fonología japonesa

• [t, d, n] se describen de diversas maneras como laminoalveolares ( [t̻, d̻, n̻] ), ^{[ 24 ]} apicoalveolares ( [t̺, d̺, n̺] ) o apicodentales ( [ t̪̺, d̪̺, n̪̺] ), ^{[ 25 ] [ 26 ]} o simplemente dentales ^{[ 27 ]} o dentoalveolares . ^{[ 28 ] [ 29 ]}
• [ts, s, dz~z] son ​​lamino-alveolares [t̻s̻, s̻, d̻z̻~z̻] . ^{[ 30 ] [ 31 ]}
• [tɕ, ɕ, dʑ~ʑ] son ​​lamino( dorso )-alveolopalatales [t̠ɕ, ɕ, d̠ʑ~ʑ] . Las africadas a veces se transcriben ampliamente como [cɕ, ɟʑ] ^{[ 32 ]} (que representa prepalatal [c̟ɕ, ɟ̟ʑ] ). ^{[ 33 ]} El alófono palatalizado de /n/ antes de /i/ o /j/ también es lamino-alveolopalatal ^{[ 34 ]} o prepalatal, y por lo tanto puede transcribirse como [ɲ̟] , ^{[ 13 ]} o más ampliamente como [ ɲ ] . ^{[ 34 ]} Recasens (2013) informa su lugar de articulación como dentoalveolar o alveolar. ^{[ 35 ]}
• Tradicionalmente, /w/ se describe como una aproximante velar [ɰ] o una aproximante velar labializada [w] o algo intermedio entre ambas, o como el equivalente semivocálico de /u/ con poco o ningún redondeo, mientras que un estudio de resonancia magnética en tiempo real de 2020 encontró que se describe mejor como una aproximante bilabial [β̞] ya que hay menos constricción velar en la consonante /w/ que en la vocal /u/ (las vocales deberían tener menos constricción que las consonantes). ^{[ 36 ]}
• /h/ es [ ç ] antes de /i/ y /j/ (escuchar^ⓘ ), y[ɸ]antes de/u/(escuchar^ⓘ ), ^{[ 13 ]} coarticulada con la compresión labial de esa vocal. Cuando no va precedida de una pausa, a menudo puede ser sorda[ɦ]en lugar de sorda[h]. ^{[ 37 ]}
• La realización del fonema líquido /r/ varía mucho según el entorno y el dialecto. La pronunciación prototípica y más común es una vibrante simple apical , ya sea alveolar [ ɾ ] o postalveolar [ ɾ̠ ] . ^{[ 38 ] [ 39 ] [ 13 ]} Al inicio de la emisión y después de /N/ , la vibrante simple se articula típicamente de tal manera que la punta de la lengua está al principio momentáneamente en ligero contacto con la cresta alveolar antes de ser liberada rápidamente por el flujo de aire. ^{[ 40 ] [ 39 ]} Este sonido se describe de diversas maneras como una vibrante simple, una "variante de [ ɾ ] ", "una especie de oclusiva débil", ^{[ 40 ]} y "una africada con fricción corta, [d̠ɹ̝̆] ". ^{[ 13 ]} La aproximante lateral alveolar apical o postalveolar [ l ] es una variante común en todas las condiciones, ^{[ 13 ]} particularmente al inicio de la enunciación ^{[ 40 ]} y antes de /i, j/ . ^{[ 38 ]} Según Akamatsu (1997) , al inicio de la enunciación y entre vocales (es decir, excepto después de /N/ ), la variante lateral se describe mejor como una vibrante simple [ ɺ ] en lugar de una aproximante. ^{[ 40 ] [ 41 ]} La aproximante lateral retrofleja [ ɭ ] también se encuentra antes de /i, j/ . ^{[ 38 ]} En el dialecto Shitamachi de Tokio, la vibrante alveolar [ r ] es una variante marcada con vulgaridad. ^{[ 38 ]} Otras variantes reportadas incluyen la aproximante alveolar [ɹ] , ^{[ 13 ]} la oclusiva alveolar [d] , la vibrante retrofleja [ɽ] , la fricativa lateral [ɮ] , ^{[ 38 ]} y la oclusiva retrofleja [ɖ] . ^{[ 42 ]}

Al inicio de una palabra, las oclusivas sordas /p, t, k/ se aspiran ligeramente ^{[ 43 ]} , menos que las oclusivas del inglés, pero más que las del español. ^{[ 44 ]} Las /p, t, k/ en posición medial de palabra parecen no aspirarse en promedio. ^{[ 43 ]} Los estudios fonéticos de la década de 1980 observaron un efecto del acento, así como de la posición de la palabra, con un tiempo de inicio de la sonoridad más prolongado (mayor aspiración) en las sílabas acentuadas que en las no acentuadas. ^{[ 45 ]}

Un estudio de 2019 sobre hablantes adultos jóvenes encontró que después de una pausa, las /b, d, ɡ/ iniciales de palabra pueden pronunciarse como oclusivas con un tiempo de inicio de voz positivo nulo o bajo (categorizables como oclusivas sordas no aspiradas o de "retraso corto"); mientras que significativamente menos aspiradas en promedio que las /p, t, k/ iniciales de palabra , se observó cierta superposición en el tiempo de inicio de voz. ^{[ 46 ]} Una pista secundaria para la distinción entre /b, d, ɡ/ y /p, t, k/ en posición inicial de palabra es un desplazamiento de tono en la vocal siguiente: las vocales después de /p, t, k/ iniciales de palabra (pero no en medio de palabra) comienzan con un tono más alto en comparación con las vocales después de /b, d, ɡ/ , incluso cuando estas últimas están fonéticamente ensordeadas. ^{[ 47 ]} Las /b, d, ɡ/ en posición medial de palabra normalmente son completamente sonoras (o presonoras), pero pueden convertirse en no oclusivas por lenición. ^{[ 48 ]}

Los fonemas /b, d, ɡ/ tienen pronunciaciones no oclusivas debilitadas que pueden transcribirse ampliamente como fricativas sonoras [β, ð, ɣ] , aunque pueden realizarse como aproximantes sonoras [β̞, ð̞~ɹ, ɣ̞~ɰ] . ^{[ 49 ] [ 50 ]} No existe ningún contexto donde se utilicen consistentemente las pronunciaciones no oclusivas, pero ocurren con mayor frecuencia entre vocales:

