藤田隆则 (FUJITA Takanori) 由 Alison Tokita 翻译
能与狂言（学者统称为能乐，nōgaku）拥有独特的音乐特征，这些特征已被深入研究和理论化。² 当代日本音乐作家，包括音乐学家，有时使用复合词 nō no ongaku（能的音乐）和 kyōgen no ongaku（狂言的音乐）来指代这种戏剧的音乐方面。
然而，ongaku（音乐）一词有时听起来并不恰当，因为在能与狂言的整个历史中，非专业人士从未使用过它。不愿使用这个词有两个原因。其一是，能与狂言是以口头和文学文本为中心的艺术形式，音乐在其中构成背景或附属品，属于次要的维度。第二个原因是，能与狂言并不像其他流行“音乐”流派那样，被当作纯粹的娱乐来体验。
表演者也不怎么使用 ongaku（音乐）一词，而是更多使用 utai（唱本/谣）和 hayashi（器乐/囃子）。没有一个单一的词汇可以同时表达这两者。在能的语境中，utai（谣）指的是文本中以程式化的方式和固定旋律演唱的部分。这些元素连同发声的指示一起被标记在剧本（utaibon，谣本）中。
utai 这个词的这种用法有着悠久的历史。最初，它仅指合拍³（congruent-rhythm）部分，这是最接近 yowagin（弱吟，见下文定义）音阶中带有规则八拍乐句节奏的歌曲的部分。狭义上不属于“歌曲”的部分被称为 kotoba（词，说白模式）。曾经显然是纯粹说白的部分，在几个世纪的过程中，kotoba 部分逐渐带上了特殊的语调，其表达方式也变得程式化。因此，在今天的用法中，utai 指的是表演的口头文本的所有部分，包括 kotoba 部分。能的剧本被称为 utaibon（谣本，utai之书），在这里 utai 现在指的是能的整个声乐。
术语 hayashi（囃子）是能与狂言中使用的乐器的总称。鼓和笛子主要为 utai 以及演员表演的舞蹈提供伴奏。它们具有深化能与狂言的文学和戏剧效果的重要功能，从而有助于提升其艺术价值。hayashi 一词来自及物动词 hayasu（鼓励/喝彩），其最初含义是使中心部分显得突出。它包括来自边缘角色的声音表达，以鼓励和支持处于动作中心的人。这个含义似乎已经被遗忘了，但它是能与狂言音乐结构的一个至关重要的方面，如下文将解释的那样。
自能与狂言（或能乐）被承认为一种统一的表演艺术流派（或一对相互关联的流派）以来，已经过去六百年了。正是在这一时期，著名的表演理论家世阿弥（Zeami，1364–1443）及其剧团获得了军政府（幕府）的赞助。在此之前，该流派以各种松散相关的民间表演艺术的形式存在，通常带有宗教色彩，名称如 dengaku（田乐）和 sarugaku（猿乐）。nō（能）这个词本身的意思是“成就或能力”，并且是 dengaku 和 sarugaku 这两个词的常见后缀。许多剧本故事中强烈的佛教成分，既反映了能的宗教起源，也反映了禅宗对当时军事贵族日益增长的影响。由于能与狂言的基本历史在英语文献中已有广泛的描述，这里不再赘述。
人们常说，能与狂言之所以能够发展壮大，是因为它们获得了当权者的赞助。最初作为一种戏剧娱乐被消费，从十六世纪初开始，能逐渐作为音乐、戏剧和舞蹈被消费，用于私人的业余表演。在宴会上表演 utai 的专业演员很乐意向他们在军事贵族中的赞助人教授 utai 和舞蹈（shimai，仕舞）。这对表演实践产生了深远的影响。就像今天的复古高尔夫球一样，能确立为统治阶级的休闲活动 (Amano 1997)。
从十七世纪开始，utai 的业余实践从贵族和军事贵族传播到下层的商人阶级 (Nishiyama 1997; Groemer 1998a, 1998b)。utai 剧本被大量出版（即印刷），并能在全国范围内获取。这些文本被视为地理、历史、文学和文化的演唱百科全书，也被用于初等教育。这代表了能从娱乐向启发式训练的转变。
在十七世纪，能与狂言表演被指定为幕府（Bakufu，shogunate）仪式场合的礼仪表演。某些作品被用于仪式中，作为国家庆典的表达，其中一些向公众开放。这些事件展示了国家的权力 (Looser 1995)。能剧演员成为江户幕府的雇员，以便进行此类仪式表演，并向军事贵族教授 utai 和舞蹈。能与狂言的社会地位上升，导致了对三味线音乐和歌舞伎频繁发表贬低的言论和表现出轻视的态度。这种区别在江户幕府倒台后仍在继续，甚至延续至今。
