La première tentative SMDL était de définir un document SGML avec une DTD (Document Type Definition) pour la musique. La première version, en 1988, était très incomplète; toutefois, cet essai de structurer un document musical a considérablement contribué à l'extension de SGML au HyTime (Hypermedia/Time (ISO/IEC 10744:1992)). Celui-ci étant un standard de représentation des relations entre les documents, plusieurs éléments de son architecture ont été directement inspirés par des concepts musicaux. Après l'acceptation de HyTime comme un standard international, il était normal de retourner vers SMDL, et d'en faire un document HyTime. Mais avant d'y arriver, HyTime lui même a subi beaucoup de modifications.
En juillet 1995, la notion de meta-DTD est rajoutée à HyTime. Une meta-DTD peut décrire une architecture en fonction d'un certain nombre d'architectures de bases. Par conséquence, SMDL a été développé avec ces nouveaux concepts; sa dernière version de juillet 1995 consiste en une architecture dérivée de Hytime. La meta-DTD de SMDL définit les ressources, qui peuvent être utilisées dans un document SMDL. Une DTD dérivée de la meta-DTD de SMDL définira ainsi un document musical, qui ne pourra contenir que ces ressources.
En SMDL, un document est divisé en quatre domaines qui peuvent être hyperliés :
Cantus ne représente que les informations qui ont un rapport direct avec la musique elle-même, et non avec la manière dont elle apparaît sur la page. Par exemple, une note fait partie du Cantus, alors qu'une clef n'en fait pas partie. En fait, Cantus est souvent défini comme ce qui est entendu, il ne contiendra donc pas les polices de caractères ni les informations de mise en page.
Il utilise les mécanismes de liaison de HyTime, pour lier le document à un format externe, soit un fichier bitmap (SPDL, GIF, JPG, BMP, etc.), soit un fichier musical (SCORE, FINALE, SIBELIUS, NIFF, etc.); ce qui permettra de représenter toutes les informations graphiques.
Le domaine gestuel concerne une exécution particulière d'un cantus, comme un fichier MIDI, il contiendra moins d'informations que le domaine logique et ne gardera que les informations relatives à l'écoute (pas le timbre, mais les critères à ce sujet restent vagues).
Il concerne les commentaires généraux du morceau, tout ce qui n'est pas directement lié à l'1#1uvre en elle même. En fait, c'est le seul domaine qui n'utilise pas les informations contenues dans le Cantus, il y fait seulement référence.
En conclusion, un document SMDL pourrait contenir un cantus, un ou plusieurs liens à des formats graphiques (un fichier NIFF, par exemple), et un ou plusieurs liens à des formats d'exécution (MIDI, par exemple).
En utilisant SMDL, une information multimédia peut être associée et synchronisée avec la musique, bien que les deux parties soient codées et notées différemment, avec des liens différents.
Ce format a eu une évolution très chaotique, et n'a jamais été achevé. Aux dernières nouvelles [11], une nouvelle version compatible avec XML va cette fois-ci être terminée.