Un dittongo (si pronuncia "DIF-thong" o "DIP-thong") è una vocale in cui l'oratore deve muovere la bocca in due posizioni diverse per fare. È una vocale in cui si possono sentire due diverse qualità vocali. Esempi sono: vita, dado, rumore, strada, casa, feroce, orso, certo. Ognuno di questi è un suono vocale diverso.
Un monofongo è un semplice suono di vocale che una persona non deve muovere la bocca per fare, come il suono "oo" nel "libro". In un dittongo, la persona combina due diversi monofonghi, come con il suono "oi" nella parola "olio". L'oratore inizia con la bocca nella posizione di fare un suono "o", poi sposta rapidamente la bocca per fare un suono "e" duro. Un altro esempio è il suono "ou" nella parola "casa". La bocca inizia a fare un suono come la "a" morbida in "flat", poi si muove per fare il suono "oo" duro come quello di "caboose".
Come in ogni altra parte della lingua, il modo esatto di pronunciare un dittongo è un po' diverso per accenti diversi.
La parola dittongo deriva dall'antica lingua greca. Qui, di significa due o doppio, mentre la parte -phthong significa suono o tono, dalla parola base phthalein, che significa parlare, creando il suono dalla voce.
Un dittongo può essere un lessema di una lingua e come tale può essere una sillaba, ma raramente.