Muchos occidentales creen que el chino se refiere a un solo idioma y que las variaciones en la pronunciación son equivalentes a las diferencias dialécticas que se encuentran entre los angloparlantes que viven en los estados del sur y los que viven en los estados del norte. De hecho, aunque las docenas de variantes chinas usan el mismo conjunto de elementos léxicos y las mismas estructuras gramaticales, un hablante de un área podría ser completamente incapaz de comunicarse oralmente con un hablante de otro. Esto no se debe a que cada uno considere que el acento del otro sea demasiado grueso, sino a que todas las palabras chinas están compuestas no solo de fonemas o unidades de sonido, sino que también llevan su significado a través de los tonos o el tono en el que se pronuncia una palabra. Los transcriptores utilizan un número de tono y un nombre de tono para una frase hablada utilizando uno de los varios métodos de transcripción occidentales.
Con más de 845 millones de hablantes, el mandarín es, con mucho, el idioma más utilizado en el mundo. El mandarín, como todos los idiomas chinos, a menudo llamados dialectos chinos, incorpora tonos que determinan el significado de una palabra. El tono número uno se llama yin ping, y es un sonido uniforme que no sube ni baja. El tono número dos, yang ping, desciende ligeramente en el medio de la palabra y luego vuelve al tono original. Shang es el tercer tono, y también desciende pero más dramáticamente que el yang ping, y el cuarto y último tono en mandarín, qu, comienza en un punto alto y se hunde.
El mandarín y otros idiomas chinos son monosilábicos; debido a que todos los idiomas restringen los fonemas numéricos, incorporar el tono en cada palabra china es una necesidad, o no habría suficientes combinaciones fonémicas para ser suficiente. El inglés, como otros lenguajes polisilábicos, no es tonal por la sencilla razón de que no es necesario. Utilizando sólo 40 fonemas, el léxico inglés contiene más de 250,000 palabras; esto es posible porque el inglés permite múltiples sílabas y las palabras nuevas combinan raíces con afijos y reordenan los sonidos.
En mandarín, una sola sílaba es una palabra, y al darle a esa sílaba cuatro tonos en los que se puede usar, una sílaba se convierte efectivamente en cuatro palabras distintas. Esto puede ser lo suficientemente complejo como para aturdir la mente de muchos occidentales, pero el taiwanés, otro idioma chino, agrega cuatro números de tono adicionales para un total de ocho, y el cantonés incorpora nueve tonos distintos.
Es importante tener en cuenta que, a diferencia de muchos otros idiomas, todos los idiomas o dialectos chinos no se basan en el alfabeto en sus formas escritas. Un carácter representa una palabra y cada palabra es una sola sílaba. Esto significa que una expresión en mandarín que se puede pronunciar en el tono número uno, el tono número dos y el tono número cuatro se escribirá utilizando tres caracteres distintos y no relacionados. De esta manera, un hablante cantonés y un hablante taiwanés pueden leer el mismo texto y comprenderlo completamente, pero lo pronunciarán de manera muy diferente.