Las vocales se dividen en dos grupos, en función de los órganos de la boca para pronunciarlas. Vocales débiles o cerradas: se trata de las que mantienen una posición cerrada “i” y “u”. Vocales fuertes o abiertas: su pronunciación se hace con la boca abierta “a”, “e”, y “o”.
Esta diferenciación debe quedar clara para comprender cómo se forma un diptongo. La primera combinación para que un diptongo se forme es que una vocal fuerte vaya seguida de una vocal débil: ai, au, ei, eu, oi, ou. Esto es lo que se llaman los diptongos decrecientes. Ejemplo: paisajes, paranoico.
La segunda combinación posible para formar un diptongo es a través de la unión de una vocal débil y una vocal fuerte: ia, ie, io, ua, ue, uo. Estos son los diptongos crecientes. Ejemplo: violeta, antiguo.
La última combinación posible que permite formar un diptongo es por la unión de dos vocales débiles: iu, ui. Son los diptongos homogéneos. Ejemplo: ciudad, ruido.
En total existen 14 combinaciones diferentes que corresponden a 14 tipos de diptongos en español. Sin embargo, si una palabra tiene dos vocales fuertes, no hay diptongo. Todos los sonidos se pronuncian. Ejemplo: caer.
Cuando una de las vocales débiles está acentuada, tampoco hay diptongo, sino un hiato. Ejemplo: María, laúd.
La “h” es muda, las “h” colocadas en medio de una palabra no impiden la formación de diptongos. Ejemplo: truhán.
La “y” al final de una palabra funciona como una “i”, por eso hace que la formación del diptongo sea posible. Ejemplo: virrey, convoy.
Los diptongos siguen la regla general de la acentuación. Se acentúa sólo la vocal abierta (a, e, o). En el caso de los diptongos homogéneos, formados por dos vocales cerradas, el acento escrito se pone siempre sobre la segunda de ellas.