Daudzi rietumnieki uzskata, ka ķīniešu valoda attiecas uz vienu valodu un ka izrunas atšķirības ir līdzvērtīgas dialektiskajām atšķirībām, kas atrodamas angļu valodā runājošajiem, kuri dzīvo dienvidu štatos, un tiem, kas dzīvo ziemeļu štatos. Faktiski, lai gan desmitiem ķīniešu variantu visi izmanto vienu un to pašu leksisko vienumu kopu un vienas un tās pašas gramatiskās struktūras, runātājs no viena apgabala var pilnībā nespēt sazināties mutiski ar runātāju no citas. Tas nav tāpēc, ka katrs uzskata, ka otra akcents ir pārāk biezs, bet gan tāpēc, ka visi ķīniešu vārdi sastāv ne tikai no fonēmām vai skaņu vienībām, bet arī satur to nozīmi toņos vai vārda izrunāšanas augstumā. Transkribētāji izrunātajai frāzei izmanto toņa numuru, kā arī toņa nosaukumu, izmantojot vienu no vairākām Rietumu transkripcijas metodēm.
Ar vairāk nekā 845 miljoniem runātāju mandarīnu valoda ir līdz šim visvairāk lietotā valoda pasaulē. Mandarīnu valodā, tāpat kā visās ķīniešu valodās, ko bieži sauc par ķīniešu dialektiem, ir iekļauti toņi, kas nosaka vārda nozīmi. Tonis numur viens tiek saukts par iņ ping, un tā ir vienmērīga skaņa, kas ne paceļas, ne pazeminās. Otrais tonis, yang ping, nedaudz iekrīt vārda vidū, pēc tam atgriežas sākotnējā augstumā. Shang ir trešais tonis, un arī tas pazeminās, bet dramatiskāk nekā yang ping, un ceturtais un pēdējais tonis mandarīnu valodā, qu, sākas visaugstākajā punktā un iekrīt.
Mandarīnu un citas ķīniešu valodas ir vienzilbes; jo visas valodas ierobežo skaitļu fonēmas, katrā ķīniešu vārdā ir jāiekļauj tonis, pretējā gadījumā nebūtu pietiekami daudz fonēmisku kombināciju. Angļu valoda, tāpat kā citas daudzzilbju valodas, nav tonāla tā vienkāršā iemesla dēļ, ka tas nav nepieciešams. Izmantojot tikai 40 fonēmas, angļu valodas leksikā ir krietni vairāk nekā 250,000 XNUMX vārdu; tas ir iespējams, jo angļu valoda pieļauj vairākas zilbes, un jaunie vārdi apvieno saknes ar piedēkļiem, kā arī pārkārto skaņas.
Mandarīnu valodā viena zilbe ir vārds, un, piešķirot šai zilbei četrus toņus, kuros to var lietot, viena zilbe faktiski kļūst par četriem atšķirīgiem vārdiem. Tas var būt pietiekami sarežģīti, lai apmulsinātu daudzu rietumnieku prātus, taču taivānā, citai ķīniešu valodai, tiek pievienoti četri papildu toņu skaitļi, kas kopā veido astoņus, un kantoniešu valodā ir iekļauti deviņi atšķirīgi toņi.
Ir svarīgi atzīmēt, ka atšķirībā no daudzām citām valodām visu ķīniešu valodu vai dialektu rakstveida formas nav alfabēts. Viena rakstzīme apzīmē vienu vārdu, un katrs vārds ir viena zilbe. Tas nozīmē, ka mandarīnu izteikums, ko var izrunāt pirmajā, otrajā un ceturtajā tonī, tiks uzrakstīts, izmantojot trīs atšķirīgas un nesaistītas rakstzīmes. Tādā veidā Kantonas valoda un Taivānas runātājs var lasīt vienu un to pašu tekstu un saprast to pilnībā, taču izrunās to atšķirīgi.