今天，能与狂言的表演带有宗教实践的氛围。正因为如此，娱乐方面越来越被推到背景中。此外，古老的外观和晦涩的语言也削弱了它在普通大众中的受欢迎程度。从业者（无论是专业还是业余）的数量已经缩减到不到一个世纪前的十分之一。
utai 的嗓音极其紧张，并且具有很大的颤音。与其他类型的日本音乐相比，它具有独特的风格，这种风格往往在后来的流派中被“引用”，如 nagauta（长呗）和 gidayū-bushi（义太夫节）。它的特征之一是上行滑音，正如 Tamba (1981: 38) 制作的声波图中在视觉上所展示的那样。
在 utai 的旋律部分中，确定了两种不同音阶的演唱类型：yowagin（弱吟）和 tsuyogin（强吟）。Yowagin 旋律使用明确的音阶音高，根据固定的原则上下移动。歌手必须意识到四度和五度音程之间的声带运动。音高名称很简单：jō（上）、chū（中）和 ge（下）相隔均是一个四度，并构成了 utai 旋律的核心音。附加音或经过音有 chū-uki（中浮），比 chū 高一个全音；jō-uki（上浮），比 jō 高一个全音；以及 kuri（栗/甲），比 jō 高一个小三度。谱例 6.1 展示了该音阶的简单版本，但请记住，音高是完全相对的。
Tsuyogin 的演唱风格大约在三百年前从 yowagin 中分化出来。最初，它的旋律范围是基于一个大约八度的音阶，就像 yowagin 一样。然而，在现在的表演中，所有的音阶音都集中在一个核心音周围，音高运动被限制在一个小三度的狭窄范围内，并且不被认为是音高运动。此外，精确的音高被连续的大颤音所掩盖，并且通常在一个乐句中会有轻微的逐渐上升（在这两种情况下，都比在 yowagin 中更极端）。
人们通常认为演唱风格的选择与文本内容有关。Yowagin 用于浪漫、美丽、忧郁；tsuyogin 用于吉祥的祝贺文本，以及战斗场景的叙述。Yowagin 通常首选用于描绘女性角色情感的文本；而 tsuyogin 则暗示男性角色。
另一个区分的例子是源氏（Genji）和平家（Heike）角色之间。这两个著名武士家族之间的战斗构成了许多能剧的主题题材。平家是失败者。许多平家的主要角色是伟大的诗人和音乐家，而不是勇敢的武士；在文本描绘他们的情感时，倾向于使用 yowagin。相比之下，源氏的角色更具军国主义色彩，是优秀的战士和政治上的胜利者，因此对他们使用 tsuyogin。
虽然人们尚不完全清楚 tsuyogin 是如何从 yowagin 中分化出来的，但我假设，在江户时代，当能开始被用于仪式语境时，出现了更强烈的需求，即在音乐中标记祝贺和吉祥的情绪，以及严肃性，从而导致强调更强烈的演唱风格，这便成了 tsuyogin。
由于山崎乐堂（Yamazaki Gakudō，1915）和三宅幸一（Miyake Kōichi，1939）奠定了良好的基础，并由横道万里雄（Yokomichi Mario，1986）发展成一个系统，为其他流派的研究创造了模型，因此对能与狂言的音乐分析远远领先于其他类型的日本音乐。也许这得益于作为宴会娱乐表演能剧片段的传统做法，这就需要识别出离散的部分。
Utai 可以被分为独立的结构单元，其中许多很早就被命名（如 shidai、ageuta、issei、nanori 等），并在表演者中广泛使用。遵循 Yokomichi（横道）和 Omote（表）在1961年对这些单元（Yokomichi 称之为 shōdan，小段）的分类，utai 的第一个广泛划分是分为 fushi（节，演唱的、旋律的）和 kotoba（词，说白的）表达方式。fushi 类别进一步分为合拍（congruent）和不合拍（non-congruent）的节奏表达风格，如下所述。每个划分随后包括许多 shōdan 单元（表 6.1）。
表 6.1 utai 单元（shōdan）分类
以说白方式表达的文本被归类为 kotoba。这些通常是对话或独白部分，而不是叙述。因为通常 hayashi 合奏团不在这些部分中表演，所以没有乐器明确给出的需要遵守的节拍。与歌舞伎和文乐戏剧相比，能剧中 kotoba 的戏剧对话并不试图逼真地模仿角色的讲话。然而，这种讲话有一种特殊的语调，创造了一种严肃的氛围（参见 Serper 2000）。
