Ich kann ja mal erklären wie man die einzelnen "Silben" (eigentlich Mora, die von den Hiragana und Katakana abgebildet werden) ausspricht für einen guten Anfang, weil ich denke, dass nur Beispiele anhören nicht bei jedem für alles funktioniert:
あ in etwa so wie das deutsche A.
い in etwa so wie das deutsche I in Igel.
う liegt etwas zwischen dem Deutschen U wie Kugel und Ü wie über, musst dir da am besten Beispiele anhören und nachahmen, ist nämlich nicht so leicht zu erklären.
え liegt etwas zwischen dem Deutschen E wie in Elf und wie in Zehn. Auch hier sind Beispiele gut.
お liegt etwas zwischen dem Deutschen O wie in offen und Ofen. Auch hier sind Beispiele gut.
Doppelte Vokale werden doppelt so lang ausgesprochen, es kommt auch oft vor, dass es ei und ou Kombinationen gibt, die werden dann fast immer wie ee und oo ausgesprochen, Ausnahme ist, wenn beide Vokale nicht zusammen gehören. 天候 tenkou oder 先生 sensei da gehören beide was Aussprache angeht zum selben Kanji und werden dann wie gesagt verlängert ausgesprochen. Aber bei 思う omou zum beispiel ist das u eine Verb-Endung und wird separat ausgesprochen oder 食べている tabeteiru da gehört das i zu iru und verlängert das e von tabete nicht. Oder 子牛 koushi da gehören das o und u zu verschiedenen Kanji und werden nicht wie oo ausgesprochen.
Das k der K-Reihe wird etwa wie das deutsche K ausgesprochen.
Das g der G-Reihe wird etwa wie das deutsche G ausgesprochen, nur gibt es da auch einige Variationen, bei der die Zunge keinen Kontakt zum Gaumen mehr macht, aber ziemlich nah ist. Lohnt sich aber erstmal nicht das zu lernen und ein normales G ist auch in Ordnung.
Das s der S-Reihe wird etwa wie das deutsche S in Essen ausgesprochen. Ausnahme ist das sh in し was im Deutschen nicht so vorkommt. Es ist vergleichbar mit sch, nur ist die Spitze der Zunge etwas weiter oben hinter den Zähnen, hier kann man auch mal versuchen, Beispiele nachzuahmen.
Das z der Z-Reihe wird etwa wie das deutsche S in sieben ausgesprochen. Ausnahme ist hier das じ, was wie das し ist, nur stimmhaft. Manchmal werden das じ und ず statt ji und zu auch wie dji und dzu ausgesprochen, aber das ist frei.
Das t der T-Reihe wird etwa wie das deutsche T ausgesprochen, nur dass die Zungenspitze noch die Schneidezähne leicht berührt. Ausnahme sind das ち chi was wie し nur mit t davor ist und つ wie tsu.
Das d der D-Reihe wird etwa wie das deutsche D ausgesprochen, nur dass die Zungenspitze wieder die Schneidezähne leicht berührt. Das eher seltene ぢ wird wie じ ausgesprochen und づ wie ず. Mit den beiden Variationen ist es hier auch wieder frei, nur werden tendenziell ぢ und づ eher mit d davor ausgesprochen.
Das n der N-Reihe wird etwa wie das deutsche N ausgesprochen, nur dass die Zungenspitze wieder die Schneidezähne leicht berührt. Ausnahme ist das に, wobei die Zungenspitze ein wenig weiter hinten ist, den Unterschied hört man aber kaum finde ich.
Das h der H-Reihe wird etwa wie das deutsche H ausgesprochen. Ausnahme sind ひ, wo es wie das Deutsche ch in ich ausgesprochen wird und ふ fu, wo für das f beide Lippen benutzt werden. Für das deutsche f wird die obere Lippe mit den unteren Schneidezähnen verwendet, in Japanisch aber beide Lippen, etwa wie beim Pusten. Hört sich wie eine Mischung aus f und h an, manchmal hört man auch fast nur h.
Das p der P-Reihe wird etwa so wie das deutsche P ausgesprochen.
Das b der B-Reihe wird etwa so wie das deutsche B ausgesprochen, manchmal wird es aber auch wie das deutsche W, nur mit beiden Lippen ausgesprochen, ähnlich wie beim ふ, vor allem bei schnellem Sprechen.
Das m der M-Reihe wird etwa so wie das deutsche M ausgesprochen.
Das y der Y-Reihe wird etwa so wie das deutsche j ausgesprochen. や wie das deutsche ja. きゃ, ぎゃ, にゃ, ひゃ, ぴゃ, びゃ, みゃ, りゃ sind kya, gya, nya, hya, pya, bya, mya, rya. Hier wird das h wieder wie ch ausgesprochen und das n auch wieder leicht anders. kya zum Beispiel einfach wie ya nur mit k davor, es nimmt auch nur eine Zeiteinheit ein, anders als きあ und きや, welche ähnlich klingen. Ausnahmen sind しゃ, じゃ und ちゃ (ぢゃ dürfte es eigentlich nicht geben). Die werden einfach wie sha, ja und cha (tsha) ausgesprochen. Selbes gilt auch für ゅ und ょ.
Das r der R-Reihe ist eines der schwierigsten Aussprachen. Es gibt nichts wirklich vergleichbares im Deutschen. Es wird in etwa wie eine Mischung aus L und D ausgesprochen, was dann wie ein R klingt. Die Zungenspitze tippt nur leicht auf den Gaumen, da wo das D ausgesprochen wird. Das muss man einfach mal oft ausprobieren mit Hilfe von Beispielen. Es gibt auch etwas vergleichbares im Spanischen. Bloß nicht Rollen wie im Spanischen sollte man es aber, das klingt wie ein Yakuza. Mit einem L oder nicht gerolltem deutschen R oder englischem R sollte man aber auch verstanden werden.