Estas pronunciaciones debilitadas pueden ocurrir después de una vocal en medio de una palabra, o cuando una palabra que comienza con /b, d, ɡ/ sigue a una palabra que termina en vocal sin pausa intermedia. Maekawa (2018) encontró que, como con la pronunciación de /z/ como [dz] vs. [z] , el uso de realizaciones oclusivas vs. no oclusivas de /b, d, ɡ/ está estrechamente correlacionado con el tiempo disponible para que un hablante articule la consonante, que se ve afectado por la velocidad del habla, así como por la identidad del sonido precedente. ^{[ 51 ]} Los tres muestran una alta tasa (más del 90%) de pronunciaciones oclusivas después de /Q/ o después de una pausa; Después de /N/ , las pronunciaciones oclusivas ocurren con tasas altas (más del 80%) para /b/ y /d/ , pero con menos frecuencia para /ɡ/ , probablemente porque /ɡ/ en medio de palabra después de /N/ a menudo se pronuncia como una nasal velar [ŋ] (aunque el uso de [ŋ] aquí puede estar disminuyendo entre los hablantes más jóvenes). ^{[ 52 ]} En todos los contextos, /d/ generalmente tiene una tasa más alta de realizaciones oclusivas que /b/ y /ɡ/ . ^{[ 53 ]}

La nasal moraica ^{[ 58 ]} o nasal mora ( hiragana ⟨ん⟩ , katakana ⟨ン⟩ , romanizada como ⟨ n ⟩ o ⟨ n' ⟩ ) puede interpretarse como una consonante nasal final de sílaba. ^{[ 59 ]} Salvo ciertas excepciones marginales , se encuentra solo después de una vocal, que se nasaliza fonéticamente en este contexto . ^{[ 60 ]} Puede ir seguida de una consonante, una vocal o el final de una palabra:

Su pronunciación varía según el sonido que le sigue (incluso al cruzar un límite de palabra). ^{[ 64 ]}

• Antes de una oclusiva, africada, nasal o líquida, se pronuncia como una consonante nasal asimilada al lugar de la consonante siguiente:

• Antes de una vocal, aproximante /j, w/ o fricativa sorda [ɸ, s, ɕ, ç, h] , es una vocal nasalizada o semivocal moraica que puede transcribirse ampliamente como [ɰ̃] (su cualidad específica depende de los sonidos circundantes). ^{[ 70 ]} Esta pronunciación también puede ocurrir antes de las fricativas sonoras [z, ʑ] , ^{[ 66 ]} aunque más a menudo se pronuncian como africadas cuando van precedidas por la nasal moraica. ^{[ 72 ]}

Al final de una emisión, la nasal moraica se pronuncia como un segmento nasal con un punto de articulación variable y un grado de constricción variable. ^{[ 73 ]} Su pronunciación en esta posición se describe y transcribe tradicionalmente como uvular [ ɴ ] , ^{[ 74 ]} a veces con la salvedad de que es, o se aproxima a, velar [ ŋ ] después de vocales anteriores. ^{[ 75 ]} Algunas descripciones afirman que puede tener oclusión incompleta ^{[ 63 ]} y que potencialmente puede realizarse como una vocal nasalizada, como en posición intervocálica. ^{[ 74 ] [ 13 ]} Los estudios instrumentales de la década de 2010 mostraron que existe una variabilidad considerable en su pronunciación y que a menudo implica un cierre o constricción de los labios. ^{[ 76 ] [ 77 ] [ 78 ] [ 79 ]} Un estudio de datos de resonancia magnética en tiempo real recopilados entre 2017 y 2019 encontró que la pronunciación de la nasal moraica en posición final de la enunciación implica con mayor frecuencia el cierre del tracto vocal con una posición de la lengua que puede variar de uvular a alveolar: se asimila a la posición de la vocal precedente (por ejemplo, se observaron realizaciones uvulares solo después de las vocales posteriores /a, o/ ), pero el rango de superposición observado entre pares de vocales similares sugiere que esta asimilación no es una regla alofónica categórica, sino un proceso fonético gradual. El 5% de las muestras finales de la enunciación de la nasal moraica se realizaron como vocales nasalizadas sin cierre: en este caso, se observó una elevación apreciable de la lengua solo cuando la vocal precedente era /a/ . ^{[ 80 ]}

Hay una variedad de análisis fonémicos en competencia de la nasal moraica. Puede transcribirse con el símbolo no IPA /N/ y analizarse como una nasal "sin lugar". Algunos analistas no la clasifican como una consonante fonológica. ^{[ f ]} Alternativamente, puede analizarse como una nasal uvular /ɴ/ , ^{[ 84 ]} basándose en la descripción tradicional de su pronunciación antes de una pausa. ^{[ 85 ]} A veces se analiza como un alófono final de sílaba de la consonante nasal coronal /n/ , ^{[ 86 ] [ 87 ] [ 56 ]} pero esto requiere tratar los límites de sílaba o mora como potencialmente distintivos, porque hay un claro contraste en la pronunciación entre la nasal moraica y la /n/ no moraica antes de una vocal ^{[ 88 ]} o antes de /j/ :

Alternativamente, en un análisis que trata la silabificación como distintiva, la nasal moraica puede interpretarse como un archifonema ^{[ 90 ]} (una neutralización contextual de fonemas que de otro modo serían contrastantes), ya que no hay contraste en la posición final de sílaba entre /m/ y /n/ .

Así, dependiendo del análisis, una palabra como三枚, sanmai , ' tres hojas ' , pronunciada fonéticamente como [sammai] , podría transcribirse fonéticamente como /saNmai/ , /saɴmai/ o /sanmai/ .

Hay un contraste entre sonidos consonánticos cortos (o simples) y largos (o geminados ). En comparación con las consonantes simples, las consonantes geminadas tienen una mayor duración fonética (realizada para las oclusivas y africadas en forma de una fase de retención más larga antes de la liberación de la consonante, y para las fricativas en forma de un período de fricción más largo). ^{[ 91 ]} Una geminada puede analizarse fonológicamente como una consonante final de sílaba seguida de una consonante inicial de sílaba (aunque el límite silábico hipotético no es evidente a nivel fonético) ^{[ 92 ]} y puede transcribirse fonéticamente como dos ocurrencias del mismo fonema consonántico en secuencia: una oclusiva o africada geminada se pronuncia con una sola liberación, por lo que la primera parte de dicha geminada puede transcribirse como una oclusiva no liberada . ^{[ 93 ]} Como se mencionó anteriormente, las consonantes nasales geminadas se analizan normalmente como secuencias de una nasal moraica seguida de una nasal no moraica, por ejemplo, [mm] , [nn] = /Nm/ , /Nn/ . ^{[ 15 ]} En el caso de las consonantes no nasales, la geminación está mayormente restringida por la fonotáctica japonesa a las oclusivas sordas /ptks/ y sus alófonos. (Sin embargo, otros fonemas consonánticos pueden aparecer como geminados en contextos especiales, como en los préstamos lingüísticos).

Las consonantes geminadas también pueden transcribirse fonéticamente con una marca de longitud, como en [ipːai] , pero esta notación oculta los límites de la mora. Vance (2008) utiliza el marcador de longitud para marcar una nasal moraica, como [sɑ̃mːbɑi] , basándose en el hecho de que una consonante moraica por sí sola tiene el mismo peso prosódico que una secuencia consonante-vocal: en consecuencia, Vance transcribe las geminadas japonesas con dos marcadores de longitud, p. ej. [sɑ̃mːːɑi] , [ipːːɑi] , y se refiere a ellas como consonantes "extralargas", basándose en que no hay un límite acústico entre las dos mitades de una geminada. ^{[ 94 ]} En las siguientes transcripciones, las geminadas se transcribirán fonéticamente como dos ocurrencias de la misma consonante a través de un límite silábico, siendo la primera no liberada.

