzycy i wesołkowie. Zaczęto budować pierwsze organy w kościele w Toruniu (1350).
W średniowieczu powstawały prace teoretyczne na temat muzyki. Boecjusz (470 -525) opisał skalę dwuoktawową i do jej oznaczenia wykorzystał 15 liter alfabetu. Skalę w jednej oktawie opisał Odo z Cluny, a dźwięki nazwano od a do g. W XI w. Guido z Arezzo utworzył skale 6 dźwiękowe – heksachordy, które miały ułatwić śpiewanie. Utworzono je od C (c d e f g a), G (g a b c d e), a później od F (f g a b c d). Wtedy pojawił się problem trytonu (diabolus in musica) pomiędzy F i B, a więc zaczęto stosować niższy o pół tonu dźwięk b molle, dla odróżnienia dawne b nazywając b durum.
Stosowano do jego zapisu trochę inny znak graficzny, który w rękach nieuważnych kopistów zamienił się w H. Przez pewien czas można było obniżać tylko tę nutę. Stąd nazwa bemol. Jako drugą zaczęto podwyższać nutę F. Od tych działań pochodzi nasze koło kwintowe i kolejność tonacji.
Średniowiecze to także okres rozwoju zapisu nutowego. Pierwsza współczesna notacja powstała przed VIII w. Prawdopodobnie pochodzi z chórów przyklasztornych i służyła do zapisu chorału gregoriańskiego. Poszczególne znaki odwzorowywały ruchy rąk kantora. Było ich ponad 20 i w różnych ośrodkach przybierały różne formy. Nie odwzorowywały rytmu. Dotyczyły jedynie przybliżonego kierunku melodii. Nazywamy ją cheironomiczną. Podobnych metod używano już w starożytnym Egipcie, ale także dzisiaj, jeżeli chórzyści nie znają nut.
Około 1000 r. powstała notacja diastematyczna. Określała ona wysokość dźwięku przez wertykalne zróżnicowanie rozmieszczenia neum. Później zaczęto stopniowo linie wprowadzać. Pierwsza była czerwona, druga niebieska. Za twórcę podwalin do współczesnej notacji uważamy mnicha z Toskanii – Guidona z Arezzo (990 -1050 r.). który wprowadził 4 linie oraz klucze C i F. Linię piątą dodano w 1200 r. W systemie tym, nie różnicowano długości nut. Z neum wywodzi się notacja modalna opracowana w 1175 r. w szkole Notre Dame. Określa dokładne interwały i dwie wartości rytmiczne. Longa – długa i Brevis – krótka. Notacja ta opierała się na 6 stopach metrycznych wzorowanych na greckich modi.
Notację menzuralną (łac. mensura – miara) opracowano na początku XIII w. Jej twórcą jest Philippe de Vitry. Objęła nie tylko interwały, ale także wzajemne stosunki długości nut. Pojawiły się nuty białe i zaczernione, oraz pauzy. Około 1600 r. pojawiła się kreska taktowa, a od XVII w. zaczęto nadawać nutom dzisiejszą postać. Opracowanie zapisu nutowego miało ogromny wpływ na dalszy rozwój muzyki. Guido z Arezzo jest też pomysłodawcą solmizacji, którą oparł na pierwszych sylabach kolejnych wersów, pochodzącego z VIII w.n.e. Hymnu do św. Jana, patrona śpiewaków.