演唱的 utai（通常称为 fushi）首先被分解为 hyōshi-ai（合拍）和 hyōshi-awazu（不合拍）。在 hyōshi-ai 中，各单元以清晰的音乐节拍被演唱。相对于打击乐模式的标准八拍节拍单元，每个声音都有固定的音高和持续时间。（一个八拍的“小节”被称为 kusari；更短的小节也会在特殊情况下出现。）典型的例子是单元类型 ageuta、sageuta 和 rongi。这些部分是狭义上作为歌曲的 utai 的代表。也属于这一类别的还有 kuse，这是一种著名的音乐形式，是在十四世纪末从流行流派 kusemai（曲舞）中吸收进来的。
在 hyōshi-awazu 单元中，utai 是无节拍的，采用不合拍的节奏，意味着它不受打击乐八拍小节的束缚。这样的单元可能是音节的或花唱的。然而，音符的音高和近似持续时间是固定的。
所有演唱表达（fushi）在剧本记谱中都可以通过视觉上的特征来区分：每个演唱文本音拍的右侧都有一个类似于纽姆记谱法的符号，称为“芝麻点”（gomaten，胡麻点）。最简单的 gomaten 要么是水平的，表示与前一个音拍的音高相同；要么是倾斜的，表示旋律方向；更复杂的符号表示装饰音，如 mawashi。说白表达中的文本（kotoba）没有这样的标记。该记谱法还显示了节奏的合拍或不合拍、某些类似提示的鼓手呼喊声、偶尔出现的音高名称，以及 shōdan 的名称（如果有的话）。
大多数能剧都可以被看作是由一个重复的固定框架组成的，Yokomichi（横道）称之为 dan（段），用于组合各单元（shōdan =“小段”）。根据 Yokomichi (1986: 67–71) 的说法，每个 dan 都是三个元素的序列：引子歌曲（可选）；说白或演唱的叙述；以及歌曲。在这一点上，能剧具有与交替叙述和歌曲的其他音乐叙事艺术相同的结构特征。
让我们看一个典型的 dan：角色登场的 dan。在进入之后，角色立即唱一首引子歌曲（例如 shidai 或其他标准的登场歌曲）。这是 hyōshi-ai（合拍），处于一个清晰的八拍节拍框架中。文本描述风景或简要表达角色的情感。随后是单元 sashi，这是一种类似宣叙调的段落，以 hyōshi-awazu（不合拍）以音节风格演唱。接着是两个歌曲单元：sageuta（下歌）和 ageuta（上歌）。两者在节奏上都与鼓合拍。简而言之，一部能剧由多个这样的 dan 组成，其单元进程如上所述。
能或狂言音乐的单元由数量有限的旋律模式组成。在旋律模式的内部结构之间存在高度的相似性，并且它们以一个序列聚集在一起形成单元的方式有一个共同的基本句法。如果一个人学习了一部剧的 utai，那么其他剧的音乐结构就会显得相当熟悉。
在各种语境中，每个音高上的音符数量各不相同。一旦一个模式持续了一定时间，它就会过渡到另一个模式。以戏剧《羽衣》（Hagoromo）中著名的 kuse 部分为例，它具有以下模式序列：ge-chū（下-中），jō-chū（上-中），ge-chū（下-中），jō（上），kuri，jō-chū，ge-chū。
歌手潜意识地意识到旋律模式的行进顺序，这反过来又为预测舞者的动作提供了暗示。这是因为音乐模式与舞蹈动作的句法模式相关联，正如 Bethe 和 Brazell (1978) 所分析的那样。
给定框架的最后一个单元总是在合拍（hyōshi-ai）的节奏中。合拍有三种变体。最常用的一种是 hiranori（平乘，平稳、正常的节奏），它是每部能剧不可或缺的组成部分，是 ageuta 和 kuse 等核心单元的素材。它是一种将12个音拍行（七加五个音拍的古典诗歌韵律）以切分方式分配到 hayashi 模式的八拍框架中的方法。另外两种在应用上更为受限。Ōnori（大乘）是将8个音拍的行规则地分配到 hayashi 模式中，导致每拍一个音拍。Chūnori（中乘）将16个音拍规则地分配给八拍的 hayashi 模式，导致每拍两个音拍。术语 nori（乘）——字面意思是“骑乘”——可用于统称这些音节分布或文本节奏。
