Edellisessä kohdassa käsiteltiin tavurajaa kolmen peräkkäisen vokaalin tapauksessa. Tässä tarkastellaan sitä, milloin kaksi peräkkäistä vokaalia muodostavat diftongin ja milloin ne kuuluvat eri tavuihin. Kieliopit ja kielenoppaat tuntuvat esittävän asian kierrellen kaarrellen. Ehkä syynä on se, että ei todellakaan tiedetä, äännetäänkö sellaiset sanat kuin keon yksi- vai kaksitavuisina, ja lisäksi ääntämys voi vaihdella. Joku ehkä ääntää sanan hien yksitavuisena, joku kaksitavuisena, mahdollisesti ajatellen sitä, että vokaalienvälisen k:n kato astevaihtelussa (hiki : hien) ei saisi muuttaa tavumäärää. Asia voi olla ongelmallinen etenkin niille, jotka haluvat puhua luontevaa suomea, vaikka suomi ei ole heidän äidinkielensä.
Voidaan myös kysyä, miten havaittava ero diftongin ja kahden erillisen vokaalin välillä on. Diftongihan voidaan kuvata äänteenä tai äänneyhdistelmänä, jossa aletaan ääntää jotakin vokaalia ja ääntämys sitten muuttuu toiseksi vokaaliksi, liukuen, ilman selviä vaiheita tai rajoja. Voiko vokaalia seurata suoraan toinen liukumatta ilman, että välissä on jonkinlainen katkos ilmavirrassa – siis jonkinlainen konsonantti?
Diftongin ja kahden erillisen vokaalin ero tuleekin selvästi esille oikeastaan vain silloin, kun vokaalien kuuluminen samaan tavuun tai eri tavuihin vaikuttaa sanan kokonaisrakenteeseen havaittavalla tavalla. Niinpä se, äännetäänkö sana pelastautua diftongillisena vai ei, ilmenee lähinnä sivupainon sijainnista: jos a ja sitä seuraava u kuuluisivat eri tavuihin, sanan kolmas tavu olisi lyhyt (ta), jolloin yleisen sivupainosäännön mukaan sivupaino tulisi sitä seuraavalle tavulle (u).
Vanhojen kielioppien mukaan suomen diftongit ovat ei öi äi oi ai ey öy äy eu ou au yi ui iy iu. Nykyisin tulkinta on laveampi; muitakin diftongeja voi olla toisaalta k:n astevaihtelun takia (esimerkiksi haen), toisaalta vierasperäisissä sanoissa (esimerkiksi piano). Iso suomen kielioppi kuvailee tätä (§ 22), mutta ei esitä luetteloa mahdollisista diftongeista eikä yleisiä sääntöjä, josta voisi päätellä, mitkä diftongit ovat mahdollisia. Ilmeisesti jopa vokaalisointua rikkovia diftongeja voi esiintyä (esimerkiksi sanassa hyasintti).
Tavurajalla ei yleensä liene foneeminluonteista merkitystä yhdistämättömissä sanoissa. Voisi kuitenkin kuvitella, että esimerkiksi lainasanan tao genetiivi taon ääntyisi eri tavalla (yksitavuisena) kuin takoa-verbin muoto taon, johon voi ajatella tavurajan: astevaihtelussa k katoaa, mutta ei tavuraja. Pitäisikö siis jälkimmäinen sana kirjoittaa aiemmin käytettyyn tapaan ta’on?
Vaikka siis foneemiperiaatteen ei voi sanoa vaativan tavurajan merkitsemistä, merkitseminen auttaisi kielenoppijoita ja olisi omiaan edistämään ääntämisen yhtenäisyyttä. Äärimmäistä merkitsemistä olisi, että osoitettaisiin jollakin yhtenäisellä tavalla, milloin peräkkäiset vokaalit muodostavat diftongin ja milloin eivät. Nykyisinhän säännöt ovat varsin mutkikkaat, joskaan suomea äidinkielenään oppineet eivät yleensä sellaisia sääntöjä tarvitse, vaan osaavat asian ”vaistomaisesti”. Suomea muutoin oppiville asia voi olla varsin ongelmallinen. Siihen ei ehkä siksi ole kiinnitetty paljoakaan huomiota, että väärä ääntämys tuskin koskaan häiritsee ymmärtämistä. Lisäksi kuten edellä mainittiin ääntämys vaihtelee etenkin silloin, kun kaksi vokaalia on peräkkäin astevaihtelun (k:n kadon) takia.