Un análisis fonémico común trata todas las oclusivas geminadas como secuencias que comienzan con la misma consonante: una "oclusiva mora", ^{[ 95 ] [ 96 ]} llamada sokuon (促音) en japonés, ^{[ 96 ]} que puede transcribirse fonémicamente con el carácter no IPA /Q/ . ^{[ 95 ] [ 96 ]} Según este análisis, [ak̚ka] , [issai] , [sat̚tɕi] son ​​fonémicamente /aQka/ , /iQsai/ , /saQti/ . Este análisis parece estar respaldado por la intuición de los hablantes nativos ^{[ 97 ]} y coincide con el uso en la ortografía kana de un solo símbolo, una versión pequeña del signo tsu ( hiragana ⟨っ⟩ , katakana ⟨ッ⟩ ) para escribir la primera mitad de cualquier oclusiva geminada. ^{[ 98 ]} Algunos análisis tratan /Q/ como una consonante subyacentemente sin posición. ^{[ 98 ]}

Otro enfoque prescinde de /Q/ y trata las consonantes geminadas como fonemas consonánticos dobles, es decir, como secuencias que consisten en un fonema consonántico seguido de sí mismo. ^{[ 99 ] [ 56 ]} Según este análisis, [ak̚ka] , [issai] , [sat̚tɕi] son ​​fonémicamente /akka/ , /issai/ , /satti/ . Alternativamente, dado que el contraste entre diferentes consonantes oclusivas como /k/ , /s/ , /t/ se neutraliza en posición final de sílaba, la primera mitad de una oclusiva geminada puede interpretarse como un archifonema (así como la nasal moraica puede interpretarse como un archifonema que representa la neutralización del contraste entre las consonantes nasales /m/ , /n/ en posición final de sílaba).

Se ha sugerido que la representación fonémica subyacente del sokuon podría ser una oclusiva glotal /ʔ/ . El sonido [ʔ] se usa en ciertas formas marginales que pueden interpretarse como que contienen /Q/ no seguido de otra oclusiva. Por ejemplo, [ʔ] puede encontrarse al final de una exclamación , o antes de una sonorante en formas con geminación enfática , y ⟨っ⟩ se usa como una representación escrita de [ʔ] en estos contextos. Esto sugiere que los hablantes de japonés identifican [ʔ] como la forma predeterminada de /Q/ , o la forma que toma cuando no es posible que comparta su lugar y modo de articulación con una oclusiva siguiente. ^{[ 100 ]} Según este análisis, [ak̚ka] , [issai] , [sat̚tɕi] son ​​fonémicamente /aʔka/ , /iʔsai/ , /saʔti/ .

Aunque se pueda analizar fonémicamente como /ʔ/ , el sokuon no siempre es fonéticamente glotal. ^{[ 100 ]} Un estudio de Fujimoto, Maekawa y Funatsu (2010) utilizó un sistema de grabación de vídeo y no observó constricción glotal durante la pronunciación de consonantes geminadas japonesas. ^{[ 101 ]} Estos resultados entran en conflicto con las descripciones impresionistas de algunos autores, como Hattori (1984 :139) , que atribuye tensión glotal a la primera mitad de las consonantes geminadas. ^{[ 101 ]} Un estudio acústico de Idemaru y Guion (2008) informó de cierta evidencia de que la voz crepitante es más frecuente para las vocales que siguen a las consonantes geminadas en japonés (aunque solo una de las tres medidas de crepitancia mostró una diferencia significativa). ^{[ 101 ]} Kawahara (2015 :54) concluye que el papel de la tensión glotal en las geminadas japonesas requiere más investigación.

Las secuencias [ti, di] se encuentran exclusivamente en préstamos recientes; se les ha asignado la nueva ortografía kanaテ ィ, デ ィ. (Los préstamos tomados antes de que [ti] fuera ampliamente tolerado generalmente reemplazaban esta secuencia conチ[tɕi] o (más raramente)テ[te] , ^{[ 132 ]} y ciertas formas que exhiben estos reemplazos continúan usándose; asimismo,ジ[(d)ʑi] oデ[de] se pueden encontrar en lugar de [di] en algunas formas, comoラジオ, rajio , ' radio ' yデジタル, dejitaru , ' digital ' . ^{[ 133 ]} ) Basándose en un estudio de frecuencia de tipo en un léxico y frecuencia de token en un corpus hablado, Hall (2013) concluye que [t] y [tɕ] se han vuelto casi tan contrastivos antes de /i/ como lo son antes de /a/ . ^{[ 134 ]} Algunos analistas sostienen que el uso de [ti, di] en préstamos muestra que el cambio de /ti/ a [tɕi] es una regla inactiva, 'fosilizada', y concluyen que [tɕi] ahora debe analizarse como que contiene un fonema africado distinto de /t/ ; otros sostienen que la pronunciación de /ti/ como [tɕi] continúa siendo una regla activa de la fonología japonesa, pero que esta regla está restringida para aplicarse a palabras pertenecientes al estrato extranjero. ^{[ 135 ]}

A diferencia de [ti, di] , las secuencias *[si, zi] no están establecidas ni siquiera en préstamos. El inglés /s/ todavía se adapta normalmente como [ɕ] antes de /i/ ^{[ 136 ]} (es decir, con katakanaシ, shi ). Un ejemplo esシネマ, shinema [ɕinema] de cinema . ^{[ 137 ]} Del mismo modo, el inglés /z/ se adapta normalmente como [(d)ʑ] antes de /i/ (es decir, con katakanaジ, ji ). Pronunciar préstamos con [si] ^{[ 138 ]} o [zi] es raro incluso entre los hablantes más innovadores, pero no está completamente ausente. ^{[ 139 ]} Para transcribir [si] , en contraposición a [ɕi] , es posible usar la nueva ortografía kanaスィ( su + i pequeña ) ^{[ 136 ]} (aunque esto también se ha usado para transcribir el original [sw] antes de /i/ en formas comoスィッチ, ' switch ' [sɯittɕi] , ^{[ 140 ]} como alternativa a las ortografíasスイッチ, suitchi oスウィッチ, suwitchi ). El uso deスィy su contraparte sonoraズィfue mencionado, pero no recomendado oficialmente, por una directiva del gabinete de 1991 sobre el uso de kana para escribir palabras extranjeras. ^{[ 141 ] [ 142 ]} Nogita (2016) argumenta que la diferencia entre [ɕi] y [si] puede ser marginalmente contrastiva para algunos hablantes, ^{[ 126 ]} mientras que Labrune (2012) niega que *[si, zi] se distingan alguna vez en pronunciación de [ɕi, (d)ʑi] en formas adaptadas, independientemente de si las grafíasスィyズィse usan en la escritura. ^{[ 143 ]}

