Dyftong to samogłoska o zmiennym przebiegu artykulacji, składająca się z dwóch segmentów (np. [o] i [n] – jak w wyrazie kąt). Litera ę jest wymawiana jako dyftong w specyficznych kontekstach fonetycznych – przed głoską zwartą (np. t – pęto, wym. [pento]) i zwarto-szczelinową (np. c – ręce, wym. [rence]).