Esto corresponde a una articulación en que la lengua se mueve entre distintos puntos durante la emisión del diptongo.Cuando hay vocales juntas en una misma palabra, podemos estar ante 3 casos distintos: diptongo, hiato o triptongo.En español dos vocales en contacto se articulan como diptongo cuando: Si bien los diptongos más frecuentes son los primeros (cianuro y terapeuta son ejemplos), también aparecen con recurrencia aquellos formados por dos vocales cerradas, como en el caso de ruiseñor o ciudad.[4] En algunas variedades de español existen más palabras con diptongo que en otras variedades, y así, en español de México, el Caribe, el Cono Sur y otros muchos lugares, es frecuente oír que palabras donde, según la escritura, concuerdan dos vocales abiertas, como en toalla o asear, se articulen como [ˈto̯aʝ̞a~ˈtu̯aʝ̞a] o [aˈse̯aɾ~aˈsi̯aɾ], mientras que en variedades más conservadoras se mantiene el hiato.Del mismo modo, se han de escribir sin tilde tanto miel (palabra monosilábica en la que el énfasis cae en el grupo vocálico ie) como riel (palabra bisilábica en la que el énfasis cae en la vocal e).Igualmente, el vocablo rehuir, que formalmente puede ser tanto un bisílabo como un trisílabo para la RAE, se suele pronunciar en tres (por lo menos en el norte de España): *re-hu-ír.En latín clásico solo existían tres diptongos decrecientes AU, AE~Æ, OE~Œ [au̯, ae̯, oe̯] en palabras nativas y en préstamos griegos se daban también EU, EI (Eurōpa, Eirenē).En latín arcaico habrían existido seis diptongos decrecientes /*ai, *au, *ei, *eu, *oi, *ou/ aunque muchos de estos monoptongaron: /*eu, *ou/ > /ū/ (*leuks > lūx 'luz',*louksna > lūna 'luna'), mientras que otros sufrieron abertura del elemento semivocálico /*ai, *oi/ > [ae̯, oe̯].Sin embargo, la pérdida de diferencia de la distinción fonológia entre vocales largas y breves que se dio en el protorromance, hizo aparecer nuevos diptongos en las lenguas romances (ver reducción y estabilización del vocalismo tónico), esto se dio fundamentalmente en sílabas tónicas.