La secuencia [tsi] (a diferencia de [tɕi] o [ti] ) también tiene cierto uso marginal en préstamos lingüísticos. ^{[ 144 ]} Un ejemplo esエリツィン, Eritsin , ' Yeltsin ' . ^{[ 110 ]} En muchos casos existe una adaptación variante con [tɕi] . ^{[ 144 ]}

Aparte de los argumentos basados ​​en la fonología de los préstamos, también hay desacuerdo sobre el análisis fonémico de las formas nativas japonesas. Algunos verbos pueden analizarse como si tuvieran una raíz subyacente que termina en /t/ o /s/ ; estos se convierten en [tɕ] o [ɕ] respectivamente antes de sufijos flexivos que comienzan con [i] :

Además, Shibatani (1990) señala que en el habla informal, /se/ o /te/ en las formas verbales pueden fusionarse con un /ba/ siguiente (que marca el condicional), formando [ɕaː] y [tɕaː] respectivamente, como en [kaɕaː] para /kaseba/ 'si (yo) presto' y [katɕaː] para /kateba/ 'si (yo) gano'. ^{[ 146 ]} Por otro lado, según Vance (1987) , [tj, sj] (más estrictamente, [tj̥, sj̥] ) puede aparecer en lugar de [tɕ, ɕ] para algunos hablantes en formas de habla contraídas, como [tjɯː] para /tojuː/ 'decir', ^{[ 147 ]} [matja(ː)] para /mateba/ 'si uno espera', y [hanasja(ː)] para /hanaseba/ 'si uno habla'; Vance señala que estas podrían descartarse como variantes de habla rápida no fonémicas. ^{[ 148 ]}

Hattori (1950) argumenta que las alternancias en las formas verbales no prueban que [tɕ] sea fonémicamente /t/ , citando kawanai (con /w/ ) frente a kai , kau , kae , etc. como evidencia de que una consonante final de raíz no siempre se mantiene sin cambio fonémico a lo largo de las formas conjugadas de un verbo, y /joɴdewa/ ~ /joɴzja/ '(no debe) leer' como evidencia de que la palatalización producida por la coalescencia vocálica puede resultar en alternancia entre diferentes fonemas consonánticos. ^{[ 149 ]}

Hay varias alternativas a la interpretación de [tɕ ɕ (d)ʑ] como alófonos de /t s z/ antes de /i/ o /j/ .

Algunas interpretaciones coinciden con el análisis de [ɕ] como alófono de /s/ y [(d)ʑ] como alófono de /z/ (o /dz/ ), pero tratan [tɕ] como el alófono palatalizado de un fonema africado coronal sordo ^{[ 13 ]} / ts / (para aclarar que se analiza como un solo fonema, algunos lingüistas transcriben fonémicamente esta africada como /tˢ/ ^{[ 13 ]} o con el símbolo no perteneciente al AFI /c/ ). En este tipo de análisis, [tɕi, tɕa] = /tsi, tsja/ . ^{[ 13 ]}

Otras interpretaciones tratan [tɕ ɕ (d)ʑ] como fonemas propios, mientras que tratan otras consonantes palatalizadas como alófonos o grupos consonánticos. ^{[ 150 ] [ 126 ]} Se argumenta que el estatus de [tɕ ɕ (d)ʑ] como fonemas en lugar de grupos consonánticos que terminan en /j/ está respaldado por el uso estable de las secuencias [tɕe (d)ʑe ɕe] en préstamos; en contraste, /je/ es algo inestable (puede ser reemplazado variablemente por /ie/ o /e/ ^{[ 151 ]} ), y otras secuencias de consonante + /je/ como [pje] , [kje] generalmente están ausentes. ^{[ 152 ] [ 126 ]} (Además de los préstamos, [tɕe ɕe] también aparece marginalmente en el vocabulario nativo en ciertas formas exclamativas. ^{[ 153 ] [ 154 ]} )

Alternativamente, se ha sugerido que pares como [tɕi] vs. [ti] podrían analizarse como /tji/ vs. /ti/ . ^{[ 155 ]} Vance (2008) objeta análisis como /tji/ basándose en que la secuencia /ji/ está prohibida en la fonología japonesa. ^{[ 156 ]}

Al comienzo de una palabra independiente, todos los hablantes usan [ɡ] en casi todas las circunstancias. Sin embargo, las partículas posposicionales, como el marcador de sujetoが, g a , son pronunciadas con [ŋ] por hablantes nasales consistentes. ^{[ 179 ]} Además, algunas palabras pueden pronunciarse con [ŋ] incluso cuando aparecen al comienzo de una oración: ejemplos incluyen la conjunciónが, g a , ' pero ' y la palabraぐらい, g urai , ' aproximadamente ' . ^{[ 179 ] [ 180 ]}

En medio de un morfema nativo, los hablantes nasales consistentes siempre usan [ŋ] . Pero en medio de morfemas de estrato extranjero, [ɡ] puede ser usado incluso por hablantes nasales consistentes. ^{[ 181 ]} También es posible que los morfemas extranjeros se pronuncien con [ŋ] medial : hay una variabilidad considerable, pero esto puede ser más común en préstamos más antiguos (comoオルガン, oru g an , ' órgano ' , del portugués órgão ) ^{[ 181 ]} o en préstamos que contenían [ŋ] en la lengua de origen (comoイギリス, i g irisu , ' Inglaterra ' , del portugués inglês ). ^{[ 182 ]}

Al comienzo de un morfema en medio de una palabra, puede ser posible tanto [ŋ] como [ɡ] , dependiendo de la palabra. Solo [ɡ] es posible después del prefijo honoríficoお, o (como enお元気, o g enki , ' salud ' [oɡenki] ) o al comienzo de un morfema mimético reduplicado ^{[ 182 ]} (como enがらがら, gara- g ara , ' traqueteo-traqueteo ' [ɡaɾaɡaɾa] ). ^{[ 183 ]} Los hablantes nasales consistentes suelen usar [ŋ] al comienzo del segundo morfema de una palabra sino-japonesa bimorfémica, o al comienzo de un morfema que ha sufrido rendaku (es decir, uno que comienza con /k/ cuando se pronuncia como una palabra independiente). ^{[ 184 ]} En los casos en que el segundo morfema de un compuesto comienza con [ɡ] cuando se usa de forma independiente, el compuesto puede pronunciarse con [ɡ] o [ŋ] por hablantes nasales consistentes: factores como el estrato léxico del morfema pueden desempeñar un papel, pero parece difícil establecer reglas precisas que predigan qué pronunciación ocurre en este contexto, y la pronunciación de algunas palabras varía incluso entre hablantes nasales consistentes, como縞柄, shima g ara , ' patrón rayado ' [ɕimaɡaɾa~ɕimaŋaɾa] . ^{[ 185 ]}

