元音是一般音节中不可缺少的成分，一个音节内部最多可以连续出现三个元音。辅音主要处在元音的前面，即音节的开头，只有少数辅音可以处在元音的后面，即音节的末尾。处在元音前后的辅音一般只能有一个。中国传统把一个音节分为声母、韵母和声调三部分。声母指处在音节开头的辅音。音节的开头如果没有声母，就是零声母音节。韵母指音节中声母后面的成分，可以只是一个元音，也可以是元音的组合或元音和辅音的组合。声调指整个音节的高低升降，汉语是有声调的语言，音节的高低升降具有辨义作用。汉语声调的数目比声母和韵母少得多（汉语拼音方案列出了普通话的21个声母和35个韵母），普通话只有4个声调，根据传统名称，分别称为：阴平(－)、阳平（?）、上声（ˇ）、去声（?）。汉语许多方言还有所谓轻声音节，这种音节读得短而轻，没有明显的高低升降变化。两个或两个以上音节连在一起时，音节的高低升降往往发生变化，这种现象称为连读变调。汉语各方言的连读变调现象相当复杂，各有各的特点，苏州话的连读变调就比普通话复杂得多，几乎每一个声调都存在连读变调现象，而且变调发生在后一个音节。儿化韵也是汉语语音中常见现象。当“儿”音节处于其他音节之后，往往和前面音节的韵母合并成为儿化韵。韵母儿化以后声音有时发生较大的变化，有些韵母在儿化以后变成了同音。汉语许多方言都有儿化现象，但儿化的情况和程度不尽相同。
汉语各方言虽然语音分歧虽大，但声母、韵母和声调的基本结构是一致的。方言之间的语音分歧主要表现在这三部分的数目和内容不同。例如苏州话有26个声母（不包括零声母，下同），45个韵母，7个声调；福州话有15个声母，43个韵母，7个声调；广州话有20个声母，53个韵母，9个声调；南昌话有19个声母，65个韵母，6个声调；烟台话有21个声母，37个韵母，3个声调。数目不同，内容自然不一样；数目相同，内容也不一定完全一致。各方言的声调数目一般都在3～9个之间，同一个声调在不同方言里实际读音高低升降的差别往往十分明显，成为分辨方言时很重要的标志。虽然汉语各方言的声母、韵母和声调各有特点，但相互之间存在着相当有系统的对应关系。有的对应关系很简单。但大部分对应关系都比较复杂，往往是声母、韵母和声调三方面相互制约。由于声母、韵母和声调三方面相互制约，有些对应关系形成相当错综复杂的局面，必须对两种方言的语音系统都有较全面的了解，才能进行比较，弄清它们之间的各种对应关系。错综复杂的对应关系主要存在于语音分歧较大的方言之间。就大多数汉语方言来说，是具有相当大的语音一致性的。大致说来，除长江以南沿海江苏、浙江、福建、广东、海南、台湾各省和湖南、江西一带以外，其他地区所说的汉语方言语音都比较接近，都属于所谓官话区。从长江以北向北直到中国北部边疆，向西南延伸到四川、贵州、云南、广西一带，面积达700多万平方千米，在这广大的区域内，有7亿以上说汉语的人，说的都是这种官话。如此众多的人口，可以听懂或大致听懂相互之间的方言，这在世界上是绝无仅有的。在这广大的官话区域内，北京话有其特殊重要的地位。
