Para efectos de acentuación gráfica (es decir, en cuestiones de escribir o no una tilde), se considera la combinación ui siempre diptongo independiente de la realización verdadera sea esa /wi/ /uj/ o /u.i/.
Eso es porque si tildamos la i en una palabra como huida, todavía tenemos un diptongo (u débil con i ahora fuerte). En una palabra como caída, la tilde rompe el diptongo porque ahora tenemos una a (siempre fuerte) y una i hecha fuerte con la tilde. Dos vocales fuertes forman hiato y se pronuncian en sílabas diferentes.
Simplemente hay que memorizar la silabificación de estas palabras. No solo ocurre, de hecho, con palabras con ui. Si tenemos una combinación diptongada en que no recae el acento de la palabra, es imposible saber por la escritura si es diptongo verdadero (normal) o un llamado hiato excepcional, hecho más complicado por diferencias dialectales.
Yo pronuncio la palabra enviar en tres sílabas con hiato excepcional /em.bi'ar/ como es característica de la pronunciación peninsular. Pero en partes de Latinoamérica es fácil encontrar con diptongo /em'bjar/. No es posible marcar con tilde porque el acento tiene que recaer en la última sílaba, tildando la i para hacer hiato pondría el acento en el interior de la palabra: /em'bi.ar/ que no tiene sentido en la mayoría de las formas pero sí en algunas formas del presente y del imperativo. Lo mismo ocurre en palabras como evaluar, etcétera.
