这里所指的“速度”是在一个单位时间内“拍”的多少，多的就快，少的就慢。例如一分钟60拍，一分钟80拍，80拍就比60拍听起来快。
“拍”可以看作为一个未知数，可以由我们学过的音符充当。比如四分音符为一拍，如果一分钟有125拍，表示为：
如果八分音符为一拍，每分钟有125拍，表示为：
这样一来，我们可以理解为，一个个音符被赋予了真实的时间长度。就像上边的例子，一分钟有125拍，每一拍为四分音符，那么一个四分音符的长度就是60秒/125=0.48秒。在第二个例子中，一分钟也是125拍，每一拍为八分音符，在这个例子中，八分音符就是60秒/125=0.48秒，从而得出四分音符就是0.96秒。
从这两个例子可以看出，音符本身其实只有相对关系，即一个四分音符永远等于两个八分音符。但在没有给出具体的速度之前，我们根本不知道这样的节奏听起来有多快。
