Японские гласные никогда не теряют свой тембр, то есть не превращаются в другие или неопределенные звуки. Почти в любой позиции они произносятся очень отчетливо. Правда, гласные I и U в позиции между глухими согласными или после глухой согласной в конце слова часто произносятся без голоса: симасита ‘сделал’ звучит практически как симасьта, а симасу ‘делаю’ как симас. Однако при счете слогов (например, в стихосложении) слоги с такими обезглашенными гласными все равно воспринимаются носителями языка как полноценные слоги: в слове сита (произносится сьта) японец явственно слышит два слога, а не один.

Что касается согласных, то японские твердые K, G, T, D, P, B, S, M, N практически не отличаются от соответствующих звуков русского языка. Имеется звук TS (ц), встречающийся только в слоге цу, и его звонкое соответствие Z (дз, произносится слитно, как один звук, а не два). Звук H (х) отличается как от английского «h» в слове «hall», так и от русского «х» в слове «холод», но все же довольно близок к последнему. Звук F (ф), встречающийся только в слоге фу, сильно отличается от русского «ф» и напоминает скорее английское или немецкое «h», произнесенное с округлением губ. Звук R (р) весьма своеобразен и одинаково похож (точнее, одинаково не похож) как на русское «р», так и на русское «л». Звук Y (встречающийся только в слогах я, ю, ё) практически не отличается от русского й, а вот звук W (встречающийся только в слоге ва), хотя и передается в русской транскрипции буквой в, совсем не похож на русское «в» и скорее отдаленно напоминает английское «w» (не «v»!).

Следует иметь в виду, что фонемы G и Z реализуются разными звуками в зависимости от позиции в слове. G в начале слова звучит как привычное русскому слуху [g], а в середине слова, за немногочисленными исключениями, как [ђ] (носовое «г», которого в русском языке нет). Поэтому такое слово, как Нагасаки, в реальном японском произношении воспринимается русскими как что-то вроде Нангасаки или даже Нанасаки. В латинской и русской практических транскрипциях различие между этими вариантами фонемы G никак не отмечается. Z в начале слова и после N звучит как [dz], в середине слова обычно как [z] (русское «з»). В транскрипциях это различие также не отмечается; при этом латинская транскрипция в любой позиции передает эту фонему как Z (не DZ), а русская как дз (не з). Вот почему название одного из направлений буддизма закрепилось в языках с латинским алфавитом в форме Zen (хотя реальное произношение точнее передается русским «дзэн»), а слово kamikaze по-русски пишут «камикадзэ» (хотя фонетически вернее было бы «камиказэ»).

Все японские твердые согласные имеют мягкие (палатализованные) соответствия (в пару «твердый—мягкий» не входят только Y и W). Перед гласным E (э) встречаются только твердые согласные, перед гласным I (и) — только мягкие, перед остальными тремя гласными возможны как твердые, так и мягкие. Слоги KI, GI, PI, BI, MI, NI, а также RI (если отвлечься от своеобразия японского R) по акустическому впечатлению мало отличаются от соответствующих русских слогов; то же самое можно сказать и о таких слогах, как KYA (кя), KYU (кю), KYO (кё) (ср. русское «ткёт»), PYA (пя) (ср. русское «пять»), BYA (бя) (ср. «тебя») и всех прочих, в которых мягкие к, г, п, б, м, н, р сочетаются с а, у, о. Согласный в слогах HI (хи), HYA (хя), HYU (хю), HYO (хё) более шумен, чем русское мягкое «х» в слове «химия», и в произношении многих японцев трудно отличим от SH.

Мягкие соответствия звуков S, Z, T, D совершенно своеобразны: они имеют заметный шипящий оттенок. Неудивительно поэтому, что в наиболее употребительной системе латинской практической транскрипции для японского языка эти фонемы обозначаются как SH, CH, J (последняя фонема служит мягким соответствием одновременно и для Z, и для D), исходя из звуковых значений данных символов в английском языке («ш», «ч», «дж»). В русской же транскрипции принято записывать слоги SHI, CHI, JI как си, ти, дзи, а сочетания этих согласных с другими гласными — как ся, сю, сё, тя, тю, тё, дзя, дзю, дзё. Такие японские слова, как названия фирм «Тошиба» и «Хитачи», пришли к нам через английский язык (Toshiba, Hitachi), отсюда их написание с буквами «ш» и «ч»; в соответствии с общепринятыми в среде российских японистов правилами полагалось бы писать Тосиба, Хитати. Если же кто-то спросит, какой звук на самом деле произносится в таком японском слове, как название блюда SUSHI (по-русски суси), — «ш» или «сь», то правильный ответ будет таков: ни тот, ни другой. То, что здесь произносят, располагается где-то на полпути между русским «сь» и английским (довольно мягким) «sh», от русского же твердого «ш» стоит и вовсе далеко.

