Presenta un cierto grado de variación dialectal, especialmente entre el bloque oriental y occidental, pero a la vez la fonética es conservadora, sin grandes cambios históricos.
[1] Los sistemas vocálicos catalanes presentan siete u ocho sonidos diferentes dependiendo del dialecto: /a/, /e/, /ɛ/, /i/, /o/, /ɔ/, /u/ y /ə/.
En general es más habitual la e cerrada en catalán occidental (francès/francés [fɾənˈsɛs] ǁ [fɾanˈses]), y la o es menos variable.
La vocal /a/ tiene en general una posición abierta central, representada por la AFI con un diacrítico [ä] que se suele obviar en la transcripción fonética en catalán.
En cambio, en catalán noroccidental y valenciano septentrional se suele neutralizar la a átona en posición final de palabra en [ɛ] (acabava [akaˈβaβɛ] 'acababa').
Del mismo modo, en todas las hablas occidentales y en registros informales se suele pronunciar [a] las palabras empezadas por e más consonante nasal o sibilante (em-, en-, es- y eix-; entendre [anˈtendɾe] 'entender', eixam [ajˈʃam] 'enjambre'), sin embargo hay muchas excepciones donde e puede adquirir el valor de /a/ ante cualquier consonante (terròs [taˈrɔs] 'terrón', trepitjar [tɾapioˈdʒa(ɾ)] 'pisar').
Además, en algunas hablas se puede producir la neutralización /o/ → [u] cuando o se encuentra en contacto con consonantes palatales (Josep [dʒ͡uˈzɛp]), ante una sílaba tónica con una vocal cerrada (collir [kuˈʎiɾ] 'recoger/cosechar'), de una consonante labial (cobert [kuˈβɛɾt] 'cubierto') o en clíticos (mon [mun] 'mi').
[8] También hay algunos casos donde ocurre el contrario (metafonia regresiva sobre las vocales pretòniques): tovallola /tovaˈʎɔla/ → [tɔvɔˈʎɔlɔ] ('toalla'), afecta /aˈfɛkta/ → [ɛˈfɛktɛ].
En mallorquín se produce en varias palabras la armonía de la vocal /e/ final con la tónica anterior [ɔ, o]: home [ˈɔmo] ('hombre').
[10] Nota: (*) Hay partes del valenciano, como al valenciano central o apitxat, donde el diptongo decreciente [uj] no existe y se ha transformado en el diptongo creciente [wi][11] A los lugares donde todavía se pronuncia decreciente, hay que notar también la pronunciación creciente de palabras occidentales cómo (a)hui, huit o huitanta.
La elisión es el equivalente fonético que provoca la caída de la vocal neutra (una hora [unˈɔɾə], fer el babau [ˈfeɫ βəˈβaw] 'hacer el bobo').
En el resto de contextos la realización es aproximante (o fricativa): [β], [ð] y [ɣ] respectivamente.
El grado de velarización es mayor a final de sílaba y menor al inicio, donde puede resultar alveolar (sobre todo en las hablas occidentales, donde se suele hacer un contraste más evidente entre [l]~[ɫ], como el inglés y el portugués europeo).
En algunas hablas la velarización es tanto pronunciada que puede resultar vocalizada en la semiconsonante labiovelar [w] (albercoc [əwβəɾˈkɔk] albaricoque).
La yodización es un fenómeno histórico en el catalán septentrional y balear, donde se sustituye /ʎ/ por [j] en palabras de un determinado origen etimológico latín (rialla [riˈajə] 'risa', fill [ˈfiː] 'hijo').
Las consonantes laterales están presentes en muchas geminaciones, tanto de dos líquidas separadas por un punto medio (l·l), como dos palatales separadas por un guion (Bell-lloc), pero también por asimilación en los grupos -tl- (atlètic [əɫˈɫɛtik] 'atlético'), -tll- (batlle [ˈbaʎʎə] 'alcalde', pero en balear y valenciano batle), y también -rl- en balear (Carles [ˈkaɫɫəs]).
La pronunciación geminada es viva en balear, pero regresiva en la mayoría de hablas donde solo se mantiene en registros formales (col·legi [kuɫˈɫɛʒi] || [kuˈɫɛʒi] 'colegio').
Las consonantes róticas pueden ser vibrantes múltiples /r/, a principio de palabra, intervocálica (con el dígrafo rr), después de n, l o s y en palabras compuestas; o vibrante simples /ɾ/ (para [ˈpaɾə], parra [ˈparə]).
En algunas hablas se produce el rotacismo por metátesis silábica (cridar [kiˈðɾa] 'gritar'), fenómeno generalizado en alguerés (aquidrar [akiˈra] 'gritar').
En catalán septentrional y en Sóller hay una penetración reciente de las róticas uvulars francesas [ʀ] o [ʁ] (Rosselló [rusəˈʎo] || [ʀusiˈʎu]).
Los sonidos fricativos y africados pueden sonorizar o ensordecer según el contexto, en consonancia con otros fenómenos consonánticos similares.
Finalmente, puede haber dos letras repetidas gráficamente pero que no formen una geminación fonética, como en el caso de gg en suggeriment ('sugerencia').
Así, se elide la terminación del imperfecto de indicativo de la primera conjugación (canta(v)es) pero, en cambio, la elisión es general en la segunda y tercera conjugación mientras que se mantiene en parte noroccidental y en alguerés (batia/bativa/bateva).
[27] Según Emilio Alarcos Llorach: 18 consonantes: /p t k b d g f s ʃ z ʒ m n ɲ l ʎ ɾ r/; y 7 vocales: /a ɛ e i ɔ o u/.
Según Antoni Maria Badia i Margarit: 23 consonantes: /p t k b d g f s ʃ z ʒ dz dʒ tʃ m n ɲ l ʎ ɾ r j w/; y 8 vocales: /a ɛ e i ɔ o u ə/.
Badia i Margarit también considera que las semiconsonantes [j w] merecen estatus fonemático y no son siempre variantes posicionales de las vocales cerradas.
'palo derecho / para adelante / pelo derecho' Según Max Woodfield Wheeler: 21 consonantes: /p t k b d g f s ʃ z ʒ m n ɲ l ʎ r j w kʷ gʷ/; y 7 vocales: /a ɛ e i ɔ o u/.
Wheeler considera un único fonema rótico que tendría dos variantes posicionales [ɾ r] e interpreta como un caso de geminación el único contexto donde la vibrante simple se opone a la vibrante múltiple entre vocales.