Yksinkertainen menettely olisi, että kahden vokaalin välissä on aina heittomerkki, jos ne eivät kuulu samaan tavuun (esimerkiksi usko’a). Toinen vaihtoehto olisi, että kahden vokaalin kuuluminen samaan tavuun aina osoitettaisiin jollakin kirjoituksessa näkyvällä tavalla. Kumpikin vaikuttaisi hyvin moniin sanoihin eikä varmaankaan olisi useimpien suomenpuhujien mielestä mitenkään tarpeellista.
Vanhojen kielioppien mukaan yhdistämättömässä sanassa ei esiinny muualla kuin ensimmäisessä tavussa muita vokaaleja kuin i-, u- ja y-loppuisia. Tämä sääntö ei kerro, ovatko kaikki i- ja u-loppuiset vokaaliyhdistelmät diftongeja. Tavallisin ääntämys lienee sellainen, että sanassa rakkaus ei ole diftongia, mutta sen taivutusmuodossa rakkauden on. Tällaiset ilmiöt ovat oikeastaan sanojen taivutuskaavoihinkin vaikuttavia asioita.
Vierasperäisissä sanoissa on sellaisia tapauksia kuin ateismi: i-kirjain ei muodosta diftongia edeltävän vokaalin kanssa. Tätä ei voi päätellä kirjoitusasusta eikä yleisistä säännöistä, vaan ääntämys vain on muodostunut tällaiseksi, ehkä siksi, että ääntämys [a.teis.mi] on hankala (lyhyiden tavujen välissä pitkä painoton tavu) ja [a.te.is.mi] paljon helpompi.
Toisaalta toisessa ja myöhemmissä tavuissa on muutamia säännön kieltämiä diftongeja, ainakin sanassa lampuoti ja -niekka-loppuisissa sanoissa. Lisäksi yhdyssanan jälkiosassa tietysti voi olla mitä hyvänsä diftongeja, joita kielessä ylipäänsä on. Tässä on yksi syy, jonka takia yhdyssanat olisi hyvö kirjoituksessa selvästi osoittaa yhdyssanoiksi: lukija ei aina tiedä tai huomaa, että kyseessä on yhdyssana, ja lukee siksi diftongin kahdeksi erilliseksi vokaaliksi.
Kun halutaan kirjoituksessa esittää tavurajat esimerkiksi lukemisen opetuksessa tai kielitieteessä sanoja kuvattaessa käytetään usein yhdysmerkkiä, esimerkiksi va-li-tet-ta-va. Yhdysmerkki tarkoittaa normaalissa kirjoituksessa kuitenkin yhdysosien rajaa. Muun muassa kansainvälisessä foneettisessa aakkostossa (IPA) ja Isossa suomen kieliopissa käytetään pistettä, esimerkiksi va.li.tet.ta.va. Etuna on, että sanansisäistä pistettä ei käytetä suomen normaalissa kirjoituksessa.
Esimerkiksi sanakirjoissa ja termisanastoissa voi olla perusteltua osoittaa ääntämyksen tavurakenne, jos se poikkeaa yleisistä säännöistä. Tällöin on selvintä käyttää edellä mainittua pistemerkintää hakasulkeiden sisällä, koska hakasulkeilla usein osoitetaan, että kyse on ääntämistiedosta eikä sanan normaalista kirjoitusasusta. Esimerkki: ateismi [a-te-is-mi].
Etenkin jos sanan kirjoitusasu sisältää vieraita kirjaimia, jotka ovat konsonanttiyhdistelmien merkkejä, voi olla välttämätöntä esittää ääntämys erillisenä. eikä yrittää osoittaa tavurajoja merkinnöillä normaalin kirjoitusasun sisällä. Esimerkiksi nimen Alexander foneettista tavurakennetta ei voi esittää kirjoituksessa Kielikello-lehdessä julkaistussa ohjeessa Alexander-nimen tavutus on kuitenkin päädytty outoon ratkaisuun:
Etenkin varhaiskasvatuksessa sanojen rytmittämistä harjoitellaan myös taputus- tai hyppimisleikkien avulla, suullisesti. Sellaisessa tilanteessa ääneen lausuttaessa Alexander-nimellä on suomeksi kaksi mahdollista rytmitystä: ”a-lek-san-der” ja ”a-le-ksan-der”.
Rytmitys, jossa sanansisäinen tavu (yhdistämättömässä sanassa) alkaa ks-yhdistelmällä, on tietysti mahdoton suomessa.