关于词的起源，大致可从三个角度入手：诗与词的关系、词的长短句式之渊源、音乐与词的关系。近人吴梅在《词话丛编序》中说：“倚声之学，源于隋之燕乐。三唐导其流，五季扬其波，至宋大盛。”这段话既阐述了词的起源，又概括了词的发展，比较全面、科学，深受学界认可，本书亦采用此说法。
词，兴起于民间。《旧唐书》记载：“自开元以来，歌者杂用胡夷里巷之曲。”所谓“胡夷里巷之曲”就是西域的“胡乐”，特别是龟兹乐。这些音乐大量传入中原，与汉族音乐融合，从而被改编为一种新的音乐— —燕乐。
当时，都市里有很多以演唱为生的优伶乐师，他们为使唱词与音乐节拍配合，创作改编了一些曲词。这些曲词长短不一，也就是词的雏形，也叫“曲子词”。这些曲子词侧重于言情，其情辞浅近通俗，题材、意境都有自己的特点。
后来，燕乐继续发展，并形成一个规定，即须严格按照乐曲的要求来创作歌辞，包括依乐章结构分片、依曲拍为句、依乐声高下用字，等等。而这些歌辞的文字部分逐渐形成一种依乐谱填词歌唱、字数固定、格律化的长短句。中唐以后，这种形式被众多文人青睐，用其进行创作。文人的加入使这种新的文学形式开始广泛流传，最终成为现如今通称的“词”。
从敦煌曲子词中可以看出民间词比文人词要早几十年。《敦煌曲子词集》收录的一百六十多首作品，大多是从盛唐到唐末五代的民间歌曲。这些歌辞有短有长，都是配合音乐演出要求而变化其形式，说明词的源头之一应该是燕乐歌辞。
这并不是词的唯一源头，词的另一个源头应该是诗歌。本章引言中我们已经提到，诗和词在某些方面是类似的，带有一定的传承关系。在唐代，某些乐曲的曲拍声调和诗是很相近的，只是以诗入曲有诸多不变，如破句、重叠等，需要做一些改动才能让文字和曲拍相合。正是这样导致了文人按曲拍作词，促成了词的形成。
