¿Cómo leer dos vocales juntas en japonés?

Son solo dos vocales seguidas, pero los japoneses no conocen los diptongos. Lo que llamas ai es que suena como los propios japoneses, que obviamente son dos vocales.

Así como los chinos a veces pronuncian rápidamente la Plaza de Tiananmen, se convertirá en patear la puerta, pero los chinos no pronunciarán el día anterior como patear la puerta.