El morfema五, go , ' cinco ' , se pronuncia con [ɡ] cuando se usa como parte de un numeral compuesto, como en [ɲi(d)ʑɯːgo]二十五, nijū-go , ' veinticinco ' (acentuado como [ɲiꜜ(d)ʑɯːgoꜜ] ), ^{[ 13 ]} aunque五potencialmente puede pronunciarse como [ŋo] cuando aparece no inicialmente en ciertos nombres propios o palabras compuestas lexicalizadas, como [tameŋoɾoː]為五郎(un nombre propio masculino), [ɕitɕiŋosaɴ]七五三(el nombre de un festival para niños de siete, cinco o tres años ), o [(d)ʑɯːŋoja]十五夜(una noche de luna llena). ^{[ 186 ]}

En resumen:

La frecuencia del ataque [ŋ] en el japonés de Tokio estaba disminuyendo a partir de 2008, y parece haber estado en declive ya en 1940. ^{[ 187 ]} Las pronunciaciones con [ŋ] son ​​generalmente menos frecuentes para los hablantes más jóvenes, ^{[ 188 ] [ 187 ] [ 175 ]} y aunque el uso de [ŋ] se prescribió tradicionalmente como una característica del japonés estándar, las pronunciaciones con [ɡ] parecen haber adquirido en la práctica un estatus más prestigioso, como lo demuestran los estudios que encuentran tasas más altas de uso de [ɡ] cuando los hablantes leen palabras de una lista. ^{[ 189 ] [ 190 ]} La frecuencia de [ŋ] también varía según la región: es rara en los dialectos del suroeste de Kansai , pero más común en los dialectos del noreste de Tohoku , con una frecuencia intermedia en los dialectos de Kanto (que incluye el dialecto de Tokio). ^{[ 191 ]}

En general, es muy probable que una vocal alta ( /i/ o /u/ ) entre dos consonantes sordas se ensordezca si la segunda consonante es una oclusiva o una africada, o si la primera es una oclusiva y la segunda es una fricativa sorda distinta de /h/ . ^{[ 239 ]}

La dessonorización de /i/ y /u/ entre consonantes sordas no se limita al habla rápida ^{[ 241 ]} y ocurre incluso en la pronunciación cuidadosa. ^{[ 242 ]} La dessonorización se inhibe si la segunda consonante es /h/ ^{[ 243 ] [ 244 ] [ 245 ]} y también (en menor medida) si la segunda consonante es una fricativa y la primera es una fricativa o africada. ^{[ 243 ]} También hay una tendencia a evitar la dessonorización de ambas vocales cuando dos sílabas consecutivas (o moras) contienen vocales altas entre consonantes sordas: ^{[ 246 ] [ 247 ] [ 241 ]} sin embargo, es posible que ambas vocales se dessonoricen en este contexto ^{[ 248 ]} (quizás especialmente en el habla rápida ^{[ 249 ]} ). Algunas descripciones más antiguas afirman que la presencia de acento tonal en una mora inhibe la ensordecimiento de su vocal, pero para los hablantes jóvenes contemporáneos, parece ser posible ensordecer las vocales acentuadas. ^{[ 250 ]}

La evitación de la ensordecimiento consecutivo puede observarse en pronunciaciones como la siguiente:

La dessonorización puede afectar a /i/ o /u/ al final de palabra . Es probable que una vocal alta al final de palabra se dessonorice cuando está precedida por una consonante sorda y seguida sin pausa (o con poca pausa) por una palabra que comienza con una consonante sorda dentro de la misma frase. ^{[ 252 ]} Una vocal alta al final de palabra también puede dessonorizarse cuando está precedida por una consonante sorda y seguida por una ' pausa ' en el límite de una frase. ^{[ 253 ]} La dessonorización entre una consonante sorda y una pausa parece ocurrir con menos consistencia general que la dessonorización entre consonantes sordas. ^{[ 254 ] [ 242 ] [ 255 ]} La /u/ final se dessonoriza frecuentemente en la cópula común al final de la oraciónです, desu y el sufijo de cortesíaます, masu . ^{[ 256 ] [ 257 ] [ 258 ] [ 259 ]} Las vocales finales de frase no se ensordecen cuando la frase lleva la entonación ascendente asociada con una oración interrogativa, ^{[ 260 ]} como en la pregunta行きます? , Ikimasu? , ' (¿Irás?) ' . ^{[ 246 ]}

Una vocal alta puede ocasionalmente ensordecerse después de una consonante sorda incluso cuando el sonido siguiente es sonoro. La ensordecimiento en este contexto parece ocurrir con más frecuencia antes de nasales o aproximantes que antes de otros sonidos consonánticos sonoros. ^{[ 238 ]} En particular, la /su/ final en desu y masu muestra una tasa de ensordecimiento relativamente alta antes de las partículas yo y wa . ^{[ 261 ]} Algunos estudios también han encontrado ejemplos raros de vocales sordas después de consonantes sonoras. ^{[ 262 ]} Per Vance 2008, las vocales altas no se ensordean junto a un segmento sonoro en una pronunciación cuidadosa. ^{[ 250 ]}

Las vocales no altas /a o e/ a veces se ensordecen, generalmente entre consonantes sordas; la ensordecimiento de estas vocales es infrecuente, opcional, varía entre hablantes y puede verse afectada por la velocidad del habla. ^{[ 263 ] [ 264 ]} En teoría, /a o/ debe ser átona, estar rodeada de consonantes sordas y seguida por la misma vocal en la siguiente mora para ensordecerse. ^{[ 237 ]} Se ha informado que la vocal menos comúnmente ensordeada es /e/ , ^{[ 265 ] [ 266 ]} aunque un estudio de 2005 de un corpus de habla espontánea encontró tasas de ensordecimiento más bajas para /a/ ; ^{[ 267 ]} no está claro qué vocal es realmente menos propensa a ensordecerse. ^{[ 268 ]}

Una llamada "vocal sorda" no necesariamente emerge como un segmento acústico discreto. En algunos casos, especialmente después de una fricativa, es probable que desaparezca por completo, sin ninguna separación identificable entre la consonante y la "vocal". ^{[ 269 ] [ 270 ]} A pesar de su ocultamiento, la "vocal" aún contribuye rítmicamente a una mora completa, ^{[ 270 ]} y aún ejerce efectos asimilatorios sobre la consonante, a saber, palatalización para /i/ y compresión labial o velarización para /u/ , de ahí las siguientes realizaciones: ^{[ 269 ] [ 271 ]}