这些 nori 与文本的韵律密切相关，因此能剧的作者必须了解这些惯例。每种 nori 都与场景类型紧密相连。由于 chūnori 中每小节的音拍数很大，因此它给人一种速度感（即使在速度相对较慢的情况下）。它经常被用于战斗场景。另一方面，Ōnori 每小节的音拍数最少。它用于伴有缓慢天庭舞蹈的场景。然而，它也经常用于战斗场景（唱得快得多），因此节奏和场景之间的关系并不是一对一的对应。
本节考察 utai 的音乐方面在戏剧中所起的作用。在日本许多其他类型的叙事音乐中，特定的旋律模式可以象征音乐之外的事物。然而，在能剧中，没有这样的惯例。相同的旋律模式既可用于表达欢乐，也可用于表达悲伤。音乐方面真正具有意义的地方，在于从一种风格向另一种风格的转换。这样的转换点可以显示情绪、情感或场景的变化，例如当 ōnori 转变为 hiranori 时。例如，在剧作《船辨庆》（Funa Benkei）中，这发生在两个相爱的人必须分别的地方。在船将要离开的那一刻，nori 从 ōnori 变为 hiranori。它可以有效地发挥作用，表达主角深沉的情感。
同样地，在 tsuyogin 和 yowagin 之间的切换可以发生在一个单元的中间。这可以显示情节动作的发展。例如，在剧作《海人》（Ama，潜水女孩）中，主角（女性）潜入海中，从龙王那里夺取宝藏。起初，在 yowagin 的表达中，描述了海底的景象，以及这个即将冒生命危险的女人的感受。为了描述她的感受，速度变得更慢。接着，她到达了龙宫；演唱风格变为 tsuyogin，节奏变为 chūnori。她拿走珠宝，切开自己的腹部并将它藏在里面，随着她的鲜血流入水中，出现了一段充满张力的舞蹈。成功完成行动后，她回到水面，此时 utai 变回 yowagin，速度放慢，节奏也变回 hiranori。
每种演唱类型或 nori 本身并没有特别表达任何东西。正是不同叙事质地那种近乎冗余的交替，在戏剧的发展中才具有了意义。对于今天观看能剧但不能理解 utai 文本中每一行字的人来说，音乐形式的变化为理解戏剧的发展提供了重要的辅助。
旋律模式的变化也可以有助于对文本的理解。在《羽衣》（Hagoromo）的最后一节中，返回天庭的天使飞过爱鹰山（Ashitakayama）。在爱鹰山（Ashitakayama）这个短语处，它暗指一首著名的诗，此时使用了 kuri 模式，其特征是带有 yowagin 旋律中的最高音高。选择这种模式的效果是强调了这座山名字中的元素 taka（高）(Fujita 1991)。
在狂言中，选择 utai（歌曲）而不是 kotoba（对话）通常是有意义的。当一个角色开始唱歌时，它的效果是忽略剧作的逻辑发展，突然抹去两个角色之间的争论点。例如，在狂言剧《蜗牛》（Kagyū）中，骗子和被骗者开始一起唱歌跳舞，其效果是他们的争吵不再重要了。取而代之的是，一种欢乐的气氛主导了剧作的结尾。歌曲的这种戏剧功能在狂言中很常见。
结构框架（dan）开头的歌曲和说白单元由各个角色表演。但是框架末尾的歌曲通常由一群歌手演唱。在今天的表演中，这个群体由 jiutai（地谣）或合唱团代表，他们坐在舞台的右侧（从观众的角度看，即使用西方戏剧术语的“舞台左侧”）。当他们唱歌时，穿着戏服的演员在舞台上移动（通常是跳舞）但保持沉默，就像木偶剧中的木偶一样。合唱团经常会代替他从第一人称转换为第三人称，例如唱道：“我是……的鬼魂，他说着，便消失了。”一些研究人员将这等同于 katarimono（语物，叙事音乐）中的叙述者。
然而，在世阿弥时代（十四世纪），现在由合唱团演唱的文本原本是打算由演员和合唱团一起演唱的：合唱团在表演中处于次要地位 (Fujita 2000: i)。到了十七世纪，由于 utai 的流行，诞生了舞台上总是设有一个合唱团的习俗，并使用了 jiutai 这个词。在十八世纪，合唱团的人数增加到多达25名歌手。从现代开始，人数再次减少，如今通常是八人。
自十七世纪以来，在一部剧中分配给合唱团的文本比例也有所增加。例如，在角色出场的框架中，原本人们认为演员独自承担所有文本是很自然的。但在某些剧中，合唱团开始接手框架的最后一个单元，从而将演员从演唱的责任中解放出来，以便专注于跳舞。
