Pinyin ist die romanisierte Version vom Chinesischen, die auf dessen Aussprache beruht. Sie entsteht als eine andere Weise, den Studenten aus dem Westen Chinesisch beizubringen, indem man die chinesischen Schriftzeichen im lateinischen Alphabet buchstabiert. Die chinesische Regierung hat sie offiziell in den 1950er anerkannt und später wurde sie in Grundschulen angewendet, um den Lernprozess zu erleichtern und die Aussprache zu vereinheitlichen.  

Um die komplexe Phonologie des Hochchinesischen darzustellen, benutzt Pinyin alle Buchstaben des lateinischen Alphabets, außer dem Buchstaben "v”; es fügt vier Digrafen hinzu –  "sh”, "ch”, "zh” und "ng" –  plus dem U-Umlaut: "ü". Außerdem werden vier diakritische Zeichen für die Vokale angewendet - "ō, ó, ǒ, ò". Sie geben die vier verschiedenen Töne in der chinesischen Sprache an. Diese Töne können auch mit Nummern – "1, 2, 3, 4" – angegeben werden, aber das kommt eher selten vor. Das Pinyin-System bestimmt auch die Richtlinien für die Anwendung von Großbuchstaben und für die Worttrennung.

Jedes einzelne chinesische Schriftzeichen stellt eine einzige Silbe dar, z.B., "Ich bin Spanier" wird mit sechs Zeichen geschrieben, also mit sechs Silben: "wǒ shì xī bān yá rén" oder "wo3 shi4 xi1 ban1 ya2 ren2". Außerdem werden häufig Pinyin-Silben eines gleichen Wortes zusammen geschrieben: "wǒ shì xībānyá rén".

Die Mandarin-Silbe besteht aus zwei Teilen: einem Anlaut (Blau im Beispiel markiert) und einem Auslaut (in Rot). Grün gibt die Tonplatzierung an. Wie wir in zukünftigen Lektionen sehen werden, hat Hochchinesisch vier Töne plus einem neutralen Ton, der nicht transkribiert wird. 

Die erste Tabelle gibt die Anlaute an, die zweite zeigt, wie die Vokale aussehen, und in der dritten sehen wir, wie einige Auslaute anders gelesen werden.