Fonéticamente, una vocal ensordecida puede sonar similar o idéntica a una fricativa sorda: por ejemplo, la /i/ ensordecida de kitai suena como la fricativa palatal sorda [ç] . ^{[ 272 ]} A veces no hay un límite acústico claro entre el sonido de una vocal ensordecida y el sonido del fonema consonántico sordo precedente. ^{[ 273 ]} Por ejemplo, aunque la palabra /suta↓iru/ se analiza fonémicamente como comenzando con un fonema consonántico /s/ seguido de un fonema vocálico ensordecido /u/ , acústicamente puede sonar como si comenzara con una fricativa [s] que se mantiene hasta la siguiente [t] , sin un tercer sonido que se interponga entre estos dos sonidos consonánticos. ^{[ 274 ]}

Algunos analistas han propuesto que las vocales "sordas" pueden en realidad eliminarse en algunas circunstancias, ya sea a nivel fonético o en algún nivel de la fonología. ^{[ 275 ]} Sin embargo, se ha argumentado en respuesta que otros fenómenos muestran al menos la presencia subyacente de un fonema vocálico:

• Prosódicamente, la ensordecimiento vocálico no afecta el recuento de moras de una palabra. ^{[ 270 ]}
• Incluso cuando la vocal de una secuencia CV se ensordece y parece eliminarse, la pronunciación del fonema consonántico precedente muestra efectos coarticulatorios. ^{[ 276 ] [ 277 ]}
• Cuando una vocal se ensordece entre dos fricativas sordas idénticas, el resultado generalmente no se pronuncia como una sola fricativa larga. En cambio, suelen producirse dos segmentos fricativos acústicamente distintos, aunque puede ser difícil describir las características acústicas del sonido que los separa. En este contexto, las pronunciaciones alternativas que involucran una vocal sonora son más comunes que entre otros sonidos sordos. ^{[ 274 ]} El contraste en la pronunciación entre una fricativa larga (geminada) y una secuencia de dos fricativas idénticas separadas por un fonema vocálico ensordecido puede ilustrarse con pares como los siguientes:

Los hablantes de japonés generalmente ni siquiera son conscientes de la diferencia entre el par sonoro y el sordo. Por otro lado, los roles de género juegan un papel en la prolongación de la vocal final: se considera afeminado prolongar, particularmente la /u/ final como enあります, arimasu , ' hay ' .

Las sílabas "pesadas" (de dos moras de longitud) pueden adoptar cualquiera de las siguientes formas:

• (C)(j)VN (terminando en vocal corta + /N/)
• (C)(j)VQ (terminando en vocal corta + /Q/)
• (C)(j)VR (terminando en una vocal larga). Puede analizarse como un caso especial de (C)(j)VV con ambas V como el mismo fonema vocálico, ^{[ 311 ]} o como terminando en una vocal seguida de un segmento de cronema especial (escrito como R o a veces H). ^{[ 313 ]}
• (C)(j)V₁V₂, donde V₁ es diferente de V₂. A veces se denota como (C)(j)VJ.

Algunas descripciones de la fonología japonesa se refieren a una secuencia VV dentro de una sílaba como un diptongo; otras usan el término "cuasi-diptongo" para aclarar que estos se analizan como secuencias de dos fonemas vocálicos dentro de una sílaba, en lugar de como fonemas unitarios. ^{[ 314 ]} Existe desacuerdo sobre qué secuencias vocálicas no idénticas pueden ocurrir dentro de la misma sílaba. Un criterio utilizado para evaluar esta cuestión es la colocación del acento tonal: se ha argumentado que, al igual que las sílabas que terminan en vocales largas, las sílabas que terminan en diptongos no pueden llevar un acento tonal en su mora final. ^{[ 315 ]} También se ha argumentado que los diptongos, al igual que las vocales largas, normalmente no pueden pronunciarse con una oclusión glotal o rearticulación vocálica entre sus dos moras, mientras que esto puede ocurrir opcionalmente entre dos vocales que pertenecen a sílabas separadas. ^{[ 316 ]} Kubozono (2015a) argumenta que solo /ai/ , /oi/ y /ui/ pueden ser diptongos, ^{[ 317 ]} aunque algunos estudios previos han incluido otras secuencias como /ae/ , /ao/ , /oe/ , /au/ , cuando aparecen dentro de un morfema. ^{[ 318 ]} Labrune (2012) argumenta en contra de la sílaba como unidad de la fonología japonesa y, por lo tanto, concluye que ninguna secuencia vocálica debería analizarse como diptongo. ^{[ 319 ]}

En algunos contextos, una secuencia VV que podría formar un diptongo válido está separada por una ruptura silábica en un límite de morfema, como en /kuruma.iꜜdo/ 'pozo con polea' de /kuruma/ 'rueda, coche' y /iꜜdo/ 'pozo'. ^{[ 320 ]} Sin embargo, la distinción entre una secuencia vocálica heterosilábica y una vocal larga o diptongo no siempre es predecible a partir de la posición de los límites de morfema: es decir, las rupturas silábicas entre vocales no siempre corresponden a los límites de morfema (o viceversa).

Por ejemplo, algunos hablantes pueden pronunciar la palabra炎, honoo , ' llama ' con una secuencia heterosilábica /oo/ , aunque esta palabra es posiblemente monomorfémica en japonés moderno. ^{[ 321 ]} Este es un caso excepcional: en general, las secuencias heterosilábicas de dos vocales cortas idénticas se encuentran solo a través de un límite de morfema. ^{[ 321 ]} Por otro lado, no es tan raro que una secuencia heterosilábica de dos vocales no idénticas ocurra dentro de un morfema. ^{[ 321 ]}

Además, parece ser posible en algunos casos que una secuencia VV se pronuncie en una sílaba incluso a través de un límite de morfema. Por ejemplo,歯医者, haisha , ' dentista ' es morfológicamente un compuesto de歯, ha , ' diente ' y医者, isha , ' médico ' (compuesto a su vez por los morfemas医, i , ' médico ' y者, sha , ' persona ' ); a pesar del límite de morfema entre /a/ e /i/ en esta palabra, parecen pronunciarse en una sílaba como un diptongo, lo que lo convierte en un homófono con敗者, haisha , ' persona derrotada ' . ^{[ 322 ]} De igual modo, el morfema /i/ usado como sufijo para formar la forma de diccionario (o forma afirmativa no pasada) de un adjetivo i casi nunca se pronuncia como una sílaba separada; En cambio, se combina con una /i/ final de raíz precedente para formar la vocal larga [iː] , o con una /a/ , /o/ o /u/ final de raíz precedente para formar un diptongo. ^{[ 323 ]}

Las sílabas de tres o más moras, llamadas sílabas "superpesadas", son poco comunes y excepcionales (o "marcadas"); se debate hasta qué punto aparecen en las palabras japonesas. ^{[ 324 ]} Las sílabas superpesadas nunca aparecen dentro de un morfema en Yamato o sino-japonés. ^{[ 325 ]} Se pueden encontrar sílabas superpesadas aparentes en ciertas formas de Yamato derivadas morfológicamente (incluidas las formas verbales flexionadas donde se adjunta un sufijo que comienza con /t/ a una raíz que termina en -VVC-, adjetivos derivados enっぽい, -ppoi , o gentilicios derivados enっこ, -kko ), así como en muchos préstamos. ^{[ 325 ] [ 326 ]}

