Nie jest to system ani w pełni alfabetyczny, ani w pełni sylabiczny, trudno go też jednoznacznie zaliczyć do systemów alfabetyczno-sylabicznych, klasyfikuje się go więc czasem jako system półalfabetyczny. Dzieli on sylabę chińską (podstawową jednostkę morfologiczną języka chińskiego) na spółgłoskę inicjalną (inicjal) I (np. b, zh), półsamogłoskę medialną (medial) M (i, u lub ü) oraz tzw. final F, czyli resztę sylaby (samogłoskę, dwugłoskę, samogłoskę ze spółgłoską itp. np. a, ou, eng). Dla dopełnienia sylaby obowiązkowy jest zapis tonu.
Sylaba może mieć postać F, M, MF, I, IF, IM, IMF. Niektórych dźwięków finalnych nie zapisuje się wcale – np. nie zapisuje się dźwięku zapisywanego w pinyin literą „i” po z, c, s, zh, ch, sh lub r, stąd możliwy zapis sylaby jako samego inicjalu.
W systemie rozszerzonym istnieją jeszcze znaki specjalne do zapisu większej liczby tonów oraz znaki do zapisu dźwięków obcych językowi chińskiemu mandaryńskiemu, lecz występujące w innych językach chińskich oraz w językach mniejszości narodowych, np.