Da sempre animazione e musica vivono in rapporto strettissimo. Se Topolino è diventato una star globale è perché Walt Disney capì e sfruttò prima degli altri le potenzialità sonore dei suoi film. I primi esperimenti di "musica visiva", tentativi di ricreare su grande schermo usando le immagini, precedono l'avvento del sonoro. L'organizzazione temporale a base di ritmo e melodia che è la caratteristica intrinseca del discorso musicale era la stessa.

I risultati più estremi in questa direzione non mancano, peraltro, di suscitare perplessità. Musica e immagini sono due linguaggi distinti, il cui funzionamento è molto diverso: una serie di immagini mute non avrà mai la capacità della musica di strutturare il tempo soggettivo dello spettatore, ed ecco perché un film totalmente privo di suoni rischia di trasformarsi in un'esperienza straniante e alla lunga respingente. Benché entrambi fluiscano nel tempo, i suoni hanno la capacità di "accordarsi", ovvero di fondersi in modo consonante, mentre le immagini di un film sono costrette in forma rigidamente sequenziale, a meno di immaginare un "nuovo cinema" basato su principi radicalmente diversi.

La diversità dei due linguaggi è alla base della loro complementarità. Nei casi migliori, musica e immagini si fondono in un flusso unico, senza che nessuno dei due aspetti prenda il sopravvento sull'altro. In questo senso, il film musicale astratto, in cui ai suoni corrispondono immagini prive di qualunque intenzione descrittiva, costituisce una categoria a sé, quasi una forma d'arte autonoma. Nei film astratti, musica e immagini si sposano perfettamente e tuttavia giocano ruoli diversi: se la musica segna il tempo e imposta il ritmo, le immagini incarnano quel ritmo visivamente, al pari di una coreografia. Come accade nella danza o nel teatro musicale, le immagini non sono da intendere come un mero accompagnamento visivo, ma piuttosto come un elemento della costruzione inscindibile dalla musica, alla pari di una vera e propria sinfonia audiovisiva.

La selezione di film musicali proposta evita intenzionalmente gli esempi più ovvii, e si concentra sulle diverse possibili declinazioni del rapporto fra suono e immagine, spaziando da un estremo che vede la musica usata come supporto alle immagini in funzione narrativa, all'altro in cui le immagini sono al servizio della musica, come accade nella moderna produzione di videoclip animati.