Большинство японских согласных могут быть не только краткими, но и долгими: буси (что значит ‘воин’) — бусси (‘товар’), ото (‘звук’) — отто (‘муж’), ама (‘лен’) — амма (‘массаж’).

Во второй половине ХХ в. в японском языке появилось много слов европейского происхождения, что привело к определенной перестройке системы фонем японского языка, к расширению ее возможностей. Так, в современных заимствованиях звуки TS и F встречаются не только перед U, а W не только перед A, но и перед другими гласными (TSA: из русского «царь», FAN из английского «fan», WISUKI: из «whiskey»); появились такие невозможные прежде слоги, как TI и DI (отличающиеся от CHI и JI), TYU (не совпадающее с CHU), FYU и т.п.; долгие соответствия появились у таких согласных звуков, которые раньше их не имели, например у звонких: BB, DD и т.п. Тем не менее и в наши дни многие распространенные в европейских языках фонологические противопоставления остаются совершенно чуждыми японскому слуху. Японцы одинаково передают средствами своего языка европейские «r» и «l» (Рома — Рим, Рондон — Лондон), «b» и «v» (Бон — Бонн, Бэнэтиа — Венеция), и различение этих звуков представляет для них большую трудность при изучении иностранных языков. Произнесенное японцем слово JINA может передавать как имя Зина, так и имя Дина или Джина.

Слог в японском языке всегда открытый, т.е. не завершается согласным звуком: существуют только слоги типа «то», но не «тот» и не «ток». Непосредственное соседство разных согласных не допускается — слова, подобные русским «сто», «страсть», «всплеск», фонетически невозможны. Правда, как видно хотя бы из японских географических названий Нихон (т.е. Япония), Канда или Намба, одна согласная фонема, казалось бы, все же может завершать собою слог — это носовой сонант, который в зависимости от последующего звука реализуется то как [n], то как [m], то как [ђ], то как удлинение предшествующего гласного, сопровождаемое его назализацией (в японском языке все эти довольно разные звуки следует считать вариантами одной фонемы; на письме они обозначаются одним и тем же знаком). Однако японское языковое сознание склонно рассматривать эту фонему не как финальный элемент закрытого слога, а как отдельный слог. Таким образом, в слове синкансэн («новая магистраль», название сети скоростных железных дорог) японец насчитает не три слога, а шесть: си-н-ка-н-сэ-н. Это особенно заметно при счете слогов в стихах и при пении: последовательность звуков типа кан в песнях почти всегда распределяется на две ноты и поется каа—ннн (тогда как русский пропел бы каа—аан).

Заимствуя слова из других языков, японский язык добавляет к каждому согласному звуку, не сопровождающемуся последующим гласным, звук U (после мягких часто I, после T и D — O). Таким образом, Санкт-Петербург в японской передаче выглядит как Санкуто-Пэтэрубуругу, Москва как Мосукува; первое U в этом слове оглушается, так что реальное произношение приближается к Москува, но слово все равно ощущается как четырехсложное. Иногда в результате подобной адаптации слова делаются крайне трудноузнаваемыми: например, в японском торио не сразу узнаешь общеевропейское «трио».

Ударение в японском языке не силовое, как в русском, а тоническое (музыкальное). Все слоги произносятся примерно с одинаковой силой; слово кимоно звучит не кимоно и не кимоно (полужирный шрифт символизирует здесь русское силовое ударение), а ки-мо-но. Однако некоторые слоги произносятся более высоким тоном, другие — более низким. В слове кимоно первый слог низкий, второй и третий высокие. В некоторых случаях тон является единственным признаком, позволяющим различать слова: каки означает «хурма», каки — «устрица» (полужирным шрифтом выделен высокий тон). )