Diftongul e format dintr-o vocala si o semivocala. Depinde cum sunt pozitionate.
Daca ordinea e vocala-semivocala, diftongul e descendent. Vocala e mereu pronuntata mai puternic, chiar daca nu primeste accent, iar semivocala, mai slab. Astfel, se percepe un fel de coborare, de la inalt la jos. Ca exemple, paine (a vocala, i semivocala), sau, maine, dansau, etc
Daca ordinea e semivocala-vocala, e ascendent (intonatia pare ,,sa urce"), cum e in iarba, piesa, soarta, baiat, etc