Un diftong este un sunet vocal dintr-un singur cuvânt, format din combinarea a două vocale. Cel mai frecvent, diftongul implică trecerea de la una dintre vocale la alta, ceea ce face ca sunetul vocal să fie mai întins sau mai încet. De exemplu, trecerea de la sunetul "ah" la "eh" se numește un diftong.

În limba engleză, există șase diftongi principali. Acestea sunt: ai (de obicei pronunțat ca "ah" mai des decât "eh"), au (de obicei pronuntat ca "aw" mai des decât "oh"), ei, eu, oi și iu. Diftongii sunt folosiți pentru a transforma o vocală în altă. Uneori, aceasta se face pentru a reduce rapiditatea sau iritabilitatea unei vocale.

Cu toate acestea, există unele excepții ale acestei reguli. Uneori, un cuvânt poate conține două linii medii care nu sunt unite într-un diftong. Acestea se numesc si cluști trihonici. Acest lucru poate fi prezent în limba engleză atunci când sunetul de y se folosește între două vocale (de exemplu "Hey").

În unele țări, precum Spania și Portugalia, diftongii sunt folosiți mai des decât în limba engleză. Acest lucru se datorează influenței latine asupra limbelor. În vechile dialecte latine, vocalele se îmbinau adesea în diftonguri când erau urmate de literele "u" sau "e". Acest lucru se face și astăzi în multe limbi latine, inclusiv în Spaniolă și Portugheză.

Diftongii pot fi foarte valoroși pentru a-ți modifica vorbirea și pentru a vorbi mai clar și mai precis. În limba engleză, aceste sunete pot face ca un cuvânt să fie mai expresiv și mai artistic. Diftongii sunt, de asemenea, instrumente excelente de învățare a limbilor străine, mai ales a dialectelor latine, care sunt cunoscute pentru modul în care se leagă vocalele.