Bunyi zh, ch, sh, r, q, x, dan ü yang asing bagi lidah Indonesia
Pinyin memakai huruf Latin, dan justru di situlah jebakannya: banyak huruf yang tampak akrab dibaca berbeda dari kebiasaan bahasa Indonesia. Huruf c dibaca seperti ts yang dihembuskan, q mendekati bunyi ch dengan ujung lidah menempel di belakang gigi bawah dan bibir melebar, dan x mendekati sy yang tipis. Kelompok zh, ch, sh, dan r diucapkan dengan ujung lidah sedikit melengkung ke arah langit-langit. Bunyi ü dibentuk dengan bibir membulat seperti hendak bersiul sementara lidah tetap di posisi i.
Kesulitannya datang dari pasangan yang mirip. Deret j, q, x berdekatan dengan zh, ch, sh, dan pasangan z dan c berdekatan dengan zh dan ch. Pembelajar Indonesia cenderung meratakan semuanya menjadi satu bunyi yang paling dekat dengan bahasa sehari-harinya, sehingga 四 (sì, empat) dan 十 (shí, sepuluh) terdengar sama di telinga pendengar. Ada pula satu aturan ejaan yang sering mengecoh: setelah j, q, x, dan y, dua titik di atas ü dihapus, jadi ju, qu, dan xu tetap dibaca dengan bibir membulat.
Latihannya dikerjakan per pasangan. Ucapkan deret zi, zhi, ji, lalu ci, chi, qi, dan si, shi, xi di depan cermin sambil memperhatikan bentuk bibir, lalu rekam dan bandingkan dengan audio tabel pinyin. Bunyi yang dihembuskan (p, t, k, c, ch, q) bisa dicek dengan selembar tisu di depan mulut: tisu bergoyang saat hembusannya cukup, dan diam untuk pasangan tanpa hembusan seperti b, d, g, z, zh, j. Bunyi sudah terpasang ketika pembelajar membaca kata pinyin baru dari kamus dan pengucapannya cocok dengan audio pada percobaan pertama.
Pinyin dilatih per pasangan bunyi yang mirip, dengan cermin, tisu, dan rekaman, sampai zi, zhi, dan ji terdengar sebagai tiga bunyi yang jelas berbeda.