A hasonlóság érzetének egyik fontos tényezője, hogy a manysi beszédhangok mennyire eltérőek, idegenek a magyar fül számára – vagyis milyenek a magán- és mássalhangzók. Ez távolról sem egyszerűen megválaszolható kérdés, hiszen kutatások sora bizonyítja, hogy az anyanyelvben található hangok és ezek rendszere igen meghatározó a beszédhangok feldolgozásában, érzékelésében. A beszédhangok képzésekor a nyelv elhelyezkedésében már néhány milliméter is számít: ha hangosan kimondjuk a sz és s hangot és közben figyeljük, hogy a szánkban hol helyezkedik el a nyelvünk csúcsa, érzékelhetjük, hogy a két hang képzésekor csak kis eltérés van a nyelv helyzetében. Ha egymás után több alkalommal, különböző szavakban (vagyis eltérő hangkörnyezetben) kimondjuk az sz-t és alaposan megfigyeljük, hogy pontosan hol helyezkedik el közben a nyelvünk, érezni fogjuk, hogy nem mindig pontosan ugyanott áll, vagyis nem egy pont, hanem egy néhány milliméteres terület van a szánkban, amit „használva” sz hangzású hangot tudunk előidézni. Ezeknek az ún. képzési területeknek a határai némileg eltérnek a nyelvekben, és emiatt az anyanyelvi hangok komplett rendszerétől függ, hogy az egyes hangok képzési határain álló hangokat minek érzékeljük. A magyar anyanyelvűek számára például gondot okoz a th-val jelölt angol hang (pl. think) képzése, hiszen ez a hang nincs meg anyanyelvünkben. Megfigyelhető, hogy a magyar nyelvtanulók többsége inkább t-t és nem sz-t használ a helyettesítésekor. Ez egy anyanyelvalapú választás, a magyar fül számára a t közelebb áll a th-val írt hanghoz, mint az sz. Ugyanígy, az angol anyanyelvűek számára nehéz a magyar a hang képzése, és gyakran o-val helyettesítik, nem pedig á-val. Az angol anyanyelvűek ugyanis az a-t inkább az o-hoz érzik közelinek. Érdekes adalék egyébként, hogy az anyanyelvünkből hiányzó magánhangzókat nehezebben tudjuk elsajátítani, mint a mássalhangzókat.

Ezek tudatában azt látjuk, hogy a manysi beszédhangok döntő többsége nem idegen a magyar fül számára. Az északi manysi hangrendszer kevesebb hangot tartalmaz, mint a magyar: az előbbiben 17 mássalhangzó és 5 magánhangzó, az utóbbiban 25 mássalhangzó és 8 magánhangzó található – amennyiben a rövid magánhangzók hosszú párjait nem tekintjük külön beszédhangnak (bár mind a magyarban, mind a manysiban a rövid és hosszú magánhangzók nem csupán hosszúságukban, hanem a minőségükben is különböznek némileg). A beszédhangok számát tekintve egyébként a magyar számít újító nyelvnek, a manysi hangrendszer „szegénységében” és összetételében közelebb áll az alapnyelvhez, mint a magyar.

A manysi 17 mássalhangzójának többsége (11) a magyarban is jelen van. Találunk további két olyan hangot is, amelyek felbukkannak a magyarban is, azonban nem jelentésmegkülönböztető szerepűek, vagyis nem lehet olyan szópárt találni, amelyek csupán ezekben a hangokban különböznek (a p és a b pl. a magyarban jelentésmegkülönböztető, vö. por és bor). Az egyik az ng hangkapcsolatban ejtett orrhang, az ŋ (lásd a magyar ing szóban), a másik pedig a χ (mely a magyarban igen ritka, lásd magyar potroh). Ezenfelül mindössze 4 olyan mássalhangzó marad, amelyek nem ismertek a magyarban – legalábbis a mai magyarban, ugyanis ha visszanézünk nyelvünk történetében, ezeket is megtaláljuk a mai hangrendszer előzményeiben. Az ľ és ś hang ahhoz hasonló, mintha kimondanánk az lj, sj hangkapcsolatot – az előbbi hangnak a „folytatása” az ly, amit a magyar helyesírás megőrzött annak ellenére, hogy ma már csak j hangot ejtünk helyette (bővebben lásd a 3. fejezetben). A harmadik, magyarban ismeretlen mássalhangzó a w, ami az angol w-hez hasonlít. A γ hang pedig a magyar g hanghoz hasonlít, de nem zár-, hanem réshang.

 

A magyar és a manysi hangrendszer összehasonlításakor szembeötlő különbség, hogy míg a magyarban megtalálható a finnugor nyelvek jelentős részére jellemző magánhangzó-harmónia, addig az északi manysiban nem. Ismereteink szerint a manysi déli nyelvjárásában létezett ez a jelenség, ezért arra következtetünk, hogy valaha az északi manysiban is ismert volt a magánhangzók illeszkedése. A magyarban megfigyelhető magánhangzó-harmónia során a toldalékoknak több alakjuk van, és a változatok használata azon múlik, hogy a szótőben magas vagy mély magánhangzó található-e, illetve hogy utóbbiak ajakkerekítésesek-e, vagy sem (pl. ház-hoz, kép-hez, kör‑höz).

A manysi és a magyar nyelv hangzásának összevetésében további szempont a magánhangzók, a mássalhangzók és a hangkapcsolatok gyakorisága. A szláv nyelvekre, így a manysira nagy hatást gyakorló oroszra is jellemző a szó eleji mássalhangzó-torlódás. Ezzel szemben mind a magyar, mind a manysi kerüli az ilyen képződményeket, s az orosz jövevényszavakban feloldja a mássalhangzótorlódást a szó elején. Ez a művelet azonos módon történik mindhárom ugor nyelvben (lásd 11.2.4.2. alfejezet).

További hangtani hasonlóság a magyar és a manysi között, hogy mindkét nyelv használ kérdő intonációt (vagy más szóval kérdő dallammenetet), és az eldöntendő kérdést elsősorban ez a dallam jelzi, nem jár szórendi átrendeződéssel, mint pl. az angolban.

Végezetül – bár a rendszer szempontjából nem lényeges kérdés, mégis segít képet kapni a manysi hangzásáról – szövegek vizsgálata alapján legközelebbi rokon nyelvünkben a leggyakoribb magánhangzó az á, a leggyakoribb mássalhangzó pedig a t (ugyanezek a magyarban az e és az n). A magán- és mássalhangzók arányát tekintve pedig a magyarban kicsit gyakoribbak a magánhangzók, mint a manysiban (magyar: 42,7%, manysi: 39,4%).