ช่วงเวลาประมาณ 300 ปี ระหว่างคริสตศตวรรษที่ 12-14 ดนตรีในวัดมีรูปแบบเปลี่ยนไปจากตอนต้นของสมัยกลาง กล่าวคือ ในราวคริสตศตวรรษที่ 9 เป็นต้นมา เพลงแชนท์ ซึ่งรู้จักกันในนามของเกรเกอเลียน แชนท์ (Gregorian Chant) ได้รับการพัฒนามาเป็นรูปของการขับร้องแบบสอดประสานหรือ โพลีโฟนี (Polyphony) จนถึงคริสตศตวรรษที่ 13 ลักษณะของเพลงที่สำคัญในสมัยนี้ คือ ออร์แกนนั่ม (Organum) คือ การร้องในลักษณะของการร้องประสานเสียงสองแนว โดยใช้ระยะขั้นคู่เสียงคู่สี่เป็นหลักและเคลื่อนที่ไปในทิศทางเดียวกัน ระยะต่อมาการเคลื่อนที่เริ่มไม่จำกัดทิศทางและท้ายที่สุดมีออร์แกนนั่มแบบเสียงที่สอง (เสียงต่ำ) ร้องโน้ตยาว ๆ เพียง 1 ตัว ในขณะที่เสียงหนึ่ง (เสียงสูง) ร้องโน้ต 5-10 ตัวเนื่องจากออร์แกนนั่มเป็นเพลงที่พัฒนามาจากดนตรีในวัดหรือเพลงโบสถ์จึงเป็นเพลงที่ไม่มีอัตราจังหวะในระยะแรกต่อมาจึงเริ่มมีลักษณะของอัตราจังหวะ กล่าวได้ว่าในช่วงเวลานี้สิ่งสำคัญเกิดขึ้น คือการร้องแบบสองทำนองเริ่มเกิดขึ้นแล้วอย่างเด่นชัด เป็นลักษณะของการสอดประสานในสมัยกลางนี้ทางดนตรีแบ่งเป็นสมัยย่อย ๆ ได้สองสมัย คือ สมัยศิลป์เก่า (Ars Antiqua) และสมัยศิลป์ใหม่ (Ars Nova)