(I) T.-Produktion im engeren Sinn ist eine intentionale Tätigkeit, die auf ein Thema und Handlungsziel (z. B. Sinnübermittlung, Handlungsanleitung, emotionale Beeinflussung usw.) ausgerichtet ist und, zumindest implizit, auf ein sozial, situativ, enzyklopädisch und sprachlich geleitetes, also „kulturelles“ Rezeptionsverhalten, mithin auf Kommunikation, abzielt. Die konstitutiven textinternen (Bedeutungsstruktur, sprachliche Ausdrucksmittel usw.) und textexternen (Situativität, Handlungsziel, Beziehung Autor-Rezipient usw.) Merkmale von T.en werden unter dem Begriff „Textualität“ zusammengefasst. Verbalsprachliche T.e – die auch nicht-verbalsprachliche Elemente, z. B. Illustrationen, Notenbeispiele, Statistiken, Graphiken usw. als bedeutungstragende Elemente einbeziehen können – sind in komplexe kommunikative „Handlungsspiele“ (Kontexte) eingebettet, deren Berücksichtigung zur Verständlichkeit von T.-Aussagen notwendig ist. Der Umstand, dass sich T.e auf bereits existierende T.e beziehen können, hat zur Beschreibung, Erklärung und Systematisierung dieser Bezüge in Form von „Intertextualitätstheorien“ angeregt. Während eine deskriptive Intertextualitätstheorie sich primär mit intentionalen Anspielungen und Bezugnahmen von Autoren auf andere T.e bezieht, behaupten poststrukturalistische Theoretiker (Michail Bachtin, Roland Barthes, Julia Kristeva u. a.) – die Begriffsprägung „Intertextualität“ geht auf J. Kristeva (1969) zurück –, dass es sich dabei um eine grundlegende Eigenschaft aller T.e handle, die, unabhängig von jeder auktorialen Intentionalität, zueinander in einer dialogischen Relation stünden: An die Stelle der Auffassung einer intendierten Kommunikation nach dem Muster von Sender und Empfänger tritt ein „Dialog von T.en“ als „Gewebe von Zitaten“, die auch nicht-verbalsprachliche Elemente einbeziehen können. Der Terminus T. tritt hier auch an die Stelle des Werk-Begriffs, der intentional verfahrende Autor des T.es wird aus der Analyse eliminiert („Tod des Autors“, R. Barthes).

In einem weiter gefassten Sinn können alle nach bestimmten Verknüpfungsregeln funktionierenden Systeme aus bedeutungstragenden, der Interpretation und/oder Übersetzung bedürfenden Zeichen, als textproduzierende „Sprachen“ aufgefasst werden, woraus folgt, dass die verbale (sog. „natürliche“) Sprache nur eine – allerdings privilegierte – Sprache innerhalb eines Universums von sprachlich strukturierten Zeichensystemen, einer „Semiosphäre“ (Juri Lotman), darstellt. Somit kann ein kommunikationstheoretisch bestimmter „Kultur“-Begriff alle soziokulturellen Äußerungen, Handlungen und Strukturen als T.-Elemente analysieren („Kultur als T.“, d. h. Kultur als Geflecht oder Gewebe von Bedeutungen, angelehnt an den ursprünglichen Wortsinn von textus). Derartige Konzepte, die insbesondere auch die Medialität jeglicher Art von Quellen als prinzipiell „textlich“ vermittelt thematisieren, üben starken Einfluss auf neuere inter- und transdisziplinäre kulturwissenschaftliche Forschungsansätze aus.

(II) Die Beziehung zwischen Wort und Ton stellt seit den antiken Anfängen der Vokalkomposition eine Herausforderung für Musiker, aber auch für Interpreten dar. Das Spannungsverhältnis zwischen den beiden Bezirken bzw. Medien beschäftigt in gleicher Weise die Produktions- und die Rezeptionsästhetik. Der Prototyp einer Personalunion von Textdichter, Komponist und Sänger ist der Aoede bei Homer, dessen Nachfahre, der Rhapsode, mehr für die routinierte Wiedergabe als für den inspirierten schöpferischen Akt zuständig war. Wie sehr ein frühgriechischer Tondichter an seinen Fähigkeiten in beiden Metiers gemessen und bewundert wurde, zeigt das Beispiel des Sängers Demodokos (eig. „der im Volk Willkommene“), der in der Odysse (8. Buch) mit seinem Leierspiel die Gäste erfreut, mit der Erzählung von der Liebesaffäre zwischen den Göttern Ares und Aphrodite die Gesellschaft unterhält und mit der Geschichte vom trojanischen Pferd den am Phäakenhof weilenden Odysseus als Zeitzeugen zum Weinen bringt.

