Al hablar de saber un lenguaje se alude en general a las capacidades de, significar, imaginar, articular enunciados y reconocerlos como propios del idioma, además de crear enunciados nuevos admisibles en ese lenguaje. Sin embargo, en nuestra cultura saber música implica operar más o menos concientemente con al menos algunas de las categorías de la teoría musical -principalmente aquellas que se vinculan directamente con la escritura. Esa supremacía de la teoría musical que la modernidad ha privilegiado fija las bases de la denominada audición estructural que se establece como modo de involucrarse con la música escuchándola que goza de gran prestigio social y se muestra como un indicador académico del "buen músico". Así, la profesionalización del músico pasa por intentos sistemáticos por orientar ese tipo de escucha. Además de las enormes dificultades que se encuentran en la experiencia de este proceso, a menudo se generan situaciones paradojales que dan cuenta de las contradicciones entre ambas acepciones de saber expuestas. Por ejemplo, personas con capacidades notables para producir enunciados musicales nuevos y admisibles en un determinado idioma musical, tienen fuertes dificultades para operar con aquellas categorías teóricas. En este trabajo argumento que la supremacía de la audición estructural se basa en la carencia de un metalenguaje para dar cuenta de la adquisición de esos saberes. Se piensa la teoría musical, y por transición la escritura musical como el metalenguaje disponible, siendo ésta una de las razones principales por las que la profesionalización musical está aferrada a ellos. Sin embargo, propongo aquí que ni el metalenguaje teórico ni la escritura musical resultan exitosos para dar cuenta del dominio del lenguaje musical porque no alcanzan tres puntos clave de la experiencia musical: (i) su naturaleza temporal; (ii) su naturaleza afectiva; y (iii) su naturaleza intersubjetiva. Discuto cada uno de estos puntos sugiriendo líneas para su incorporación en la formación musical que al mismo tiempo permitan tender puentes con los aspectos de la audición estructural que resultan verdaderamente relevantes para el desarrollo musical.