合唱部分中的 utai 文本通常是戏剧角色的说白和演唱台词。通过改由合唱团来表达这些台词，其效果是超越角色的视角，并成为一种客观无私的文本。因此，合唱团具有戏剧性的作用：它不仅仅是主角的替代者，也不仅仅是为了放大叙事的音量。
笛子（fue 或能管 nōkan）是除人声之外唯一的旋律乐器。它没有标准的长度，因此没有绝对音高；此外，它的旋律与 utai 的音高无关。它独立发挥作用，而不是作为合奏的一部分。它看起来与日本其他传统长笛非常相似，但在结构上却截然不同。管腔内部的收缩（称为 nodo，“喉”）意味着，nōkan 上八度的音高比起其下方对应的音高要不到一个八度 (Berger 1965)，且不与任何其他日本音阶相对应。
吹孔（fukiguchi）很大，使得在一个指法位置上能够拥有超过两个全音的音域。通过改变吹奏角度以及逐渐露出音孔，可以产生滑音和渐滑音。
由于这些元素，能管的旋律结构颇为独特。大多数乐器将每个声音（音高）演奏为音阶的一个音级，无论音高系统是绝对的还是相对的，表演者都通过这种方式来感知音阶。然而，在能管旋律中，唯一能被清楚感知为具有明确音高的音阶音级的，是那些被最频繁演奏的中心音（这些音的名称为 banshiki 和 ōshiki，源自 gagaku 即雅乐），它们也是每个模式的结束音。对于其他音符（指法），重要的指标是音高的方向，即它们应该比前面的音符高还是低。长笛模式是通过轮廓而不是特定音高来识别的。
当然，在针对初学者的曲目中，存在固定的指法，因此由乐器决定的旋律的大致轮廓对演奏者来说是清晰的。关于指法的规则在课堂上被极其严格地遵守。然而，由该指法产生的声音（音高和旋律轮廓）并没有得到太多的评述，因为据说每支长笛的结构各不相同。这也为每位表演者的个性留下了一定的余地。
这种对个性和随机性的宽容根源在于 shōga（唱歌），即口传记谱法，人们通过演唱它来帮助记忆长笛旋律 (Hughes 2000, 1989; Gamō 2000: 168–71)。Shōga 音节在词汇上毫无意义，它们不像西方的唱名法那样指示特定的音高或音程；相反，它们编码了旋律的方向。
每个音节中的元音承载了最多的意义。从一个元音到另一个元音的转换包含了关于旋律的重要信息。元音按照从高音到低音的顺序是 i, a, o, u。例如，正如元音 o 和 i 的存在所显示的那样，音节 hyo-i 表示从低到高的行进。同样地，音节 hi-u-i-ya-ro 将是一段旋律走向为下-上-下-下的旋律。
这些被记住的音节序列自动地向表演者传达有关旋律方向的信息。在遵循 shōga 音节序列所表达的进行中，表演者在实际音高上有相当大的自由度。考虑到各个音高之间甚至内部的变异性，西方记谱法（如 Tamba 1981 所用）无法标示出一首能管曲目的真实模式。
在课上，老师为学生演唱 shōga。这不仅传递了旋律的轮廓，而且还传递了气息的强度和乐句的划分。当出现上行滑音时，与其说是音高的上升，不如说是转变成了更强的气息压力 (Fujita 1986)。
在能剧中，有两种广泛类型的长笛表演。第一种是 ashirai（ashirai-buki），即长笛与 utai 同时演奏，但拥有完全不同的节奏和旋律，且与 utai 的旋律没有音高关联。重要的是长笛音色所带来的质地。通过其音色，可以表达空间宽度，深化对文本中地理或情感内容的解释。Ashirai 伴随不合拍的节奏（hyōshi-awazu），也就是说，此时打击乐与 utai 的节拍是不相关的。
另一种类型是 awase-buki，即长笛与打击乐一起演奏而没有 utai，保持相同的八拍节拍。这是舞蹈部分（maigoto）的标准做法。在角色登场的器乐前奏中，长笛可以用这两种风格中的任意一种演奏。
基本的舞蹈单元是 chū no mai (Emmert 1983)；其他诸如 jo no mai、otoko-mai 和 kami-mai 可以被理解为具有类似结构的变体。根据速度变化，每个乐句的 shōga 在细节和吹奏方式上都会显示出微小的差异。此外，还有一些舞蹈（mai）的名字表明它们起源于其他艺术形式，例如 gaku、kakko（两者均与雅乐 gagaku 相关）以及 kagura（神道教仪式音乐），每一种都有特殊的旋律单元。
