Podczas nauki wymowy należy zwrócić szczególną uwagę na tony (tzw. akcenty). Jedynie sylaba wraz z tonem może tworzyć znaczącą jednostkę w języku. Standardowy język chiński posiada cztery podstawowe tony:

1. Ton pierwszy (równy) – wymawiany wysoko, równo, przypomina śpiew.
2. Ton drugi (wznoszący) – przypomina zadawanie pytania (np. Co?).
3. Ton trzeci (falujący) – głos opada, by za chwilę wspiąć się w górę.
4. Ton czwarty (opadający) – głos opada krótko, jak rozkaz.

Tony zaznacza się nad sylabami za pomocą czterech znaków diakrytycznych:
„–” dla tonu pierwszego, np. bō
„ˊ” dla tonu drugiego, np. lán
„ ˇ ” dla tonu trzeciego, np. gǎn
„ˋ” dla tonu czwartego, np. kuài

Należy uważać w wymowie tonów, bo każda sylaba, wymówiona w innym tonie zmienia swoje znaczenie. Nieumiejętne wymawianie tonów może prowadzić do nieporozumień.

mā (妈) mama
má (麻) konopie
mǎ (马) koń
mà (骂) przeklinać