Οι δίφθογγοι είναι τύποι φωνηέντων όπου δύο ήχοι φωνηέντων συνδέονται σε μια συνεχή, ολισθαίνουσα κίνηση. Συχνά αναφέρονται ως ολισθαίνοντα φωνήεντα. Οι περισσότερες γλώσσες έχουν έναν αριθμό διφθόγγων, αν και αυτός ο αριθμός ποικίλλει ευρέως, από μόνο μία ή δύο έως δεκαπέντε ή περισσότερες.
Ένα φωνήεν είναι ένας συγκεκριμένος τύπος ήχου, που χαρακτηρίζεται από έλλειψη πλήρους παρεμπόδισης στη ροή του αέρα. Τα φωνήεντα μπορούν να αντιπαραβάλλονται με σύμφωνα, όπου υπάρχει τέτοιο εμπόδιο. Καθώς ο αέρας βγαίνει όταν μιλάτε ένα σύμφωνο, υπάρχει συσσώρευση πίεσης καθώς η ροή του αέρα συστέλλεται. Όταν μιλάμε ένα φωνήεν, δεν υπάρχει αυξημένη πίεση, ο ήχος διαμορφώνεται απλώς από τη θέση της γλώσσας.
Τα φωνήεντα χαρακτηρίζονται γενικά από τρία διαφορετικά κριτήρια: τη θέση της γλώσσας στο στόμα σε σχέση με την οροφή του στόματος (ύψος), τη θέση της γλώσσας είτε στο μπροστινό είτε στο πίσω μέρος του στόματος (πλάτη) και το σχήμα της τα χείλη καθώς γίνεται ο ήχος του φωνήεντος (στρογγυλοποίηση). Υπάρχουν άλλα πράγματα που μπορεί να χαρακτηρίζουν τα φωνήεντα, αλλά δεν είναι πολύ κοινά στα αγγλικά — πράγματα όπως η θέση της ρίζας της γλώσσας, για παράδειγμα, σπάνια επηρεάζουν τα αγγλικά φωνήεντα, αν και επηρεάζουν τα φωνήεντα σε πολλές αφρικανικές γλώσσες.
Όταν τα φωνήεντα ενώνονται, μπορεί είτε να είναι δύο διακριτές συλλαβές είτε να συγχωνευθούν σε μία συλλαβή. Όταν συγχωνεύονται, σχηματίζουν αυτό που είναι γνωστό ως δίφθογγοι. Αν μείνουν χωριστά είναι απλά δύο μονοφθόγγοι. Ένα παράδειγμα δύο μονοσύλλαβων φωνηέντων μπορεί να δει κανείς στη λέξη triage, στην οποία το i και το a προφέρονται και τα δύο από μόνα τους. Ένα παράδειγμα διφθόγγου μπορεί να φανεί στη λέξη ποντίκι, στην οποία το τμήμα ou της λέξης αποτελείται προφανώς από δύο διακριτά φωνήεντα, αλλά δεν υπάρχει συλλαβικό διάλειμμα μεταξύ των δύο.
Οι δίφθογγοι μπορούν συνήθως να θεωρηθούν ότι έχουν δύο διακριτά μέρη – τον πυρήνα και το off-glide. Ο πυρήνας του δίφθογγου είναι το φωνήεν που τονίζεται περισσότερο και σχηματίζει το κέντρο του ήχου, ενώ το off-glide είναι το φωνήεν που φαίνεται να ρέει μέσα ή έξω από το φωνήεν του πυρήνα.
Οι τρεις κύριοι δίφθογγοι στα τυπικά αγγλικά, οι οποίοι είναι γνωστοί ως φωνητικοί δίφθογγοι, είναι οι ai, aw και oy. Και οι τρεις από αυτούς τους δίφθογγους είναι πολύ συνηθισμένοι, και πολλοί άνθρωποι τα θεωρούν απλά ως μεμονωμένα φωνήεντα σε ορισμένα περιβάλλοντα. Για παράδειγμα, στην αγγλική λέξη ride, το i θα μεταγραφόταν φωνητικά ως ai. Αν και εμφανίζεται ως ένα μόνο γράμμα στη γραφή μας, στην πραγματικότητα αποτελείται από δύο φωνήεντα — αν πείτε τη λέξη θα πρέπει να μπορείτε να τα ακούσετε. Ομοίως, η λέξη πώς περιέχει το δίφθογγο aw στο τέλος και η λέξη αγόρι περιέχει το δίφθογγο oy.
Άλλοι δίφθογγοι στα τυπικά αγγλικά είναι ο ήχος ei στη λέξη fame ή η προφορά του γράμματος a και ο ήχος ou στη λέξη phone. Άλλες γλώσσες έχουν πολύ περισσότερους δίφθογγους εκτός από αυτούς, και άλλες διάλεκτοι της αγγλικής μπορεί να έχουν επίσης περισσότερους δίφθογγους. Γλώσσες όπως τα φινλανδικά έχουν σχεδόν είκοσι δίφθογγους, ενώ η διάλεκτος Received Pronunciation των Αγγλικών έχει πέντε περίπου διφθόγγους που δεν βρίσκονται στα τυπικά αγγλικά.
Εκτός από δίφθογγους και μονοφθόγγους, υπάρχουν και αυτά που ονομάζονται τρίφθογγοι. Αυτά είναι παρόμοια με τους δίφθογγους, αλλά αντί να μετακινούνται απλώς από το ένα φωνήεν στον άλλο, προστίθεται και ένας τρίτος ήχος.