两种沙漏型鼓，即 ōtsuzumi（大鼓）和 kotsuzumi（小鼓），是完整的能剧表演和音乐会（mai-bayashi）形式的基本伴奏。这些鼓区分出许多不同的击打类型，具有不同的响度和音色。对于小鼓（kotsuzumi），通过拉紧和放松将鼓皮绑在鼓身上的绳索，还能产生进一步的音色和音高区别。
在击鼓之前，可以听到被称为 kakegoe（挂声）的呼喊声。它们使用诸如 yo, ho, iya 等声音。它们构成了在八拍小节中位置的提示。
在呼喊声的前一拍，作为准备，表演者通常会意识到一个被称为 komi（込）的无声点。表演者会默默地对自己发出类似 tsu 或 hm 的声音，同时收紧腹部以积聚力量。此时，鼓手紧紧抓住鼓绳，为接下来的 kakegoe 和击打做准备。获取 komi 的过程对于与 utai 部分保持合拍是不可或缺的。
最常见的节奏模式被称为 mitsuji (Malm 1958; Minagawa 1957; Emmert 1980)。在八拍小节的弱拍（即第八拍的下半拍），大鼓（ōtsuzumi）演奏者会打出 don 这一击。紧接着，kakegoe yō 占据 1.5 拍。到了第二拍，大鼓（ōtsuzumi）演奏者默默地对自己说出 tsu，这就是 komi。然后他喊出 hō，接着在第三拍打出响亮的 chon。听到 chon 后，小鼓（kotsuzumi）接管，在第四拍执行一个 komi，喊出 kakegoe yō，然后打出 po，以此类推。
这种 mitsuji 模式在一部剧中会出现几十次，尤其是作为独唱 utai 的伴奏。在表演中，kakegoe 可能会有所不同，速度也可能不同，拍子之间的间隔也可能变化，因此可能很难察觉到这种模式。
Mitsuji 只不过是一百多种器乐模式中最常见的一种。模式的顺序是严格固定的，但可以根据歌曲或舞蹈速度的变化重复或省略个别模式。
在有超自然角色出现并进行剧烈动作，或者神明跳出优雅舞蹈的剧目中，棍击鼓 taiko（shimedaiko）会被加入，通常在终曲中。⁵ taiko 还明确打出八拍小节的后半拍，从而设定一个相对稳定的速度。太鼓（Taiko）表演也使用 komi 和 kakegoe (Malm 1960)。
主角在戏剧高潮中跳舞的 chū no mai 舞蹈，是最基本的舞蹈单元。Emmert (1983) 以及 Bethe 和 Emmert (1995) 详细分析了它的结构。器乐模式以循环的方式重复：长笛有四个乐句，大鼓（ōtsuzumi）一个，小鼓（kotsuzumi）有两个重复的乐句。有趣的是，这些重复的模式都是从不同的点开始的。大鼓（ōtsuzumi）从其八拍小节的第八拍开始；小鼓（kotsuzumi）从第一拍开始；而太鼓（taiko）和长笛则从乐句的第二拍开始。这些交错的起始点提供了容易识别的连续提示。在重复的模式达到一定的长度后，舞者会给出该部分将要结束的提示。该提示首先由太鼓（taiko）接收，然后是大鼓（ōtsuzumi）、小鼓（kotsuzumi），最后是长笛，并演奏出各种过渡模式。如果舞者给出的提示晚了，音乐乐句将比正常情况长，会一直重复直到给出提示为止。这取决于舞者来发出下一个动作的信号，例如用扇子或跺脚。出于这个原因，舞蹈是通过交换信号与音乐家进行的一种交流。
有句俗话叫“utai 是君王，hayashi 是臣子”，这很好地定义了能剧合奏各元素之间的基本关系。utai 歌手可能并不总是意识到八拍节拍。这是因为在剧本中，虽然每个音拍都标有持续时间和旋律方向，但 hayashi 的节奏模式并未被标记。业余歌手可能甚至不知道大多数 utai 都是基于八拍节拍的。这样的歌手，即使在 hyōshi-ai 的情况下，也会按音节表演，仿佛没有节拍一样。
在这种情况下，鼓手不能正常地演奏该单元，而是对其进行修改，基本上省略了第4拍和第6拍之前的“空”半拍。依靠 komi 的演奏方法（见 §3.2）便由此发展而来。在 mitsuji 中，komi 出现在一个固定点。鼓手记住哪个 utai 音拍应该落在 komi 位置上。大鼓（ōtsuzumi）在第一个音拍上发出其 komi，然后执行其 kakegoe 和击打，小鼓（kotsuzumi）也是类似做法。由于 utai 和鼓之间的这种关系，独唱歌手不需要了解鼓声部，甚至不需要听到它们。歌手可以改变音节的长度，而鼓手仍然可以有弹性地演奏八拍的 mitsuji 模式。
