Die Vokale sind Öffnungslaute, bei ihrer Bildung stösst der von den Stimmbändern erzeugte stimmhafte Luftstrom auf kein Hindernis im Ansatzrohr. Als Resonanzlaute, deren Klang von der Form und dem Umfang der Resonanzhöhlen des Anzatzrohrs abhängig ist, sind die Vokale Silbenträger. Sie können entweder allein oder mit den an sie angeschlossenen Konsonanten bilden.
Vokale sind reine Stimmtonlaute. Bei ihrer Hervorbringung entsteht kein Geräusch. Im Ansatzrohr werden mit Hilfe der beweglichen Sprachorgane Resonanzräume verschiedener Form gebildet. Jeder Resonanzraum hat seinen Eigenton und bewirkt einen entsprechenden Klang. Bei den Vokalen hat man es in der Regel mit drei Resonanzräumen zu tun: dem vorderen Mundraum, dem hinteren Mundraum zusammen mit dem Rachenraum und dem Resonanzraum, der durch eine Vereinigung der beiden ersten entsteht. Deshalb unterscheidet man bei jedem Vokal gewöhnlich drei Formanten (Eigentöne) mit verschiedener Tonhöhe.
Die Monophtonge(einfache Vokale) werden bei bestimmter Einstellung der Sprechorgane gesprochen, die sich im Laufe der Artikulation gleich bleibt, darum haben die Monophtonge auch eine gleich bleibende Qualität.
Die Diphtonge (Zwielaute) sind lange Vokale mit gleitender Artikulation. In der Artikulation eines Diphtongs unterscheidet man zwei Phasen: die Phase der fixierten Anfangsstellung der Sprechorgane, bei der ein Vokal bestimmter Qualität artikuliert wird – das sind entweder das kurze [a] oder das kurze offene [e]. Von dieser kurzen Anfangseinstellung gleiten die Sprechorgane, vor allem die Zunge, nach vorn (und nach oben) oder nach hinten (und nach oben), darum werden Diphtonge oft als Gleitlaute bezeichnet. Akustisch besteht Diphtong aus zwei vokalischen Elementen, die man deutlich voneinander unterscheidet.