Les moines de Gyutö sont des spécialistes du chant diphonique (Throat-Singing ou Overtone-Singing). C'est une technique de chant permettant de produire plusieurs sons à la fois. Celui-ci se caractérise par l'émission conjointe de deux sons, l'un dit son fondamental ou bourdon, qui est tenu à la même hauteur tout le temps d'une expiration, ("voix de buffle") pendant que l'autre varie au gré du chanteur. Ainsi, une personne parvient à chanter à deux voix simultanément. Ce son harmonique a un timbre proche de celui de la flûte ou de celui de la guimbarde.

La technique du chant diphonique est répandue principalement autour du Mont d'Altaï en Haute Asie parmi notamment les Mongols et aussi chez les moines tibétains des monastères de Gyütö et Gyüme. Par ailleurs, de rares traces ont été découvertes en Inde, au Rajasthan, en Afrique du Sud.

Dans les monastères de Gyütö et Gyüme, le chant des tantras (écritures bouddhiques), et des mantras (formules sacrées), les mudras (gestes des mains), et des techniques permettant de se représenter mentalement des divinités ou des symboles se pratiquent régulièrement.

D'après la tradition, c'est le fondateur de l'une des quatre écoles du bouddhisme tibétain, Tsong Khapa. (1357-1419) qui aurait introduit le chant diphonique et le style de méditation pratiqués dans les monastères Gyüto.

Il est dit que le chant des moines Gyutö correspond à l'élément Feu. Ceux qui entendent pour la première fois un cérémonial tibétain ont l'impression d'être " ailleurs ", dans le monde subtil de l'harmonie de l'esprit. Par la répétition de phonèmes, les moines créent un état d'esprit particulier où le son devient support de méditation.

Le monastère de Gyutö, créé au Tibet central en 1474, accueillait des élèves venus du Tibet, de Mongolie, de Kalmoukie, de Bouriatie et de l'ensemble des régions himalayennes. Aujourd'hui reconstruit dans l'extrême Nord-Est de l'Inde, le monastère accueille plus de 400 moines et des " Gueshé " (docteurs en philosophie) pour parfaire leur formation tantrique.