Diftongul este grupul de sunete alcătuit dintr-o vocală şi o semivocală alăturate, pronunţate într-o silabă.
Este de două feluri:
- Ascendent (urcător), când semivocala se află înaintea vocalei: fĭerbe, ĭarbă, mŏară etc;
- Descendent (coborâtor), când semivocala se află după vocală: noŭ, râŭ.
Diftongul se poate constitui şi din două sunete alăturate aparţinând unor cuvinte diferite, dar pronunţate împreună (într-o silabă); în aceată situaţie, în silaba care conţine diftongul apare cratima, între elementele componente ale acestuia: mĭ-a zis; ţĭ-a spus etc.