Diftonzi su vrste samoglasnika u kojima su dva samoglasna zvuka povezana u kontinuirano, klizeći pokret. Često se nazivaju klizećim samoglasnicima. Većina jezika ima niz diftonga, iako taj broj uvelike varira, od samo jednog ili dva do petnaest ili više.
Samoglasnik je specifična vrsta zvuka, koju karakterizira nedostatak potpune opstrukcije protoka zraka. Samoglasnici se mogu suprotstaviti suglasnicima, gdje postoji takva prepreka. Kako zrak izlazi kada izgovarate suglasnik, dolazi do povećanja pritiska jer se protok zraka sužava. Kod izgovaranja samoglasnika nema nagomilanog pritiska, zvuk se jednostavno oblikuje položajem jezika.
Samoglasnike općenito karakteriziraju tri različita kriterija: položaj jezika u ustima u odnosu na krov usne šupljine (visina), položaj jezika u prednjem ili stražnjem dijelu usta (leđa) i oblik usne dok se stvara samoglasnički zvuk (zaokruženost). Postoje i druge stvari koje mogu karakterizirati samoglasnike, ali nisu baš česte u engleskom jeziku – stvari kao što je položaj korijena jezika, na primjer, rijetko utječu na engleske samoglasnike, iako utječu na samoglasnike u mnogim afričkim jezicima.
Kada se samoglasnici spoje, mogu biti ili dva različita sloga ili se mogu spojiti u jedan slog. Kada se spoje, formiraju ono što je poznato kao diftonzi. Ako ostanu odvojeni, jednostavno su dva monoftonga. Primjer dva jednosložna samoglasnika može se vidjeti u riječi trijaža, u kojoj se i i a izgovaraju samostalno. Primjer diftonga može se vidjeti u riječi miš, u kojoj se ou dio riječi očito sastoji od dva različita samoglasnika, ali između njih nema slogovnog prekida.
Diftonzi se obično mogu smatrati da imaju dva različita dijela – jezgru i off-glide. Jezgra diftonga je samoglasnik koji je najviše naglašen i čini središte zvuka, dok je off-glide samoglasnik koji se čini da se ulijeva u ili izvan samoglasnika jezgre.
Tri glavna diftonga u standardnom engleskom jeziku, koji su poznati kao fonemski diftongi, su ai, aw i oy. Sva tri ova diftonga su vrlo česta i mnogi ih u nekim kontekstima jednostavno smatraju pojedinačnim samoglasnicima. Na primjer, u engleskoj riječi ride, i bi se fonetski transkribirao kao ai. Iako se u našem pisanju pojavljuje kao jedno slovo, zapravo se sastoji od dva samoglasnika – ako izgovorite riječ, trebali biste moći čuti ta dva. Slično, riječ how sadrži diftong aw na kraju, a riječ boy sadrži diftong oy.
Drugi diftonzi u standardnom engleskom jeziku su zvuk ei u riječi fame ili izgovor slova a i zvuk ou u riječi phone. Drugi jezici osim ovih imaju mnogo više diftonga, a i drugi dijalekti engleskog mogu imati više diftonga. Jezici kao što je finski imaju gotovo dvadeset diftonga, dok dijalekt engleskog Received Pronunciation ima dodatnih pet ili više diftonga koji se ne nalaze u standardnom engleskom.
Osim diftonga i monoftonga, postoje i oni koji se nazivaju triftonzi. Oni su slični diftonzima, ali umjesto jednostavnog prelaska s jednog samoglasnika na drugi, dodaje se i treći zvuk.