ドラヴィダ語族との関係を主張する説もあるが、これを認める研究者は少ない。大野晋は日本語が語彙・文法などの点でタミル語と共通点を持つとの説を唱える[注釈 15]が、比較言語学の方法上の問題から批判が多い[注釈 16]「タミル語#日本語クレオールタミル語説」および「大野晋#クレオールタミル語説」も参照

また、レプチャ語・ヘブライ語などとの同系論も過去に存在したが、これに関してはほとんど疑似科学の範疇に収まる[47]。「日ユ同祖論#ヤマト言葉とヘブライ語の類似」および「イスラエルの失われた10支族#失われた10支族の行方」も参照
音韻詳細は「日本語の音韻」を参照
音韻体系

日本語話者は普通、「いっぽん（一本）」という語を、「い・っ・ぽ・ん」の4単位と捉えている。音節ごとにまとめるならば [ip?.po?] のように2単位となるところであるが、音韻的な捉え方はこれと異なる。音声学上の単位である音節とは区別して、音韻論では「い・っ・ぽ・ん」のような単位のことをモーラ[50]（拍[51]）と称している。

日本語のモーラは、大体は仮名に即して体系化することができる。「いっぽん」と「まったく」は、音声学上は [ip?po?] [mat?tak?] であって共通する単音がないが、日本語話者は「っ」という共通のモーラを見出す。また、「ん」は、音声学上は後続の音によって [?] [m] [n] [?] などと変化するが、日本語の話者自らは同一音と認識しているので、音韻論上は1種類のモーラとなる。

日本語では、ほとんどのモーラが母音で終わっている。それゆえに日本語は開音節言語の性格が強いということができる。もっとも、特殊モーラの「っ」「ん」には母音が含まれない。

モーラの種類は、以下に示すように111程度存在する。ただし、研究者により数え方が少しずつ異なる。「が行」の音は、語中語尾では鼻音（いわゆる鼻濁音）の「.mw-parser-output .jis2004font{font-family:"源ノ角ゴシック JP Normal","源ノ角ゴシック JP","Source Han Sans Normal","Source Han Sans","NotoSansJP-DemiLight","Noto Sans CJK JP DemiLight","ヒラギノ角ゴ ProN W3","ヒラギノ角ゴ ProN","Hiragino Kaku Gothic ProN","メイリオ",Meiryo,"新ゴ Pr6N R","A-OTF 新ゴ Pr6N R","小塚ゴシック Pr6N M","IPAexゴシック","Takaoゴシック","XANO明朝U32","XANO明朝","和田研中丸ゴシック2004絵文字","和田研中丸ゴシック2004ARIB","和田研中丸ゴシック2004P4","和田研細丸ゴシック2004絵文字","和田研細丸ゴシック2004ARIB","和田研細丸ゴシック2004P4","和田研細丸ゴシックProN",YOzFont04,"IPA Pゴシック","Yu Gothic UI","Meiryo UI","ＭＳ Ｐゴシック";font-feature-settings:"jp04"1}か゚行」音となる場合があるが、「が行」と「か゚行」との違いは何ら弁別の機能を提供せず、単なる異音どうしに過ぎない。そこで、「か゚行」を除外して数える場合、モーラの数は103程度となる。これ以外に、「外来語の表記」第1表にもある「シェ」「チェ」「ツァ・ツェ・ツォ」「ティ」「ファ・フィ・フェ・フォ」その他の外来音を含める場合は、さらにまた数が変わってくる[注釈 17]。このほか、外来語の表記において用いられる「ヴァ・ヴィ・ヴ・ヴェ・ヴォ」については、バ行として発音されることが多いものの、独立した音韻として発音されることもあり、これらを含めるとさらに増えることとなる。

＼直音拗音清濁
母音あいうえお――
子音+母音かきくけこきゃきゅきょ（清音）
さしすせそしゃしゅしょ（清音）
たちつてとちゃちゅちょ（清音）
なにぬねのにゃにゅにょ――
はひふへほひゃひゅひょ（清音）
まみむめもみゃみゅみょ――
らりるれろりゃりゅりょ――
がぎぐげごぎゃぎゅぎょ（濁音）
か゚き゚く゚け゚こ゚き゚ゃき゚ゅき゚ょ（鼻濁音）
ざじずぜぞじゃじゅじょ（濁音）
だぢづでど（濁音）
ばびぶべぼびゃびゅびょ（濁音）
ぱぴぷぺぽぴゃぴゅぴょ（半濁音）
半子音+母音やゆよ――
わを――

