Difthong (wymawiane "DIF-thong" lub "DIP-thong") jest samogłoską, w której głośnik musi przesunąć usta do dwóch różnych pozycji. Jest to samogłoska, w której można usłyszeć dwie różne jakości samogłosek. Przykłady to: talia, śmierć, hałas, droga, dom, zacięta, niedźwiedź, pewnie. Każda z nich to inny dźwięk samogłoski.

Monoftong to prosty samogłoskowy dźwięk, który człowiek nie musi poruszać ustami, aby go wykonać, jak dźwięk "oo" w "książce". W dyphongiem osoba łączy dwie różne monofongi, jak w przypadku dźwięku "oi" w słowie "olej". Głośnik zaczyna od ust w pozycji umożliwiającej uzyskanie dźwięku "o", a następnie szybko przesuwa ustami, aby uzyskać twardy dźwięk "e". Innym przykładem jest dźwięk "ou" w słowie "dom". Usta zaczynają wydawać dźwięk jak miękki dźwięk "a" w "mieszkaniu", następnie poruszają się aby wydać twardy dźwięk "oo" jak ten w "kabinie".

Tak jak w przypadku każdej innej części języka, dokładny sposób wymawiania diphongów jest nieco inny dla różnych akcentów.

Słowo diphong pochodzi ze starego języka greckiego. Tutaj di oznacza dwa lub podwójne, podczas gdy część -phthong oznacza dźwięk lub ton, od podstawowego słowa phthalein, co oznacza mówić, tworząc dźwięk przez głos.

Dyphong może być leksemą języka i jako taki może być jedną sylabą, ale rzadko.