Diptongo es la unión de dos vocales que se pronuncian en una sola sílaba. Para que se presente un diptongo, debe haber la unión de vocal llena (a, e, o) con vocal débil (i, u), de manera que la vocal llena sea acentuada o que ambas sean incentuadas. Ejemplos:
Cada uno de los golpes de voz al pronunciar una palabra se denominan sílabas. Una sílaba puede tener de una hasta cinco letras. De acuerdo con el número de sílabas, las palabras se clasifican así: