Πολλοί Δυτικοί πιστεύουν ότι τα Κινέζικα αναφέρονται σε μία μόνο γλώσσα και ότι οι παραλλαγές στην προφορά είναι ισοδύναμες με διαλεκτικές διαφορές που συναντώνται στους αγγλόφωνους που ζουν σε νότιες πολιτείες και σε εκείνους που ζουν σε βόρειες πολιτείες. Στην πραγματικότητα, παρόλο που οι δεκάδες κινεζικές παραλλαγές χρησιμοποιούν όλες το ίδιο σύνολο λεξικών στοιχείων και τις ίδιες γραμματικές δομές, ένας ομιλητής από μια περιοχή μπορεί να μην μπορεί να επικοινωνήσει προφορικά με έναν ομιλητή από μια άλλη. Αυτό δεν συμβαίνει επειδή ο καθένας θεωρεί ότι η προφορά του άλλου είναι πολύ πυκνή, αλλά επειδή όλες οι κινεζικές λέξεις δεν αποτελούνται μόνο από φωνήματα ή ηχητικές μονάδες, αλλά μεταφέρουν επίσης το νόημά τους μέσω των τόνων ή του τόνου με τον οποίο προφέρεται μια λέξη. Οι μεταγραφείς χρησιμοποιούν έναν τονικό αριθμό καθώς και ένα όνομα τόνου για μια προφορική φράση χρησιμοποιώντας μία από τις πολλές δυτικές μεθόδους μεταγραφής.
Με περισσότερους από 845 εκατομμύρια ομιλητές, τα Mandarin είναι μακράν η πιο χρησιμοποιούμενη γλώσσα στον κόσμο. Το Mandarin, όπως όλες οι κινεζικές γλώσσες, που συχνά αποκαλούνται κινεζικές διάλεκτοι, ενσωματώνει τόνους που καθορίζουν τη σημασία μιας λέξης. Ο ήχος νούμερο ένα ονομάζεται yin ping και είναι ένας άρτιος ήχος που ούτε ανεβαίνει ούτε βυθίζεται. Ο ήχος νούμερο δύο, γιανγκ πινγκ, βυθίζεται ελαφρά στη μέση της λέξης και μετά επιστρέφει στην αρχική ένταση. Το Shang είναι ο τρίτος τόνος και, επίσης, πέφτει αλλά πιο εντυπωσιακά από το yang ping, και ο τέταρτος και τελευταίος τόνος στα Mandarin, qu, ξεκινά από ένα υψηλό σημείο και βυθίζεται.
Το Mandarin και άλλες κινεζικές γλώσσες είναι μονοσύλλαβα. Επειδή όλες οι γλώσσες περιορίζουν τα φωνήματα των αριθμών, η ενσωμάτωση του τόνου σε κάθε κινεζική λέξη είναι απαραίτητη, διαφορετικά δεν θα υπήρχαν αρκετοί φωνητικοί συνδυασμοί για να επαρκούν. Τα αγγλικά, όπως και άλλες πολυσυλλαβικές γλώσσες, δεν είναι τονικά για τον απλό λόγο ότι δεν είναι απαραίτητο. Χρησιμοποιώντας μόνο 40 φωνήματα, το αγγλικό λεξικό περιέχει πάνω από 250,000 λέξεις. Αυτό είναι δυνατό επειδή τα αγγλικά επιτρέπουν πολλαπλές συλλαβές και οι νέες λέξεις συνδυάζουν ρίζες με προσθετικά καθώς και αναδιάταξη ήχων.
Στα Μανδαρινικά, μια μόνο συλλαβή είναι μια λέξη και δίνοντας σε αυτή τη συλλαβή τέσσερις τόνους στους οποίους μπορεί να χρησιμοποιηθεί, μια συλλαβή γίνεται ουσιαστικά τέσσερις διακριτές λέξεις. Αυτό μπορεί να είναι αρκετά περίπλοκο για να μπερδέψει το μυαλό πολλών Δυτικών, αλλά τα Ταϊβανέζικα, μια άλλη κινεζική γλώσσα, προσθέτει τέσσερις επιπλέον τόνους για συνολικά οκτώ, και τα καντονέζικα ενσωματώνουν εννέα διακριτούς τόνους.
Είναι σημαντικό να σημειωθεί ότι, σε αντίθεση με πολλές άλλες γλώσσες, όλες οι κινεζικές γλώσσες ή διάλεκτοι δεν βασίζονται σε αλφάβητο στις γραπτές τους μορφές. Ένας χαρακτήρας αντιπροσωπεύει μια λέξη και κάθε λέξη είναι μια συλλαβή. Αυτό σημαίνει ότι μια μανδαρίνικη έκφραση που μπορεί να προφερθεί με τον αριθμό ένα, τον αριθμό δύο και τον αριθμό τέσσερα θα γραφτεί χρησιμοποιώντας τρεις διακριτούς και άσχετους χαρακτήρες. Με αυτόν τον τρόπο, ένας Καντονέζος ομιλητής και ένας Ταϊβανέζος ομιλητής μπορούν να διαβάσουν το ίδιο κείμενο και να το κατανοήσουν πλήρως, αλλά θα το προφέρουν πολύ διαφορετικά.