Parmi les 36 sons du français, on trouve des consonnes occlusives et fricatives (p, t, k, b, d, g, f, s, ʃ, v, z, ʒ), mais aussi des consonnes nasales. Celles-ci sont prononcées en abaissant la luette afin de laisser passer l’air par le nez. Le son [m] est prononcé avec la position bilabiale (les lèvres ensemble), comme pour prononcer un [b], mais la luette n’est pas relevée. Le son [n] est un son nasal associé à [d], alors que le son [ɲ], comme dans saignant, correspond à la position buccale du son [g], à la différence que l’air traverse la cavité nasale.
Un phénomène appelé l’affrication consiste à prononcer une consonne occlusive en la faisant suivre immédiatement d’une fricative. En français québécois, on prononce les consonnes affriquées [ts] et [dz] devant i et u : tic [tsik], dit [dzi], tu, du.
Les consonnes [l] et [r] sont appelés des liquides et provoquent spontanément la vibration des cordes vocales. Le [l] est un son dit « latéral », car l’air passe par les deux côtés de la cavité buccale. Quant à la lettre r, elle peut être prononcée de plusieurs manières. Si on fait sortir puis arrêter l’air par un ou des battements très rapides avec le bout de la langue (apex) sur les alvéoles, on obtient le [r] roulé, typique de l’espagnol. Des battements avec la luette à l’arrière de la cavité buccale donneront un autre type de [R]. En français, certaines personnes grasseyent, c’est-à-dire qu’elles provoquent un serrement près de la luette pour prononcer un 3e type de [ʁ], cette fois sans roulement. Le rétrécissement crée alors un bruit de friction dans la gorge.
La voyelle [i] est prononcée avec les lèvres écartées et la langue le plus haut possible à l’avant de la bouche. Au contraire, le son ou, représenté dans l’API par le symbole [u], est une voyelle haute qui se prononce avec les lèvres arrondies et la langue dans son positionnement le plus haut à l’arrière de la bouche. Un mélange de ces deux procédés (lèvres arrondies, mais langue en avant) donnera la voyelle u, dont le symbole phonétique est [y].
En descendant la langue le plus bas possible, donc en ouvrant la bouche, on obtient un a. L’API utilise le symbole [a] pour le son qu’on entend dans passif, table, tache, et le symbole [ɑ] pour le son dans passé, tasse, tâche.
Il existe des voyelles orales de hauteur moyenne : si on prononce un son en plaçant la langue vers le milieu ou l’avant de la bouche, on peut produire le [e] de fée, le [ɛ] de faite et mettre, le [ɛː] de fête, maitre et mètre, le [ə] facultatif de chemin, le [œ] de bœuf, le [ø] de pneu; vers l’arrière de la bouche, on obtient [ɔ] dans pomme et votre, et [o] dans paume et vôtre. Les voyelles nasales du français sont le [ɑ̃] ou [ã] de enfant, le [œ̃] de brun, le [ɛ̃] de brin et le [ɔ̃] de bon.
À ces voyelles s’ajoutent trois semi-voyelles : [j] qu’on entend à la fin du mot fille, [ɥ] au milieu du mot lui et [w] dans Louis.
Quand quelqu’un diphtongue, le timbre de sa voyelle varie en cours d’émission, donc il change son point d’articulation, comme les anglophones le font dans down, fine, boy. Certains francophones diphtonguent lorsque leur prononciation d’une voyelle se fait en deux phases, par exemple dans les mots danse et pâle lorsqu’ils sont prononcés [dãus] et [pɑul], ou encore dans père lorsqu’il est prononcé [paer] ou [peir].