这个例子表明，歌手（即能剧中的主角）是主导的。打击乐器是从属的，必须配合 utai。这种关系背后的传统是，享受能剧与其说是坐着欣赏它，不如说是亲自表演它。自十五世纪中叶以来，贵族和军事贵族的成员邀请专业表演者到他们的住所，并与他们一起作为独奏者进行表演。专业的器乐演奏家经常不得不为这些业余爱好者的节奏错误打掩护，并进行即兴创作或配合。
一出能剧可能会持续一到两个小时。在一个专门为能剧建造的特殊剧院的特殊舞台上进行表演，通常需要15到20人。演员们穿着戏剧服装，并且经常戴着面具。他们不仅表演，而且又跳又唱。
除了这种完整的表演之外，还有几种部分表演模式，这些模式比完整表演更频繁地发生。主要角色（shite，发音为 sh’té）在舞台上表演和跳舞有两种表演风格。Mai-bayashi 是一部戏剧高潮的表演，持续10到20分钟。主角在舞台上表演，不穿戏剧服装也不戴面具，通常也没有配角（waki）。一种更简略的形式是 shimai，这是十分钟左右的片段，展示了能剧的精髓。主角和合唱团出现在舞台上，但没有 hayashi。
ban-bayashi 风格是表演一出完整的能剧，没有任何舞蹈或戏剧动作。表演者自始至终坐在舞台上。因为它没有视觉趣味，所以很少被表演。与此相关的是 su-utai，歌手们在舞台上排成一排，在没有器乐伴奏或服装的情况下演唱整出剧。这是在业余爱好者中最受欢迎的形式。
专业演员定期在付费独奏会上表演。典型的节目单包括能剧、shimai 和狂言。一些专业剧团可能每月演出一次，其他剧团一年演出四次。目前在有几家能乐剧院的城市（如东京、大阪和京都），几乎每个周末都可以在其中一家找到定期的演出。有艺术抱负的表演者会组织他们自己独立的团体演出 (Johnson 1984–85)。
在这些专业表演之间，也有由业余爱好者担任主要角色的演出。这是由能与狂言的老师赞助的聚会，每年一两次，供他们的业余学生参加。它们在能剧院举行，但也在餐馆和旅馆的娱乐室举行。业余演出不收取入场费。表演者的亲戚和朋友会出席。
业余爱好者在能剧的传承中并不是边缘的。首先，作为专业人士的赞助人，他们非常重要。一些业余爱好者甚至比某些专业人士更有才华。然而，在控制能剧的 iemoto（家元）制度中，人们普遍认为，处于等级顶端的人在技术上优于下层的人，并且顾名思义，业余爱好者的技术一定不那么熟练。
作为赞助人，业余爱好者在那种程度上被允许在表演中拥有更多的自由。在一次业余演出中，可能有十多位专业人士在舞台上支持一位业余爱好者 (Hare 1996)。具有不同技能的业余爱好者和专业人士在一次表演中共存，实际上是原汁原味的传统。这种能力上的差异极有可能催生了打击乐表演实践的各种要素（见 §3.3）。
同样地，儿童也经常出现在能与狂言中。有一些专门为儿童演员（kokata）保留的特殊角色，例如在《船辨庆》中的源义经（Minamoto Yoshitsune）这一角色。有几部剧适合由儿童担任主角；在这种情况下，成年人会承担所有的配角，并且如果孩子犯了错误，他们会帮忙掩护——这个事实直到现在都被研究人员所忽视。
能剧在 iemoto 制度内传承。每一位表演者都属于参与能剧的众多“流派”（ryū）之一。针对 shite 角色以及每种乐器，都有几个独立的流派。不鼓励学生向一个以上的老师或流派学习同样的技能。学生与他/她的老师建立起终生的一对一关系。理想情况下，当老师去世后，学生开始向老师的继任者学习。因此，业余爱好者为老师提供终生的支持。
shite 角色有五个流派，其中包括教授 utai 和 mai（舞蹈）。最大的是观世流（Kanze school）。大多数业余爱好者从在一个 shite 流派学习开始，在学习了一段时间的 utai 和 mai 之后，可能会作为次要兴趣学习一门乐器。教学是死记硬背的。学生从简单的曲目开始，最终进入更高级的专业曲目（naraimono），这些作品所包含的技术需要获得特别许可才能学习。学生必须支付费用才能获得由流派负责人，即 iemoto 颁发的证书。