In der neuzeitlichen Liedkomposition gibt es für die Wort-Ton-Relation zwei idealtypische Muster mit mehreren differenzierten Zwischenstufen. Nach dem einen Modell soll die Musik das Textverständnis fördern, die Stimmung der lyrischen Vorgabe verdichten und vertiefen sowie semantische Leerstellen des verbalen Angebots sinngemäß auffüllen. Das gegensätzliche Verfahren betont die Komplementarität, das Spannungsverhältnis zwischen T. und Musik, wobei (bisweilen vergleichbar dem Umgang Rich. Wagners mit den Leitmotiven) die Vertonung verborgene, aber inhärente Merkmale der Dichtung, quasi das Unsagbare der Botschaft hervorkehrt. Zum Vergleich sei auf die Vertonung der Harfnergesänge und Mignonlieder (aus Johann Wolfgang v. Goethes Wilhelm Meisters Lehrjahre) durch Fr. Schubert, R. Schumann und H. Wolf verwiesen. Ein Beispiel für ein ikonisches Verhältnis zwischen den beiden Ausdrucksregistern ist das Lied Ein Ton von P. Cornelius (op. 3,3), in dem der ganze T. bildhaft auf derselben Tonhöhe verbleibt.

Die Metapher W. A. Mozarts von der Poesie als „der Musik gehorsame Tochter“ lässt sich vom Opernschaffen des 18. und 19. Jh.s grosso modo bestätigen (Libretto) – mit der großen Ausnahme der Musikdramen Rich. Wagners, der die Dialektik der beiden Bereiche sogar im Text der Meistersinger von Nürnberg anspricht („Mich dünkt, sollt passen Ton und Wort“). Der spezifische Tonfall des Tschechischen in den Opern von L. Janáček macht die Aufführung der Werke in der Originalsprache zum schieren Desiderat. Die aufführungspraktische Einrichtung von Übertiteln (surtitles), die allmählich bereits zur Standardausstattung selbst kleinerer Bühnen gehört (2006) und mitunter auch zur Verdeutlichung bzw. Verdopplung von Texten in der jeweiligen Landessprache eingesetzt wird, mag als Symptom für eine Neubewertung der verbalen Aussage gelten.

Einen besonderen Aspekt der musikdramatischen Entwicklung im 20. Jh. stellen Igor Strawinskys Oedipus Rex (1927) und die Adaptierungen griechischer Tragödien durch Carl Orff dar (Antigonae 1949, Oedipus der Tyrann 1959, Prometheus 1968). Während Strawinskys Opern-Oratorium ein statuarisches Musiktheater begründet und den Text einer emotional unverbrauchten, quasi versteinerten Sprache, eines elementaren Lateins (von Jean Daniélou) vertont, versucht Orff in seinen griechischen Tragödien (die Sophokles-Dramen in der Übersetzung von Friedrich Hölderlin, Prometheus im altgriechischen Original) die ‚Ästhetik‘ der Vorlage mit dem monodischen Rezitativstil der frühen Oper (Ende 16. Jh.) zu verschmelzen. Dem Rhythmus kommt dabei als Wesenszug der rezitierenden ‚Sing‘-Stimme eine konstitutive Funktion zu.

Die Wortverbindung T. und Musik weist freilich noch eine weitere Lesart auf: nämlich Musik als T. Über den Sprachcharakter musikalischer Strukturen und Sequenzen gibt es unterschiedliche Standpunkte und eine breitgefächerte Forschungsliteratur. Wortprägungen wie „Tondichter“, „symphonische Dichtung“, „Rhapsodie“ oder „Albumblatt“ deuten mittelbar die empfundene Nähe zwischen sprachlichen Registern und musikalischen Ausdrucksweisen an. Für Th. W. Adorno (1963) gilt: „Musik ist sprachähnlich. Ausdrücke wie musikalisches Idiom, musikalischer Tonfall sind keine Metaphern. […] Sprachähnlich ist sie als zeitliche Folge artikulierter Laute, die mehr sind als Laut.“ Aber zugleich warnt der Autor: „Musik ist nicht Sprache. […] Sie bildet kein System aus Zeichen.“ Carl Dahlhaus nennt die Auffassung von Musik als Sprache zwar einen fragwürdigen Topos, dessen Zähigkeit jedoch „als Zeichen – wenn auch nicht als Beweis – dafür gelten [darf], daß er eine Funktion erfüllt, in der er kaum ersetzbar ist.“ (Sprache und Musik).

Zu den parallelen Phänomenen und Merkmalen in beiden Bereichen zählen u. a.: die lineare Struktur der Ton- bzw. Lautfolgen; die Organisation größerer Einheiten durch jeweils regelgesteuerte Verfahren; die Rolle von Konventionen als verbindliche Werte; die Funktion von Gegensatzpaaren in den Spielarten von privativer, gradueller oder äquipollenter Opposition; die Koexistenz von ikonischen (bildhaften), indexikalischen (verweisenden) und symbolischen (vereinbarten) Zeichen (Tonsymbolik); die Funktion verbindlicher Normen (etwa in der musikalischen Affektenlehre, Rhetorik).

Das Bau- und Gliederungsprinzip führt in der Sprache absteigend (deszendent) vom Text über die Stufen Satz, Phrase, Wort und Morphem zum Phonem (Laut). Dem entspricht in der Musik annähernd ein Weg mit den Stationen Werk – Satz – Gruppe (z. B. Exposition, Durchführung) – Periode – Thema – Motiv – Ton.

Harald Weinrich hat die Kombination von horizontalen und vertikalen Bezügen in verbalen Äußerungen mit dem Terminus T.-Partitur bezeichnet.