中国の歴史のなかでも古くから政治的に何らかの共通語が設けられていたと考えられている。春秋時代、『論語』には孔子が『詩経』や『書経』を読んだり、儀礼を行う際に「雅言」を使ったと書かれており、これは統治階層が使っていた共通語ではないかと考えられている。漢代、揚雄が方言語彙を記録した書物『方言』には、「通語」という言葉が現れている。異民族に支配された元代には「天下通語」と呼ばれる共通語があったとされる。明・清時代には官話と呼ばれる官吏たちの使う共通語があったことが知られており、明末に訪れた宣教師は官吏（マンダリン）の言語と呼んだ。明代から清初にかけては南京音を標準音とした南京官話であったと考えられており、満洲民族によって支配された清代になると徐々に首都北京の音を基準とした北京官話が有力になっていった。中華民国となり、新文化運動の時代には言文一致運動にあたる白話文運動が起こり、それまで古典に対する教養を前提とした統治階層の書き言葉である文言文を廃止し、一般民衆が話す言葉に根付いた書き言葉である白話文を使うことが提唱された。そして、1926年には国語運動が展開され、漢民族の共通語を「国語」と呼ぶことが決定され、北京語音が国音として採用された。
「普通話」という言葉を初めて使ったのは朱文熊とされる。朱文熊は1906年、『江蘇新字母』において中国語を文言・普通話・俗語の3つに分類した。
中華人民共和国成立後の1955年10月、共産党と人民政府は全国文字改革会議と現代漢語規範問題学術会議を招集し、そこで現代漢民族の共通語の名称「普通話」とその内容が確定された。これを受けて教育部は11月、「中学・小学および各級師範学校において大いに普通話を推し広めることに関する指示」を発表した。翌1956年、国務院が「普通話を推し広めることに関する指示」を頒布して、普通話の名称と内容を法律として定め、同年5月、「各省（市）教育庁（局）において普通話推広処（科）を設立することに関する通知」を発表した。1957年には教育部が「継続して普通話を推し広めることに関する指示」を発表し、1960年には中国人民解放軍総政治部が「全軍において?音字母を学び普通話を推し広めることに関する指示」を発表し、教育機関や軍隊において普通話を使うことが推奨された。その後、文化大革命により普通話政策は一旦頓挫することなるが、文化大革命終結後、再開され、1982年11月には第5期全国人民代表大会第5次会議で通った『中華人民共和国憲法』に「国家は全国で通用する普通話を推し広める」ことが規定され、普通話の公用語としての地位が確立された。
普通話の音韻体系では、22の子音と10の母音が音素として立てられている。中国語の音節構造は（子音C） + （母音M） + 母音V + （子音C/母音V） / 声調T、すなわち(C)(M)V(C/V)/T である。伝統的な中国音韻学では、先頭部分のCを声母、M以下の部分を韻母に2分し、それに声調を加えて分析している。普通話では21の声母と39の韻母が設けられており、また声調では4つの調類が設けられている。
なお中国語を表す文字は主として漢字であるが、音素を表記するためにピンイン（?音）と呼ばれるローマ字が使われる。
声母とは中国語の音節構造上、頭子音にあたるものをいう。普通話では21の声母が設けられている。この他に頭子音として半母音の[w, j, ?]が存在し、wとyで表記されるが、伝統的にこれらは韻母に分類される。ただし、小学校のピンイン教育では便宜上、wとyを準声母と見なし、声母を23とすることがある。
調音方法＼調音位置両唇音唇歯音歯茎音そり舌音歯茎硬口蓋音軟口蓋音
破裂音
(無声)無気音b [p]d [t]g [k]
有気音p [p?]t [t?]k [k?]
破擦音
(無声)無気音z [?]zh [??]j [?] ?
有気音c [??]ch [???]q [??] ?
摩擦音 (無声)f [f]s [s]sh [?]x [?] ?h [x]
鼻音 (有声)m [m]n [n]
側面音 (有声)l [l]
接近音 (有声)r [?] ?
? r を有声そり舌摩擦音 [?] と分析することもあるが、無声・有声の対立が他に無いこと、および実際の発音で摩擦が必須ではないことから、そり舌接近音 [?] と見なすのが適切である。
? j, q, x ([?, ??, ?]) の三者は独立の音素ではなく、z, c, s ([?, ??, s])、zh, ch, sh ([??, ???, ?])、g, k, h ([k, k?, x]) のいずれかの三者の異音と見なされる。一般には、g, k, h の異音と見なすのが好まれる。この組が b, p, f および d, t, l の各組と並列になるためである。普通話の点字はそのようになっており、ピンインの j, q, x の点字はそれぞれ g, k, h の点字と同じである。
韻母とは、中国語の音節構造上、頭子音を除いた残りの部分をいう。介音、主母音、尾音からなる。介音は半母音の /-i-/, /-u-/, /-y-/ のいずれか、尾音は半母音の /-i/, /-u/ および鼻音の /-n/, /-?/ のいずれかである。