Ένα δίφθογγο (προφέρεται "DIF-thong" ή "DIP-thong") είναι ένα φωνήεν όπου ο ομιλητής πρέπει να μετακινήσει το στόμα του σε δύο διαφορετικές θέσεις για να το κάνει. Είναι ένα φωνήεν όπου ακούγονται δύο διαφορετικές ποιότητες φωνηέντων. Παραδείγματα είναι: μέση, πεθαίνω, θόρυβος, δρόμος, σπίτι, άγριος, αρκούδα, σίγουρος. Κάθε ένα από αυτά είναι ένας διαφορετικός φωνηεντικός ήχος.
Ο μονοφωνικός ήχος είναι ένας απλός φωνηεντικός ήχος που ένα άτομο δεν χρειάζεται να κινήσει το στόμα του για να τον παράγει, όπως ο ήχος "oo" στο "βιβλίο". Σε ένα δίφθογγο, το άτομο συνδυάζει δύο διαφορετικούς μονοφθόγγους, όπως με τον ήχο "oi" στη λέξη "λάδι". Ο ομιλητής ξεκινάει με το στόμα στη θέση να κάνει τον ήχο "ο" και στη συνέχεια μετακινεί γρήγορα το στόμα για να κάνει έναν σκληρό ήχο "ε". Ένα άλλο παράδειγμα είναι ο ήχος "ou" στη λέξη "σπίτι". Το στόμα ξεκινάει κάνοντας έναν ήχο σαν τον ήπιο ήχο "a" στο "flat", και στη συνέχεια μετακινείται για να κάνει τον σκληρό ήχο "oo" σαν αυτόν στο "caboose".
Όπως και με κάθε άλλο μέρος της γλώσσας, ο ακριβής τρόπος προφοράς ενός δίφθογγου είναι λίγο διαφορετικός για διαφορετικές προφορές.
Η λέξη δίφθογγος προέρχεται από την αρχαία ελληνική γλώσσα. Εδώ, di σημαίνει δύο ή διπλά, ενώ το μέρος -φθόγγος σημαίνει ήχος ή τόνος, από τη βασική λέξη φθόγγος, που σημαίνει μιλάω, δημιουργώ ήχο με τη φωνή.
Ένα δίφθογγο μπορεί να είναι λεξικό μιας γλώσσας και ως τέτοιο μπορεί να είναι μονοσύλλαβο, αλλά σπάνια.