特殊モーラん（撥音）
っ（促音）
ー（長音）

なお、五十音図は、音韻体系の説明に使われることがしばしばあるが、上記の日本語モーラ表と比べてみると、少なからず異なる部分がある。五十音図の成立は平安時代にさかのぼるものであり、現代語の音韻体系を反映するものではないことに注意が必要である（「日本語研究史」の節の「江戸時代以前」を参照）。
母音体系基本5母音の調音位置
左側を向いた人の口の中を模式的に示したもの。左へ行くほど舌が前に出、上へ行くほど口が狭まることを表す。なお、[o] のときは唇の丸めを伴う。

母音は、「あ・い・う・え・お」の文字で表される。音韻論上は、日本語の母音はこの文字で表される5個であり、音素記号では以下のように記される。

/a/, /i/, /u/, /e/, /o/

一方、音声学上は、基本の5母音は、それぞれ

[a]、[i?]、[u?]または[??]、[e?]または[??]、[o??]または[???]

に近い発音と捉えられる。? は中舌寄り、? は後寄り、? は弱めの円唇、? は強めの円唇、? は下寄り、? は上寄りを示す補助記号である。

日本語の「あ」は、国際音声記号 (IPA) では前舌母音 [a] と後舌母音 [?] の中間音 [a] に当たる。「い」は少し後寄りであり [i?] が近い。「え」は半狭母音 [e] と半広母音 [?] の中間音であり、「お」は半狭母音 [o] と半広母音 [?] の中間音である。

日本語の「う」は、東京方言では、英語などの [u] のような円唇後舌母音より、少し中舌よりで、それに伴い円唇性が弱まり、中舌母音のような張唇でも円唇でもないニュートラルな唇か、それよりほんの僅かに前に突き出した唇で発音される、半後舌微円唇狭母音である[52]。これは舌と唇の動きの連関で、前舌母音は張唇、中舌母音は平唇・ニュートラル（ただしニュートラルは、現行のIPA表記では非円唇として、張唇と同じカテゴリーに入れられている）、後舌母音は円唇となるのが自然であるという法則に適っている[53]。しかし「う」は母音融合などで見られるように、音韻上は未だに円唇後舌狭母音として機能する[54]。また、[??] という表記も行われる[要出典]。

円唇性の弱さを強調するために、[?] を使うこともあるが[55]、これは本来朝鮮語に見られる、iのような完全な張唇でありながら、u のように後舌の狭母音を表す記号であり、円唇性が減衰しつつも残存し、かつ後舌よりやや前よりである日本語の母音「う」の音声とは違いを有する。またこの種の母音は、唇と舌の連関から外れるため、母音数5以上の言語でない限り、発生するのは稀である。「う」は唇音の後ではより完全な円唇母音に近づく（発音の詳細はそれぞれの文字の項目を参照）。一方、西日本方言では「う」は東京方言よりも奥舌で、唇も丸めて発音し、[u] に近い。

音韻論上、「コーヒー」「ひいひい」など、「ー」や「あ行」の仮名で表す長音という単位が存在する（音素記号では /R/）。これは、「直前の母音を1モーラ分引く」という方法で発音される独立した特殊モーラである[56]。「鳥」（トリ）と「通り」（トーリ）のように、長音の有無により意味を弁別することも多い。ただし、音声としては「長音」という特定の音があるわけではなく、長母音 [a?] [i??] [u???] [e??] [o???] の後半部分に相当するものである。

「えい」「おう」と書かれる文字は、発音上は「ええ」「おお」と同じく長母音 [e??] [o???] として発音されることが一般的である（「けい」「こう」など、頭子音が付いた場合も同様）。すなわち、「衛星」「応答」「政党」は「エーセー」「オートー」「セートー」のように発音される。ただし、九州や四国南部・西部、紀伊半島南部などでは「えい」を [e?i] と発音する[57]。