這個問題其實是有很多原因的:

1.獲取點的問題。人在看影象和聽音樂的成本是不一樣的。影象本來就要比聲音快。人們在看到一張圖片的時候，一瞬間就可以做出反應，這個圖片的好和壞。但是聽音樂就不一樣。更多的時候你需要完整的聽完一首音樂，你才能做出判斷。所以兩者花的時間成本差距是很大的。

2.製作成本。普通人拍一張照片。他只要拿起手機就可以拍攝，這個過程可以不需要專業性，你想要怎麼拍就可以怎麼拍。但是製作一首音樂的成本就不一樣了。首先你要有大量的音樂製作經驗，同時製作一首音樂也是需要花大量的時間的，完全不可能像拍照一樣，一瞬間就可以完成。所以當一首歌做完的時候。他必定已經經過了很多的步驟：作曲，作詞，編曲，錄音，混音，母帶。每個過程都是精益求精的結果。既然是一個精益求精的結果。所以被別人指責或者謾罵的機率就會小很多。

3.審美能力問題。對於一張圖片或者一張自拍照來說。只要是一個普通人。他就有能力判斷這張圖片好看還是不好看，然後給出適當的評價。這樣的受眾人群可以是老人也可以是小孩。但是音樂就不一樣了。能夠具備審美能力的人畢竟還是有限制的。比如你不可能讓一個三歲的小孩子去評價貝多芬命運交響曲所運用的情感描述，但是三歲小孩看到一張圖片，他還是能夠明確的指出圖片美還是不美，圖片裡的什麼東西好看不好看。

影片自拍、圖片自拍是用視覺去看，傳達的資訊很寬，再加上獨特的腦回路，就產生多種多樣的想法，審美一般都差不多，再配上文字，很容易就能引導過去了，比如圖一、圖二。音樂用聽覺去聽，一般用來觸動情感，一首歌表達的也比較單一，還要取決聽者現在的心情想不想聽，你認為一首不錯的音樂，也許別人聽來一般，假如在朋友圈只發首音樂別人一般認為你很無聊，不是一首歌就能讓大部分人喜歡。真正認為不錯還是會點讚的。如圖三（水平有限，多包涵）