Según algunos relatos, ciertas formas enumeradas en la tabla anterior pueden evitarse en favor de una pronunciación diferente con una sílaba pesada ordinaria (reduciendo una vocal larga a una vocal corta o una geminada a una consonante simple). Vance (1987) sugiere que podría haber una fuerte tendencia a reducir las sílabas superpesadas a la longitud de dos moras en el habla a una velocidad conversacional normal, diciendo que tooQta a menudo es indistinguible de toQta . ^{[ 332 ]} Vance (2008) afirma nuevamente la existencia de una tendencia a acortar las sílabas superpesadas en el habla a un ritmo conversacional (específicamente, a reemplazar VRQ con VQ, VRN con VN y VNQ con VN), pero estipula que las distinciones entre通った, tootta y取った, totta ;シーン, shiin y芯, shin ; yコンテ, konte , ' script ' y紺って, kontte , ' azul marino-QUOTATIVE ' son claramente audibles en una pronunciación cuidadosa. ^{[ 333 ]} Ito y Mester niegan explícitamente que exista una tendencia general a acortar la vocal larga de formas como tootte en la mayoría de los estilos de habla. ^{[ 329 ] [ 334 ]} Ohta (1991) acepta sílabas superpesadas que terminan en /RQ/ y /JQ/ pero describe /NQ/ como difícilmente posible, afirmando que él y la mayoría de los informantes que consultó juzgaron ejemplos como /roNdoNQko/ como cuestionablemente bien formados en comparación con /roNdoNko/ . ^{[ 335 ]}

También se ha argumentado que, en algunos casos, una sílaba aparentemente muy pesada podría ser en realidad una secuencia de una sílaba ligera seguida de una sílaba pesada.

Kubozono (2015c) sostiene que las secuencias /VVN/ generalmente se silaban como /V.VN/ , citando formas en las que se coloca acento tonal en la segunda vocal, comoスペイン風邪, supeiꜜnkaze , ' Influenza española ' ,リンカーン杯, rinkaaꜜnhai. , ' Lincoln Cup ' ,グリーン車, guriiꜜnsha , ' Green Car ' (vagón de tren de primera clase) (silabado según Kubozono como su.pe.in.ka.ze, rin.ka.an.hai, gu.ri.in.sha ). ^{[ 336 ] [ 337 ]} Ito y Mester (2018) afirman que los compuestos formados a partir de palabras de esta forma a menudo exhiben una acentuación variable, citando guriꜜinsha~guriiꜜnsha , Uターン率, yuutaaꜜnritsu~yuutaꜜanritsu , ' Porcentaje de giro en U ' , yマクリーン館, makuriiꜜnkan ~ makuriꜜinkan , ' Edificio McLean ' . ^{[ 338 ]}

Ito y Mester (2015b) señalan que el criterio basado en el tono para silabificar secuencias VV sugeriría que Sendaiꜜkko se silabifica como Sen.da.ik.ko ; ^{[ 331 ]} Asimismo, Ohta (1991) informa una sugerencia de Shin'ichi Tanaka (por comunicación personal) de que la acentuación tookyooꜜkko implica la división silábica -kyo.oQ- , aunque Ohta favorece el análisis con una sílaba superpesada basado en la intuición de que esta palabra contiene una vocal larga y no una secuencia de dos vocales separadas. ^{[ 339 ]} Ito y Mester finalmente cuestionan si la colocación del acento tonal en la segunda mora realmente descarta analizar una secuencia de tres moras como una sola sílaba superpesada.

La palabra rondonkko tiene una pronunciación donde el acento tonal se coloca en /N/ : ^{[ 339 ] [ 331 ]} /roNdoNꜜQko/ . Vance (2008) interpreta /NꜜQ/ aquí como su propia sílaba, separada de la vocal precedente, mientras que afirma que también existe una pronunciación variante /roNdoꜜNQko/ , con una sílaba superpesada /doꜜNQ/ . ^{[ 295 ]} Ito y Mester consideran implausible la silabificación ron.do.nk.ko , ^{[ 331 ]} y proponen que el acento tonal, en lugar de caer siempre en la primera mora de una sílaba, puede caer en la penúltima mora cuando una sílaba es superpesada. ^{[ 340 ]} Según Kubozono (2015c) , la sílaba superpesada en toꜜotta lleva acento en su primera mora. ^{[ 341 ]}

Entre las pruebas de que se evitan las sílabas muy pesadas se incluye la adaptación de vocales largas extranjeras o diptongos a vocales cortas japonesas antes de /N/ en préstamos como los siguientes:

Inglés: fundación → Japonés :ファンデーション, romanizado :  fandēshon

Inglés: inoxidable → japonés :ステンレス, romanizado :  sutenresu

Inglés: carne en conserva → japonés :コンビーフ, romanizado :  konbīfu ^{[ 342 ]}

Hay excepciones a este acortamiento: /ai/ parece no verse nunca afectado, y /au/ , aunque a menudo se reemplaza por /a/ en este contexto, puede conservarse, como en las siguientes palabras: ^{[ 343 ]}

Inglés: sonido → japonés :サウンド, romanizado :  saundo

Inglés: montaña → japonés :マウンテン, romanizado :  maunten ^{[ 344 ]}

Algunos análisis reconocen sílabas sin vocales en contextos restringidos.

• Kawahara y Shaw (2018) sostienen que la elisión de vocales altas puede producir fricativas silábicas o africadas. ^{[ 345 ]}
• Per Vance (2008) , /N/ es silábica en las circunstancias marginales donde aparece al inicio de palabra, comoン十億, njūoku , ' varios mil millones ' ; ^{[ 346 ]} Vance también considera que /NQ/ constituye su propia sílaba en la forma excepcional rondonkko /roNdoNꜜQko/ (alternativamente analizada como que contiene una sílaba superpesada ; véase más arriba) debido a la colocación del acento tonal en /N/ . ^{[ 295 ]}

Una sílaba japonesa puede comenzar con la semivocal palatal /j/ o con una consonante seguida de /j/ . Estos ataques normalmente solo se encuentran antes de las vocales posteriores /a o u/ . ^{[ 116 ]}

Antes de /i/ , /j/ nunca ocurre. ^{[ 116 ]} Todas las consonantes se palatalizan fonéticamente antes de /i/ , pero no contrastan en esta posición con las consonantes no palatalizadas: como resultado, la palatalización en este contexto puede analizarse como alofónica. En el vocabulario japonés nativo, los fonemas oclusivos coronales (es decir, [t s d (d)z] ) no ocurren antes de /i/ , y en contextos donde un proceso morfológico como la flexión verbal colocaría un fonema oclusivo coronal antes de /i/ , el coronal se reemplaza con una sibilante alveolopalatal , lo que resulta en alternancias como [matanai] 'esperar' (negativo) vs. [matɕimasɯ] 'esperar' (cortés) o [kasanai] 'prestar' (negativo) vs. [kaɕimasɯ] 'prestar' (cortés). ^{[ 145 ]} Así, [tɕ ɕ (d)ʑ] funcionan en el vocabulario nativo como las contrapartes palatalizadas de los fonemas consonánticos coronales. Sin embargo, el análisis de las sibilantes alveolopalatales como alófonos palatalizados de las consonantes coronales se complica por los préstamos. Las secuencias [ti di] se distinguen de [tɕi (d)ʑi] en préstamos recientes (con [ti] generalmente conservado en palabras prestadas más recientemente que 1930 ^{[ 348 ]} ) y en menor medida, algunos hablantes pueden exhibir un contraste en los préstamos entre [tsi (d)zi si] y [tɕi (d)ʑi ɕi] .

