Mnogi zapadnjaci vjeruju da se kineski odnosi na jedan jezik i da su varijacije u izgovoru ekvivalentne dijalektičkim razlikama koje se mogu naći kod govornika engleskog koji žive u južnim državama i onih koji žive u sjevernim državama. Zapravo, iako deseci kineskih varijanti koriste isti skup leksičkih jedinica i iste gramatičke strukture, govornik s jednog područja možda neće biti u stanju usmeno komunicirati s govornikom iz drugog. To nije zato što svaki drugi smatra da je naglasak drugog pregust, već zato što su sve kineske riječi sastavljene ne samo od fonema ili zvučnih jedinica, već također nose svoje značenje kroz tonove ili visinu na kojoj se riječ izgovara. Prepisivači koriste broj tona kao i naziv tona za izgovorenu frazu koristeći jednu od nekoliko zapadnih metoda transkripcije.
S više od 845 milijuna govornika, mandarinski je daleko najkorišteniji jezik na svijetu. Mandarin, kao i svi kineski jezici, koji se često nazivaju kineskim dijalektima, uključuje tonove koji određuju značenje riječi. Ton broj jedan naziva se jin ping i ujednačen je zvuk koji se niti diže niti spušta. Ton broj dva, yang ping, lagano pada u sredini riječi, a zatim se vraća na izvornu visinu. Shang je treći ton, i on također pada, ali dramatičnije od yang pinga, a četvrti i posljednji ton na mandarinskom, qu, počinje na visokoj točki i ponira.
Mandarin i drugi kineski jezici su jednosložni; budući da svi jezici ograničavaju brojčane foneme, uključivanje visine u svaku kinesku riječ je nužnost, inače ne bi bilo dovoljno fonemskih kombinacija koje bi bile dovoljne. Engleski, kao i drugi višesložni jezici, nije tonski iz jednostavnog razloga što nije potreban. Koristeći samo 40 fonema, engleski leksikon sadrži više od 250,000 XNUMX riječi; to je moguće jer engleski dopušta više slogova, a nove riječi kombiniraju korijene s afiksima, kao i mijenjaju redoslijed zvukova.
U mandarinskom jeziku, jedan slog je riječ, a dajući tom slogu četiri tona u kojima se može koristiti, jedan slog zapravo postaje četiri različite riječi. Ovo može biti dovoljno složeno da zapanji mnoge zapadnjake, ali tajvanski, još jedan kineski jezik, dodaje četiri dodatna broja tonova za ukupno osam, a kantonski uključuje devet različitih tonova.
Važno je napomenuti da, za razliku od mnogih drugih jezika, svi kineski jezici ili dijalekti nisu abeceda temeljena na svom pisanom obliku. Jedan znak predstavlja jednu riječ, a svaka riječ je jedan slog. To znači da će mandarinski izgovor koji se može izgovoriti tonom broj jedan, tonom broj dva i tonom broj četiri biti napisan korištenjem tri različita i nepovezana znaka. Na taj način govornik kantonskog i tajvanski mogu pročitati isti tekst i razumjeti ga u potpunosti, ali će ga izgovarati daleko drugačije.