Kaksisävyt ovat vokaalityyppejä, joissa kaksi vokaaliääntä yhdistetään jatkuvalla, liukuvalla liikkeellä. Niitä kutsutaan usein liukuviksi vokaaleiksi. Useimmilla kielillä on useita diftoneja, vaikka määrä vaihtelee suuresti, vain yhdestä kahteen viiteentoista tai enemmän.
Vokaali on erityinen äänityyppi, jolle on ominaista ilmavirran täydellisen esteen puute. Vokaaleja voidaan verrata konsonantteihin, jos tällainen este on olemassa. Kun ilmaa tulee ulos, kun puhut konsonanttia, paine kasvaa, kun ilmavirta on rajoitettu. Vokaalia puhuttaessa ei muodostu painetta, ääni muodostuu yksinkertaisesti kielen asennon mukaan.
Vokaaleille on yleensä tunnusomaista kolme eri kriteeriä: kielen sijainti suussa suhteessa suun kattoon (korkeus), kielen sijainti joko suun etu- tai takaosassa (selkä) ja muoto huulet vokaaliäänen aikana (pyöristyminen). On muitakin asioita, jotka voivat luonnehtia vokaaleja, mutta ne eivät ole kovin yleisiä englannissa – esimerkiksi kielen juuren asema vaikuttaa harvoin englantilaisiin vokaaleihin, vaikka ne vaikuttavat vokaaleihin monilla afrikkalaisilla kielillä.
Kun vokaalit tulevat yhteen, ne voivat olla joko kahta erillistä tavua tai yhdistyä yhdeksi tavuksi. Kun ne yhdistyvät, ne muodostavat diftongit. Jos ne pysyvät erillään, ne ovat yksinkertaisesti kaksi monoftongia. Esimerkki kahdesta yksitavaisesta vokaalista voidaan nähdä sanassa triage, jossa i ja a lausutaan kumpikin erikseen. Esimerkki diftongista voidaan nähdä sanassa hiiri, jossa sanan ou -osa koostuu ilmeisesti kahdesta erillisestä vokaalista, mutta näiden kahden välillä ei ole tavujakoa.
Diftongeilla voidaan yleensä nähdä kaksi erillistä osaa-ydin ja liukumäki. Diftongin ydin on vokaali, joka on eniten korostunut ja muodostaa äänen keskipisteen, kun taas liukumaton on vokaali, joka näyttää virtaavan ydinvokaaliin tai pois.
Standardin englannin kolme suurta diftongia, jotka tunnetaan foneemisina diftongeina, ovat ai, aw ja oy. Kaikki nämä kaksi diftongia ovat hyvin yleisiä, ja monet ihmiset ajattelevat niitä vain yksittäisinä vokaaleina joissakin yhteyksissä. Esimerkiksi englanninkielisessä ratsastuksessa i kirjoitettaisiin foneettisesti ai. Vaikka se näkyy kirjoituksessamme yhtenä kirjaimena, se koostuu itse asiassa kahdesta vokaalista – jos sanot sanan, sinun pitäisi pystyä kuulemaan nämä kaksi. Samoin sana miten sisältää diftongin aw lopussa ja sana poika sisältää diftongin oy.
Muita tavallisen englannin kaksisävyjä ovat ei -ääni sanassa fame tai a -kirjaimen ääntäminen ja ou -ääni sanassa puhelin. Muilla kielillä on paljon enemmän diftoneja lukuun ottamatta näitä, ja muilla englannin murteilla voi olla myös enemmän diftoneja. Kielet, kuten suomi, sisältävät lähes kaksikymmentä diftongia, kun taas englannin vastaanotetun ääntämisen murreessa on noin viisi ylimääräistä diftongia, joita ei löydy tavallisesta englannista.
Diftongien ja monoftongien lisäksi on olemassa myös niin kutsuttuja triptongit. Nämä ovat samanlaisia kuin diftongit, mutta sen sijaan, että siirrytään yksinkertaisesti vokaaliäänestä toiseen, lisätään myös kolmas ääni.