Дифто́нг (др.-греч. δί-φθογγον, δί-φθογγος от др.-греч. δίς (δῐ-) — «дважды», «двукратно» и φθόγγος — «голос», «звук», буквально — «с двумя звуками» или «с двумя тонами») — звуки, артикуляция которых подразумевает переход от одного гласного звукотипа к другому. Обычно в составе дифтонгов один из компонентов является слоговым, а прочие — нет. Если слоговым является первый компонент, то такой дифтонг называется нисходящим, если второй — восходящим. В роли неслоговых компонентов чаще всего выступают неслоговые соответствия закрытым гласным, то есть [w] и [j], например в английском «kite» ([kaɪt], «воздушный змей»), «low» ([loʊ], «низкий»); однако встречаются и другие варианты, например в древнеанглийском языке были нисходящие дифтонги [æa] и [æo]. Изредка встречаются равновесные дифтонги, например, в латышском или нивхском языке.

Следует различать фонетические и фонологические дифтонги. Так, фонетически дифтонгами являются, например, звуковые комплексы в конце русских слов «сильный», «большой», но фонологически их следует анализировать как сочетания гласного с согласным /j/. В каждом случае анализ зависит от конкретного языка.

На письме часто обозначаются диграфами — устойчивыми сочетаниями двух букв, читаемыми одинаково практически во всех случаях. При этом произношение букв не всегда совпадает с их чтением согласно алфавиту. Например, в немецком языке есть дифтонг ⟨eu⟩. Согласно алфавиту, «е» обозначает звук «э», а «u» обозначает звук «у», но дифтонг произносится как «ой»: Euro (евро) произносится как [`ойро].

В большинстве языков мира дифтонгов нет.