Дифтонг — это сочетание двух гласных звуков, образующих только один слог.
Таким образом, дифтонг состоит из двух гласных, но произносится он не как два слога, а как один.
Отсюда следует, что в дифтонге одна гласная является слоговой, а другая — неслоговой.
Все дифтонги делятся на два больших класса:
1) нисходящие дифтонги. В них первая гласная слоговая, вторая — неслоговая.
2) восходящие дифтонги. В них первая гласная неслоговая, вторая — слоговая.
Для английского языка абсолютно характерны нисходящие дифтонги. Английский язык имеет 8 различных нисходящих дифтонгов: эй, ай, ой, ау, оу, иэ, ээ, уэ.
Есть языки, для которых характерны как нисходящие дифтонги, так и восходящие. Это языки романской группы: испанский, итальянский, румынский.
В русском языке дифтонгов нет.
Русские сочетания [аj], [оj], [эj], [jа], [jо], [jэ] и тому подобные — не дифтонги, а сочетания гласного с согласным или согласного с гласным.
Звук [j] является согласным звуком.
Насколько я знаю, кроме русского, дифтонгов нет также во всех славянских языках (я не совсем уверен).