Vocal, en el habla humana, sonido en el que el flujo de aire de los pulmones pasa a través de la boca, que funciona como una cámara de resonancia, con una obstrucción mínima y sin fricción audible; por ejemplo, la i de «fit», y la a de «pack». Aunque normalmente se producen con cuerdas vocales que vibran, las vocales pueden pronunciarse sin dicha vibración, dando lugar a un sonido sin voz, o susurrado. Desde el punto de vista de la fonética articulatoria, las vocales se clasifican según la posición de la lengua y los labios y, a veces, según si el aire sale o no por la nariz.
Una vocal alta (como la i de «machine» y la u de «rule») se pronuncia con la lengua arqueada hacia el paladar. Una vocal baja (como la a en «padre» o «tenía») se produce con la lengua relativamente plana y baja en la boca y con la boca abierta un poco más que para las vocales altas. Las vocales medias (como la e en «bed» y la o en «pole») tienen una posición de la lengua entre los extremos de la alta y la baja.
Las vocales altas, medias y bajas también se clasifican según una dimensión de adelante hacia atrás. Una vocal anterior se pronuncia con la parte más alta de la lengua empujada hacia delante en la boca y algo arqueada. La a de «had», la e de «bed» y la i de «fit» son vocales anteriores. Una vocal posterior -por ejemplo, la u de «rule» y la o de «pole»- se produce con la parte posterior de la lengua levantada hacia el paladar blando (velum).
La forma y posición de los labios proporciona una tercera dimensión articulatoria por la que se clasifican las vocales. Los labios pueden ser redondeados o extendidos, en lo que se llama labialización.
Los rasgos articulatorios adicionales que describen la articulación de las vocales son «ancho» y «estrecho», «tenso» ( fortis) y «laxo» (lenis). Amplio y estrecho se refieren a la posición de la raíz de la lengua. Para formar una vocal estrecha, la raíz de la lengua se retrae hacia la pared faríngea y la faringe se estrecha. Para formar una vocal ancha, la raíz de la lengua se adelanta de manera que la faringe se expande. Las vocales tensas y laxas son términos menos definidos. Las vocales tensas se articulan con un mayor esfuerzo muscular, posiciones de la lengua ligeramente más altas y duraciones más largas que las vocales laxas.
Todas las vocales se pueden dividir en dos categorías principales: diptongos y monotongos. Los diptongos son vocales deslizantes en cuya articulación hay una transición continua de una posición a otra. Los diptongos se diferencian de las llamadas vocales puras o monotonales, es decir, de las vocales inmutables o estables. Aunque se trata de un solo sonido del habla, los diptongos suelen representarse, en la transcripción fonética del habla, mediante un par de caracteres que indican las configuraciones inicial y final del tracto vocal. Muchos de los sonidos vocálicos en la mayoría de los dialectos del inglés son diptongos; por ejemplo, las vocales de «out» y «ice», respectivamente.
Las semivocales son sonidos que se producen de la misma manera que las vocales pero que se utilizan y perciben como consonantes. Algunos ejemplos son la y de «bostezo» y la w de «paseo».