Az erza magánhangzó-rendszer sokkal egyszerűbb, mint a magyar vagy a finn, mivel mindössze öt magánhangzó van: i, u, e, o, a. (Az e a magyarhoz képest zártabb, kb. nyelvjárási ë, az a pedig a magyar á-ra hasonlít, csak rövid.) Ezek közül az i és az e elöl képzett, a többi hátul. Valójában az i és az e sem mindig képződik elöl, mint a magyarban. Ennek magyarázata a következő.
A mordvinban, akárcsak a magyarban, vannak úgynevezett palatális („lágy”) mássalhangzók: ezek onnan kapták a nevüket, hogy képzésükkor a nyelvhát a lágy szájpadlás (latinul palatum) felé nyomódik. Nem véletlenül hasonlít a neve az elöl képzett magánhangzókéra, amelyeket szintén palatálisnak neveznek: az ilyen magánhangzók képzésekor szintén a lágy szájpadlás felé közeledik a nyelv háta (habár jóval távolabb van, mint a mássalhangzók képzésekor).
Az erzában több palatális mássalhangzó van, mint a magyarban: ť (kb. magyar ty), ď (kb. magyar gy), ń (kb. magyar ny), ľ (olyan, mint a régi magyar ly, amely a palócban még mindig megvan), továbbá még néhány, amely a magyarban nincs: ć, ŕ, ś, ź (ezek olyanok, mint a magyar c, r, sz, z, csak éppen „lágyak”). Annak érdekében, hogy ezeket jobban meg lehessen különböztetni „kemény” párjuktól, melyeket közvetlenül a fog mögött képzünk, azok után az i és az e kissé hátrébb ejtődik (tehát t, d, c, r, n, l, s (kb. magyar sz) és z után). Annak ellenére, hogy ilyenkor e két magánhangzó a megszokottnál hátrébb (de azért nem hátul!) képződik, a harmóniában elöl képzett magánhangzóként viselkedik.
A harmónia működése
Az erzában csak egy harmonikus pár van, az e–o. A kettő viszonya azonban nem szimmetrikus: vannak olyan toldalékok, amelyekben mindig e van, viszont ha egy toldalékban o van, annak van e-s változata is. Az erzában a magánhanzó-harmónia nem csak a toldalék magánhangzójára, hanem a mássalhangzójára is hatással lehet. A palatális magánhangzókat tartalmazó töveket esetenként palatális mássalhangzót tartalmazó toldalékváltozatnak kell követnie. Háromféle toldalékot különböztethetünk meg:
1. Csak a toldalék magánhangzója váltakozik: kudo-so 'házban', veľe-se 'faluban'. (Utóbbi esetben azonban a toldalék e-je hátrébb képzett, mint a tő két e-je.)
2. A toldalék magánhangzója és mássalhangzója egyaránt váltakozik: kudo-do 'háztól', veľe-ďe 'falutól'. (Ilyenkor a toldalék e-je elöl képzett.)
3. Csak a toldalék mássalhangzója váltakozik: kudo-t 'házak', veľe-ť 'falvak'.
A toldalékbeli mássalhangzók palatalitását az is befolyásolja, hogy milyen mássalhangzó áll a tő végén. Ezek időnként felülírhatják a magánhangzó-harmónia diktálta eredményt. Ha a toldalékban a magánhangzó-harmónia palatális mássalhangzót kívánna, de a tő nem palatális másshalhangzóra végződik, akkor csak a mássalhangzó palatalizációja marad el: pl. veŕgiz-de 'farkastól', nem pedig *veŕgiz-ďe. Ha azonban a tő magánhangzói veláris toldalékot kívánnának, de a tő palatális mássalhangzóra végződik, akkor a toldalék palatális változata jelenik meg: lomań-ďe 'embertől', nem pedig *lomań-do. Igaz ez olyan toldalékok esetén is, ahol a toldalák mássalhangzójának palatalitása nem változik: kaľ-se 'fűzfában', nem pedig *kaľ-so. (A tővégi mássalhangzótól hasonló módon függhetnek olyan toldalékok alakjai is, amelyek a magánhangzó-harmóniában nem vesznek részt: veŕgiz-neń 'farkasnak', lomań-ńeń 'embernek'.)
A palatális és veláris magánhangzókat is tartalmazó tövek azt mutatják, hogy a magánhangzó-harmóniában az utolsó szótag magánhangzója a döntő: ažija-do 'kocsirúdtól', erića-do 'lakótól', mazi-ďe 'széptől', polińe-ďe 'feleségtől'. Az erzában ez alól nincs kivétel, nincsenek „semleges” vagy „áttetsző” magánhangzók.
(Köszönöm Mészáros Editnek a szakmai konzultációt!)