Wymowa tych głosek przed ś i ź (spółgłoski szczelinowe, środkowojęzykowe) może być synchroniczna, a wówczas wymawiamy jedną głoskę: nosowe [o] (w ortografii ą) lub nosowe [e] (ortograficzne ę). Taką wymowę zaleca się zwykle w języku starannym.
W mowie potocznej bardzo często słyszy się wymowę asynchroniczną, co polega na tym, że w miejscach, w których stoją ortograficzne znaki ą, ę, wymawia się połączenia dwu głosek o barwie nosowej. Są to: oł, oj (fonetyczne odpowiedniki ą) oraz eł, ej (odpowiedniki ę), np. [wołśik, wojśik, wjełźić, wjejźić].
Bliższe omówienie tego zjawiska znaleźć można w Fonetyce i fonologii współczesnego języka polskiego autorstwa Danuty Ostaszewskiej i Jolanty Tambor.