Das w der W-Reihe wird etwa wie das englische W ausgesprochen, nur dass die Lippen weniger herausstehen.
Das komplizierteste ist das ん, bei welchem es darauf ankommt, was darauf folgt. Folgt ein t, d, j, な, ぬ, ね, の oder r, dann wird es wie ein normales n ausgesprochen, wie bereits beschrieben. Wenn ein に, ch (wie tsh) oder j (nur wenn es wie dj ausgesprochen wird) folgt, dann wird es wie das n des に ausgesprochen. Wenn ein p, b oder m folgt, wird es wie m ausgesprochen. Wenn ein k oder g folgt, dann wie das deutsche nk und ng. Wenn es am Ende einer Aussage steht und nichts folgt, dann wieder ähnlich wie das n in ng, nur macht die Zunge noch weiter unten Kontakt. Das gibt es nur in wenigen Sprachen so, weshalb es etwas ungewohnt ist, muss man auch wieder etwas üben, um es zu schaffen. Auch schwierig ist es, wenn darauf s, z, sh, j, h, f, ein Vokal (wie in 全員 zen'in), ein y (wie in 今夜 kon'ya) oder w folgt. Dann wird es wie ein Vokal ausgesprochen, nur dass die Luft nicht nur durch den Mund strömt sondern auch durch die Nase. Das mit dem Luftstrom durch die Nase kann man ausprobieren indem man zum Beispiel mal lang ein m ausspricht und dabei die Nase zuhält, dann kann man es nicht mehr aussprechen, weil die Luft durch die Nase geht, bei einem s gelingt das schon, weil die Luft durch den Mund geht. Es ist schwer zu erklären, aber bei diesem n strömt die Luft gleichzeitig durch Mund und Nase. Was auf das ん folgt, geht auch über Wortgrenzen hinaus.
Dann gibt es noch das kleine っ, welches auch eine Zeiteinheit einnimmt. Es folgt darauf immer ein Konsonant, welcher dadurch verlängert wird. Folgt ein s oder sh, werden diese länger ausgesprochen wie in 八千 はっせん hassen. Folgt ein k, t, ch (tsh) oder p, dann wird der Vokal zwar abgebrochen und der Mund und die Zunge nehmen schon die Stellung ein für den nächsten Konsonanten, aber er wird ein wenig verzögert ausgesprochen wie in 六百 ろっぴゃく roppyaku, beide Lippen berühren sich zwar schon, aber das p kommt etwas später.
Zusätzlich gibt es noch das ヴ (ヴァ, ヴィ, ヴゥ, ヴェ, ヴォ) in Lehnwörtern wie ヴォーカル vocal, welches wie das deutsche W ausgesprochen wird, aber es wird in Wirklichkeit von vielen Japanern als b ausgesprochen, da für sie dieses w ziemlich schwer ist.
Eine weitere Ausnahme ist, wenn は, へ und を eine grammatische Funktion einnehmen als Partikel (oder wie sie genannt werden). Dann wird は wie わ ausgesprochen, へ meistens wie え (hab auch schonmal we gehört, aber ist denke ich eher selten) und を meistens wie お und eher selten wo. So wird を eigentlich so gut wie immer wie o ausgesprochen, da es fast nur als Partikel benutzt wird und eigentlich nie als Bestandteil eines Wortes fungiert. こんにちは wird somit kon'nichi wa ausgesprochen, obwohl dort は ha steht.
All diese Hiragana und Katakana nehmen gleichlange Zeiteinheiten ein (mit Ausnahme von きゃ zum Beispiel), anders als das Deutsche, bei dem die Längen ziemlich variieren. Das ん ist auch eine Zeiteinheit. にんげん wird also ni-n-ge-n ausgesprochen. かい sind auch zwei Zeiteinheiten. Diese werden auch Mora genannt. Man kann nicht wirklich von gleichlangen Silben sprechen, da Wörter wie ankoku oder kaimono nur drei Silben aber vier Mora haben, deswegen ist der Begriff Silbe für das Japanische nicht so nützlich wie Mora.
Zu guter Letzt gibt es noch die Tonhöhen bei der Aussprache, bei denen es tief und hoch gibt. Es ist nicht das gleiche wie die Betonungen im Deutschen, bei denen sich noch die Lautstärke und Länge ändert. Bei 橋 hashi zum Beispiel ist die zweite Silbe hoch und bei 箸 hashi die erste. Es lohnt sich erstmal nicht das zu lernen, da man auch meist verstanden wird, ohne es zu können. Das einzige ist dann nur, dass man einen ausländischen Akzent hat. Es lohnt sich vielleicht höchstens nur bei solchen Wörtern, bei denen es nötig ist, um sie zu unterscheiden wie bei hashi.
Das sollen alles aber nur grobe Anleitungen sein, denn sicherlich gibt es noch einige Dinge, die ich nicht oder nicht detailiert genug aufgeführt hab. Für eine wirklich gute Aussprache wird man sicherlich mit Japanern selbst sprechen müssen oder einen Lehrer haben, wenn man diese Möglichkeit nicht hat, dann wird es schwierig. Vielleicht sollte man sich dann beim Sprechen aufnehmen und selbst einmal genau hinhören und andere Sprachaufnahmen nachahmen, das würde aber auch viel Übung kosten.
Wenn jemand noch Korrekturen oder Ergänzungen hat, dann darf er gerne antworten.