Cuando hablamos emitimos los sonidos de las palabras agrupados en golpes de voz, sílabas. Estas divisiones en las que dividimos las palabras se agrupan en torno a una o varias vocales. En ocasiones, dos vocales juntas forman parte de la misma sílaba, y a veces, no. Cuando esto ocurre decimos que las vocales forman un diptongo. De lo contrario, las vocales forman un hiato.

                                      DIPTONGO: CUI-DA-DO           HIATO: LE-ER