Se forma un diptongo cuando dos vocales se unen en una sola sílaba. El diptongo puede estar formado por una vocal abierta (a, e, o) y otra cerrada (i, u), o viceversa: cai-mán, de-li-cia, boi-na, jau-la, o bien, por dos vocales cerradas: Luis, ruido. La h intercalada entre dos vocales no significa que no pueda haber diptongo. Unas veces lo habrá: ahi-ja-do, ahu-ma-do, prohi-bir, y otras no: bú-ho, tru-hán.
Si el diptongo está en una sílaba acentuada, el acento recaerá siempre en la vocal abierta: es-táis, pei-ne. En los diptongos formados por vocales cerradas, el acento se sitúa en la segunda: cuí-da-te, je-sui-ta.
La unión de tres vocales en una sola sílaba forma un triptongo. La vocal que ocupa el lugar central y que se pronuncia con mayor intensidad siempre es abierta, las laterales son cerradas: viei-ra, lim-piáis.
Cuando la vocal i de un diptongo o un triptongo aparece al final de palabra se convierte en una y: Rey, buey, con-voy, Pa-ra-guay.
Dos vocales en contacto que pertenecen a sílabas diferentes reciben el nombre de hiato; es decir, hiato es lo contrario de diptongo: hoy es un ejemplo de diptongo; oí es un ejemplo de hiato.
El hiato puede estar formado por una vocal abierta (a, e, o) y otra cerrada (i, u), o viceversa: Ma-rí-a, pi-a-no, Ra-úl; por dos vocales abiertas: pa-se-o, Ja-én; o por dos cerradas: cons-tru-ir.