Diftongii sunt tipuri de vocale în care două sunete vocale sunt conectate într-o mișcare continuă, de alunecare. Ele sunt adesea denumite vocale glisante. Majoritatea limbilor au un număr de diftongi, deși acest număr variază foarte mult, de la doar una sau două până la cincisprezece sau mai mult.
O vocală este un tip specific de sunet, caracterizat printr-o lipsă de obstrucție completă a fluxului de aer. Vocalele pot fi contrastate cu consoanele, acolo unde există o astfel de obstrucție. Pe măsură ce aerul iese când vorbiți o consoană, există o creștere a presiunii, deoarece fluxul de aer este restrâns. Când vorbiți o vocală, nu există presiune acumulată, sunetul este pur și simplu modelat de poziția limbii.
Vocalele sunt, în general, caracterizate de trei criterii diferite: poziția limbii în gură în raport cu cerul gurii (înălțime), poziția limbii în fața sau în spatele gurii (spate) și forma buzele pe măsură ce se face sunetul vocal (rotunzi). Există și alte lucruri care pot caracteriza vocalele, dar ele nu sunt foarte comune în limba engleză – lucruri precum poziția rădăcinii limbii, de exemplu, afectează rar vocalele engleze, deși afectează vocalele în multe limbi africane.
Când vocalele se unesc, ele pot fi fie două silabe distincte, fie se pot îmbina într-o singură silabă. Când se îmbină, formează ceea ce sunt cunoscuți sub numele de diftongi. Dacă rămân separate, sunt doar doi monoftongi. Un exemplu de două vocale cu o singură silabă poate fi văzut în cuvântul triaj, în care i și a sunt pronunțate ambele singure. Un exemplu de diftong poate fi văzut în cuvântul mouse, în care partea ou a cuvântului constă în mod evident din două vocale distincte, dar nu există întrerupere silabică între cele două.
Diftongii pot fi de obicei văzuți ca având două părți distincte – nucleul și off-glide. Nucleul diftongului este vocala care este cel mai accentuată și formează centrul sunetului, în timp ce off-glide este vocala care pare să curgă în sau în afara vocalei nucleului.
Cei trei diftongi majori din engleza standard, care sunt cunoscuți ca diftongi fonemici, sunt ai, aw și oy. Toate aceste trei diftongi sunt foarte comune și mulți oameni pur și simplu le consideră vocale simple în anumite contexte. De exemplu, în cuvântul englezesc ride, i-ul ar fi transcris fonetic ca ai. Deși apare ca o singură literă în scrisul nostru, ea constă de fapt din două vocale – dacă rostiți cuvântul, ar trebui să le puteți auzi pe cele două. În mod similar, cuvântul cum conține diftongul aw la sfârșit, iar cuvântul băiat conține diftongul oy.
Alte diftongi din engleza standard sunt sunetul ei din cuvântul fame sau pronunția literei a și sunetul ou din cuvântul telefon. Alte limbi au mai multe diftongi în afară de acestea, iar alte dialecte ale englezei pot avea și mai multe diftongi. Limbi precum finlandeză au aproape douăzeci de diftongi, în timp ce dialectul de pronunție primită din engleză are încă cinci diftongi care nu se găsesc în engleza standard.
Pe lângă diftongi și monoftongi, există și ceea ce se numește triftongi. Acestea sunt similare cu diftongii, dar în loc să treceți pur și simplu de la un sunet vocal la altul, se adaugă și un al treilea sunet.