Poprawna wymowa niemiecka to [folkswa:gen] (długie a) i [wartburk], przy czym [w] po [s] i [b] po [t] są bezdźwięczne, ale nie artykułowane słabiej niż głoski [f] i [p]. Polak słyszy je jako coś pośredniego między [w] i [f] oraz między [b] i [p], dlatego można by zapisać wymowę w sposób uproszczony [folksfa:gen] i [wartpurk]. W języku polskim naturalne jest odwrotne upodobnienie: udźwięczniamy [s] przed [w] oraz [t] przed [b] i mówimy [folgzwagen] oraz [wardburk]. Myślę, że należy dopuścic oba rodzaje wymowy. W szybkiej mowie grupa spółgłoskowa może się dodatkowo uprościć, słyszymy więc także [folzwagen] i [warburk]. To już jednak wymowa zdecydowanie potoczna.