Мне представляется, что картинка (видеоряд) никогда абсолютно не релевантна музыкальному ряду. Объяснение: музыка может рождать картинки, наоборот - крайне редко.
Прокомментирую приведенную тобой ссылку. Муз сопровождение игр прекрасное, но... можно насочинять еще мильон таких же прекрасных сопровождений. Вывод (он выше): не коррелируется видеоряд с аудиорядом - их корреляция просто иллюзия (хотя, иногда и весьма продуктивная).
Видеоряд не ассоциируется. А вот эмоции от видеоряда - да. Все дело в них. Когда ты слушаешь просто музыку - ты в спокойном состоянии. Поэтому ей сложнее вызвать у тебя эмоции. Джаз в этом плане - просто приятная жвачка для мозгов, так как спокойная и нейтральная.
В случае песен у людей врубается социальный инстинкт. Вокалист вызывает эмоции просто тем фактом, что он человек, а нашему мозгу без разницы, что это записанный голос, он все равно врубает социальные механики, которые являются катализатором эмоций.
Музыка, прослушанная отдельно от подтекста: вокала, игры, фильма, доставляет тем, что мозг уже запомнил эмоции, которые она вызвала вместе с контекстом, поэтому при повторном прослушивании без него они всплывают в воображении. Если хороший инструментал из игры дать послушать человеку, который в игру не играл, трек он не оценит, каким бы гениальным он не был.
Кризис "все ноты и ритмы уже перебраны" возникает как раз по этой причине - отсутствие контекста. Буквы, слова, драматические ситуации, тоже все перебраны, но благодаря контексту, это однообразие не так сильно бросается в глаза.
Тут можно дальше было бы задвинуть телегу про то, что наше тело эмпатически проецирует себя на контекст, поэтому мы мыслим телом, а не "логически", от чего кризис повторов не замечаем, но мне лень. Скажу лишь, что это же работает и с играми - ты ассоциируешь себя с главным героем, от чего этот контекст воспринимать намного легче, чем если ост отдельно слушать.