Diftongid on vokaalitüübid, kus kaks vokaaliheli on ühendatud pideva libiseva liikumisega. Neid nimetatakse sageli libisevateks vokaalideks. Enamikus keeltes on mitu diftongi, kuigi see arv varieerub suuresti, vaid ühest või kahest kuni viieteistkümneni või enamani.
Vokaal on teatud tüüpi heli, mida iseloomustab õhuvoolu täieliku takistuse puudumine. Täishäälikuid saab vastandada kaashäälikutele, kus selline takistus on. Kuna õhk väljub kaashääliku rääkimisel, tekib õhuvoolu ahenemisel rõhk. Täishääliku rääkimisel ei teki survet, heli kujundab lihtsalt keele asend.
Häälikuid iseloomustavad üldiselt kolm erinevat kriteeriumi: keele asend suus suulae suhtes (kõrgus), keele asend kas suu ees- või tagaosas (seljaosa) ja suu kuju. huuled vokaali helina (ümarus). Täishäälikuid võib iseloomustada ka teisi asju, kuid need pole inglise keeles kuigi levinud – näiteks keelejuure asend mõjutavad inglise keele täishäälikuid harva, kuigi paljudes Aafrika keeltes mõjutavad need täishäälikuid.
Kui vokaalid ühinevad, võivad need olla kaks erinevat silpi või ühineda üheks silpiks. Kui nad ühinevad, moodustavad nad nn diftongid. Kui nad jäävad eraldiseisvaks, on need lihtsalt kaks monoftongi. Kahe ühesilbilise vokaali näidet võib näha sõnas triaaž, kus i ja a hääldatakse mõlemad eraldi. Diftongi näidet võib näha sõnas hiir, mille puhul sõna ou-osa koosneb ilmselgelt kahest erinevast vokaalist, kuid nende kahe vahel ei ole silbivahet.
Diftongidel võib tavaliselt näha kahte erinevat osa – tuum ja libisemisväli. Diftongi tuum on häälik, mis on kõige rohkem rõhutatud ja moodustab heli keskpunkti, samal ajal kui libisemine on täishäälik, mis näib voolavat tuumavokaali sisse või sealt välja.
Standardinglise keele kolm peamist diftongi, mida nimetatakse foneemilisteks diftongideks, on ai, aw ja oy. Kõik need kolm diftongi on väga levinud ja paljud inimesed peavad neid mõnes kontekstis lihtsalt üksikuteks vokaalideks. Näiteks ingliskeelses sõnas ride transkribeeritakse i foneetiliselt kui ai. Kuigi see ilmub meie kirjutises ühe tähena, koosneb see tegelikult kahest vokaalist – kui ütlete sõna, peaksite kuulma neid kahte. Samamoodi sisaldab sõna how lõpus diftongi aw ja sõna poiss diftongi oy.
Teised standardinglise keele diftongid on ei häälik sõnas fame või tähe a hääldus ja ou häälik sõnas telefon. Teistes keeltes on peale nende palju rohkem diftonge ja ka teistes inglise keele murretes võib diftonge olla rohkem. Sellistes keeltes nagu soome keel on peaaegu kakskümmend diftongi, samas kui inglise keele Received Pronunciation dialektis on umbes viis diftongi, mida tavalises inglise keeles ei leidu.
Lisaks diftongidele ja monoftongidele on olemas ka nn triftongid. Need sarnanevad diftongidega, kuid selle asemel, et liikuda lihtsalt ühelt vokaalihelilt teisele, lisatakse ka kolmas heli.