En diftong är en vokal som inrymmer två olika klangfärger.[1] Det kan simpelt förklaras som en glidning mellan två vokal-ljud i samma stavelse.[1] Ett exempel på detta är vokalerna i ordet "paus". Diftonger förekommer i många germanska språk, till exempel engelska (house) och tyska (Haus). En diftong som är mer framträdande i sin initiala fas kallas fallande (ex. tyskans wein audio ); en diftong som är mer framträdande i sin slutfas (ex. spanskans bueno) kallas stigande.
På svenska finns diftonger i lånord som till exempel paus, neutral, soul och coach.[2]