iemoto 制度中传承的基本理念是将从前人那里接受的艺术原封不动地传下去。这决定了整个能乐氛围、意义和价值。
在 iemoto 系统内，有许多影响音乐实践的惯例。首先，一个人不应该将自己正在学习的内容理论化。当被教授一种特定技术时，询问以特定方式做事的重要意义是不好的。有句俗话：‘如果你在理论上解释事情，你的艺术就不会进步。’
其次，详细解释文本中书写的记号不被认为是好事。虽然今天上课使用的 utaibon 包含各种解释性的符号，但老师并不解释这些。更重要的是跟随在你面前唱歌的老师的榜样。出于这个原因，使用旧的 utaibon 没有什么价值，尽管它们在某种意义上是过去时代的真实表演记录。
第三，比起看着文本表演，背诵表演具有更高的价值。据说：‘如果你一边看文本一边表演，你就会失去真实的节奏流动。’
第四，存在秘传（hiden）。对许多技术的知识必须保持隐藏，直到在某个阶段，老师私下将它们传授给学生。学生必须承诺对该知识保密。这种秘传的传承构成了 iemoto 制度的财政基础。当学生通过重复练习达到完美的阶段时，老师会向学生展示音乐表演所必需的关键概念、图表和记号。hiden 的内容可能非常简单，但对该曲目却至关重要 (Kongō 1984; Fujita 2002a, 2002b)。
可以说，能与狂言既在繁荣，又在衰落。新的实验性能剧不断出现：选择一个迄今在能与狂言中未被涉及的角色，围绕他/她构建一出剧本，并配以合适的音乐编排。其他新剧则引入了来自另一种戏剧流派的表演者。人们也尝试了使用非日语语言的戏剧 (Emmert 1994)。
另一个重要因素是，那些长期未被演出的能剧经常被复兴，它们以文本为基础，进行新的音乐和编舞上的实现。通常这项活动涉及到诸如法政大学、武藏野女子大学和神户女子大学等机构的研究人员，或者是在国立能乐堂的倡议下进行的。然而必须指出，在音乐方面，新东西很少。
能剧繁荣的另一个标志是它被指定为‘日本传统文化’并被大众媒体使用。自明治时代以来，它被定位为向外界代表日本的事物。今天，能剧作为一种古典戏剧的代表形式，也具有强大的社会价值。正因为如此，在政府的支持下，国立能乐堂于1983年成立。每个主要城市都有一个或多个能剧剧院。在2001年，能乐也被日本成功提名为其首个被联合国教科文组织指定的人类非物质文化遗产。能在国定假日时被安排在国家 NHK 电视台上播出，这一事实象征了能剧的社会角色。在这样的场合，庄严纯洁的气氛被认为是可取的，而能剧被视为这种心情的合适伴奏。在江户时代发展起来的庆典感至今仍然存在。
与此同时，能与狂言也受到古老过时形象的困扰。找到人来传承这一传统正变得越来越困难。作为精英业余爱好者的爱好，这种贵族般的联想引起了今天许多日本人的反感。大多数人觉得能剧无聊且乏味——特别是年轻人。大多数年轻人甚至无法区分能剧和歌舞伎。然而，这并非近期才有的发展：即使在江户时代，特别是从十八世纪开始，普通人对能剧就表现出极少的兴趣。狂言的情况要好一些，因为它幽默且使用更容易理解的语言。
为了补充对能与狂言音乐的美学特征和结构日益增长的研究，我们需要从社会音乐学的角度进行研究，探讨为什么几百年来能剧一直不受许多普通人的喜爱。当然，部分责任在于现代教育系统。
如果我们说音乐学可以分为创作（poiesis）和实践（praxis）(Stillman 1995)，那么对能剧音乐的创作研究包括思考世阿弥和其他剧作家是如何创造音乐形式的。横道（Yokomichi）分析表演单元的工作是这种研究的一个很好的例子 (Hoff and Flindt 1973)。山中（Yamanaka，1998）对世阿弥等剧作家进行了历史文献研究，涉及什么音乐影响了他们，以及他们如何孕育出新的音乐表达方式。
调查音乐在社会中是如何被保存、传承和接受的，属于实践研究。在能剧传统的传承中，人们看重的是对旧事物的正确传承，而不是创造新事物。自十六世纪以来，保存和正确的传承构成了能与狂言的主要兴趣线。研究能与狂言的保存需要一种社会学方法，该方法要考虑其意义和价值。作为这一点的基础，本章采取了音乐学的方法，侧重于对表演实践的观察和分析。
脚注