Die vier Vorfahren
Etwa im 7. Jahrhundert n. Chr. — zur Zeit des Reimwörterbuchs Qieyun (切韻), das 601 unter den Sui entstand und von der Tang-Dynastie zum Standard erhoben wurde — besaß das Chinesische vier Tonkategorien: Píng (平), Shǎng (上), Qù (去) und Rù (入). Der Eingehende Ton (入声) war kein Tonverlauf, sondern eine Silbenstrukturkategorie: Alle seine Silben endeten auf kurze Verschlusslaute (-p, -t oder -k).
Die Stimmhaftigkeitsspaltung — eine Regel, die alle beherrscht
Das Mittelchinesische hatte viele stimmhafte/stimmlose Anlautpaare. Als stimmhafte Anlaute in den Dialekten verschwanden, hinterließen sie eine dauerhafte Spur: Silben mit ehemals stimmhaften Anlauten entwickelten eine tiefere Tonlage, solche mit stimmlosen eine höhere. Dies ist die Yin-Yang-Spaltung (陰陽分化).
Das Ergebnis: Jeder der ursprünglichen vier Töne spaltete sich in ein Yin- (oberes) und ein Yang- (unteres) Register. Vier Töne × zwei Register = acht mögliche Tonslots.
Der kantonesische Fall: 9 Töne (oder 6+3)
Kantonesisch ist das Paradebeispiel. Sechs lebende Töne (陰平, 陽平, 陰上, 陽上, 陰去, 陽去) sind das Ergebnis der Yin-Yang-Spaltung von Píng/Shǎng/Qù — 6 Konturtöne. Kantonesisch bewahrte auch den eingehenden Ton. Die Yin-Yang-Spaltung brachte ihm zwei gecheckte Töne ein; eine spätere, nur im Yue eingetretene Spaltung des oberen — bedingt durch die Vokallänge, nicht durch den alten Anlaut — fügte einen dritten hinzu und ergab so 3 gecheckte Töne. Traditionell: 9 Töne.
Mandarin: 4 Töne, der Eingehende Ton verschwunden
Mandarin vereinfachte dramatisch. Stimmhafte Anlaute verschwanden früh und gründlich; der eingehende Ton verlor seine Verschlusslaute und seine Silben wurden fast zufällig auf die vier übrigen Töne verteilt.
Kantonesisch bewahrt die Silbenauslaute und Tonkategorien des Mittelchinesischen ungewöhnlich treu — seine neun Töne sind jedoch nicht einfach die verdoppelten vier Tang-Töne. Acht gehen auf die Yin-Yang-Spaltung zurück; der neunte ist eine spätere, nur im Yue eingetretene Entwicklung, bei der die Vokallänge den oberen eingehenden Ton (陰入) in 陰入 und 中入 aufspaltete.
Min Nan: 7 oder 8 Töne, der Eingehende Ton lebendig und verdoppelt
Das Hokkien/Taiwanische (闽南语, Min Nan) hat den Eingehenden Ton samt seinen auslautenden Verschlusslauten bewahrt (-p, -t, -k). Wie das Kantonesische wandte es die Yin-Yang-Spaltung auch auf den Eingehenden Ton an, was zwei eingehende Töne ergab (陰入 und 陽入). Die übrigen Töne durchliefen weitere Zusammenfälle und Spaltungen, sodass das Standard-Südmin auf einer Grundlage von 7 Tönen steht. Berühmt ist das Min Nan zudem für sein Sandhi-System: in natürlicher Rede ändert sich der Ton einer Silbe je nach ihrer Stellung in der Phrase, sodass Lernende zu jedem Wort sowohl den Zitierton als auch den Sandhi-Ton behalten müssen.
Hakka, Wu und das ganze Spektrum
Hakka-Dialekte (客家话) haben in der Regel 5 bis 7 Töne, und in manchen Varietäten ist der Eingehende Ton erhalten. Das Wu (吴语, einschließlich des Shanghaiischen) hat die stimmhaften Anlaute länger bewahrt als jeder andere große sinitische Zweig, sodass die Yin-Yang-Spaltung dort teilweise noch lautlich hörbar ist. Manche Wu-Dialekte zählen 7 bis 8 Töne. Sprachwissenschaftler beschreiben das Wu bisweilen als lebende Momentaufnahme dessen, wie der mittelchinesische Stimmhaftigkeitskontrast geklungen hat.
Das Kantonesische bewahrt die mittelchinesischen Silbenauslaute und Tonklassen ungewöhnlich treu, doch seine neun Töne sind nicht einfach die vier der Tang-Zeit verdoppelt. Acht stammen aus der Yin-Yang-Spaltung; der neunte ist eine spätere, yue-interne Entwicklung, bei der die Vokallänge den oberen Eingehenden Ton (陰入) in 陰入 und 中入 spaltete.