漢字1字は中国語の1音節を表す。中国語の音節構造は「（子音）+母音+（子音）」である。現代の中国語では英語のように多重子音はない。また母音は3重母音まである。

中国の伝統的な音声言語学である音韻学の分類では、語頭子音・ゼロ子音を声母 、母音または母音+語尾子音を韻母という。さらに、中国語は1音節の音の高低で意味を区別するトーン言語であり、この音の高低の違いを声調という。つまり、漢字音は「声母」「韻母」「声調」（略して声・韻・調）の三つの要素によって構成されると考えられた。