El baoulé es tonal: la altura de la voz distingue palabras y formas gramaticales. Las descripciones disponibles hablan de cinco tonos (alto, bajo, medio, ascendente, descendente), mientras que otros trabajos cuentan menos; es un punto debatido y no nos pronunciamos. Quien aprende debe retener sobre todo que una palabra aprendida sin su melodía puede no ser comprendida.
La lengua tiene vocales orales y vocales nasalizadas (a menudo descritas como cinco), las vocales abiertas ɛ y ɔ, y consonantes dobles como kp y gb, producidas en un solo gesto, además de ɲ (como la «ñ»). Las sílabas son en su mayoría abiertas, es decir, terminan en vocal.
| Signo | Valor aproximado |
|---|---|
| ɛ | Como la «e» abierta de «perro» |
| ɔ | Como la «o» abierta de «sol» |
| ɲ | Como la «ñ» |
| kp, gb | Consonantes dobles articuladas a la vez |
| Vocal + ~ | Vocal nasalizada, con paso del aire por la nariz |