El mandarín estándar tiene cuatro tonos; cada sílaba debe llevar un tono. El tono determina el significado de la palabra; un tono incorrecto puede causar malentendidos. El mismo pinyin en tonos differentes puede representar palabras distintas.

El primer tono es un tono alto y llano, estable. El segundo tono es ascendente, la voz sube de medio a alto. El tercer tono es descendente-ascendente, baja primero y luego sube. El cuarto tono es descendente, la voz desciende rápidamente de alto a bajo.

Al marcar tonos en pinyin, cada sílaba solo lleva un signo de tono. Cuando las vocales a, o, e están presentes, se da prioridad a marcar el tono en esas vocales. Si no hay a, o, e, se marca conforme a las reglas del pinyin en i o u. Marcar correctamente los tonos ayuda a una expresión y comprensión claras.

En mandarín, el énfasis de las palabras suele recaer en la sílaba principal de la palabra. Las palabras de dos sílabas suelen acentuarse en la primera sílaba, manteniendo claros los tonos. El énfasis resalta la información, ayudando al oyente a identificar palabras clave. En un grupo de palabras coordinadas, cada palabra mantiene su propio énfasis claramente.

El mandarín tiene tono ligero, que significa que la sílaba se acorta y se hace más débil, ya no mantiene los cuatro tonos por completo. El tono ligero a menudo aparece al final de la palabra o en componentes adjuntos. El tono ligero hace que las oraciones suenen más naturales y fluidas, pero no cambia la estructura básica de la palabra. Al marcarlo, normalmente no se escribe el tono; se representa directamente con pinyin.

El tono de las oraciones declarativas es generalmente estable o ligeramente descendente, expresando información completa. Las oraciones interrogativas generales suelen elevar el tono al final para invitar a la respuesta. Las preguntas de elección elevan el tono en la parte de opciones y al final la oración puede terminar plana o ligeramente descendente. La entonación se acompaña del tono para transmitir la actitud e intención.

En una oración, la información más importante suele destacarse con el énfasis. El hablante puede cambiar la posición del énfasis según el contexto para cambiar el foco de la oración. El foco de información no equivale a un cambio de tono, sino a un aumento localizado de la altura y la intensidad. Elegir correctamente el foco ayuda a expresar la intención de forma clara.

Los tonos son la principal pista para distinguir significados; la comprensión auditiva depende de tonos precisos. El énfasis ayuda a identificar la estructura de la oración y los puntos de información. El tono ligero y la entonación hacen la expresión más natural, pero no pueden reemplazar el tono en sí. En la comunicación real, una pronunciación con tonos claros y un énfasis adecuado aumentan la inteligibilidad.

Las preguntas con entonación ascendente al final suelen ser más amables y esperan respuesta. Las solicitudes y sugerencias con tono estable suelen ser más corteses. Un descenso excesivo puede sonar áspero, especialmente al hacer una petición. La entonación, junto con el contenido, transmite actitud.

En el habla cotidiana, las sílabas se enlazan de forma natural, pero cada tono debe mantenerse. El tono ligero y la lectura débil facilitan el enlace entre sílabas, haciendo la oración más fluida. Enlazar no es fusionar tonos, sino mantener una conexión fluida bajo los tonos. En la práctica, primero se debe asegurar que los tonos sean claros, y luego buscar naturalidad.