Antes de /e/ , [j] se perdió en el idioma estándar actual. ^{[ n ] [ 117 ]} El uso de la mora [je] en préstamos es inconsistente: pronunciaciones adaptadas con [ie] (イエ), comoイエローカードierōkādo del inglés yellow card , ^{[ 349 ] [ 350 ]} continúan usándose incluso para préstamos recientes. En teoría, las pronunciaciones con [je] pueden representarse con la ortografíaイェ(utilizada principalmente para transcribir nombres propios), aunque no está claro que el uso de la ortografíaイェcorresponda necesariamente a cómo los hablantes realizan fonéticamente la secuencia. ^{[ 349 ]} El [je] extranjero puede adaptarse alternativamente como /e/ en algunos casos. ^{[ 151 ]} Para algunos hablantes, la coalescencia opcional y coloquial de ciertas secuencias vocálicas para formar [eː] puede producir [jeː] en formas nativas, como [hajeː] (una pronunciación variante de /hajai/ 'rápido'). ^{[ 351 ]}

Como se mencionó anteriormente , las secuencias [tɕe (d)ʑe ɕe] no aparecen en el japonés estándar, salvo en préstamos lingüísticos y algunas exclamaciones marginales. No existen alternancias morfológicas motivadas por esta omisión, ^{[ 352 ]} ya que ningún morfema tiene una forma subyacente que termine en [tɕ (d)ʑ ɕ] . En las palabras prestadas, [tɕe] se ha conservado de forma consistente en todos los periodos, con muy pocas excepciones. ^{[ o ]} Las secuencias [(d)ʑe] y [ɕe] generalmente se han conservado en palabras prestadas más recientemente que alrededor de 1950, mientras que las palabras prestadas antes de ese punto pueden mostrar despalatalización a [(d)ze] y [se] respectivamente, ^{[ 354 ]} como se ve en las formas prestadas del siglo XIXゼリー( zerī ) del inglés jelly ,ゼントルマン( zentoruman ) del inglés gentleman , ^{[ 355 ]} yセパード( sepādo ) del inglés shepherd . ^{[ 356 ]}

Las secuencias [ɸʲɯ dʲɯ tʲɯ] aparecen sólo en préstamos recientes, comoフュージョン( fyūjon ),デュエット( dyuetto ),テューバ( tyūba ) de fusión, dúo, tuba : pueden interpretarse como /fju dju. tju/ en análisis donde [tɕ] no se interpreta como /tj/ . ^{[ 357 ]}

Varias consonantes japonesas desarrollaron valores fonéticos especiales antes de la /u/ . Aunque originalmente eran alofónicas, algunas de estas variantes han alcanzado, sin duda, un estatus fonémico debido a neutralizaciones posteriores o a la introducción de nuevos contrastes en préstamos lingüísticos.

En el vocabulario básico, [ɸɯ] puede analizarse como una realización alofónica de /hu/ . ^{[ 109 ]} Sin embargo, en palabras de origen extranjero, la fricativa bilabial sorda [ɸ] puede aparecer antes de vocales distintas de /u/ . Esto introduce un contraste distintivo entre [ɸa ɸe ɸi ɸo] y [ha he çi ho] ; por lo tanto, Vance (2008) reconoce [ɸ] como un fonema consonántico distinto /f/ , e interpreta [ɸɯ] como fonémicamente /fu/ , dejando * /hu/ como un hueco. ^{[ 358 ]} En contraste, Watanabe (2009) prefiere el análisis /hu/ y argumenta que /h/ en este contexto es fonémicamente y a veces fonéticamente distinto de la /f/ [ɸ] que se encuentra en /fa fe fi fo/ extranjera ^{[ 359 ]} (lo que dejaría * /fu/ como un hueco). En cualquier caso, /h/ y /f/ no contrastan antes de /u/ .

Fuera de los préstamos, [tɯ] y [dɯ] no aparecen, porque /t d/ se africaron a [ts dz] antes de /u/ . ^{[ 360 ]}

En los dialectos que muestran neutralización del contraste [dz z] , el fonema fusionado [(d)z] puede aparecer antes de /a, e, o/ así como antes de /u/ . Por lo tanto, para estos dialectos, [(d)zɯ] puede analizarse fonémicamente como /zu/ , dejando /du/ como un hueco. ^{[ 361 ]}

En el vocabulario básico, la africada coronal sorda [ts] aparece solo antes de la vocal /u/ ; por lo tanto, [tsɯ] puede analizarse como una realización alofónica de /tu/ . ^{[ 109 ]} La flexión verbal muestra alternancias entre [t] y [ts] , como en [katanai] 'ganar' (negativo) y [katsɯ] 'ganar' (presente). ^{[ 109 ]} Sin embargo, la interpretación de [tsɯ] como /tu/ (siendo [ts] simplemente un alófono de /t/ ) se complica por la aparición de [ts] antes de vocales distintas de /u/ en préstamos. ^{[ 110 ]}

Además, los sonidos no africados [tɯ dɯ] se utilizan a veces en préstamos recientes. Se pueden representar en kana medianteトゥyドゥ, que recibieron reconocimiento oficial mediante un aviso del gabinete en 1991 como alternativa al uso de [tsɯ] [(d)zɯ] o [to] [do] para adaptar los sonidos extranjeros [tu] [du] . ^{[ 362 ]} Las formas donde se pueden encontrar [tɯ] y [dɯ] incluyen las siguientes:

Español: Hoy → [tɯdei]

Francés : toujours [tuʒuʀ] → [tɯ(d)ʑɯːɾɯ] 

Francés : douze [duz] → [dɯːzɯ] ^{[ 363 ]} 

Los préstamos más antiguos del francés muestran una adaptación de [tɯ] como [tsɯ] y de [dɯ] como [do] :

Francés : Toulouse [tuluz] → [tsɯːɾɯːzɯ] 

Francés : Pompidou [pɔ̃pidu] → [pompidoː] ^{[ 364 ]}