Pronúncia é habilidade motora — treine como tal

A pronúncia é memória muscular, não magia

As pessoas tratam o sotaque como um talento — ou se "tem ouvido" ou não se tem. A ciência diz o contrário. Produzir um som novo é uma tarefa motora: a língua, os lábios, o maxilar e a respiração têm de se coordenar numa escala de milissegundos, e esse mapa motor tem de ser fisicamente construído no cérebro.

Bradlow e colegas (1997, com o seguimento do lado da produção em Bradlow et al. 1999) mostraram que aprendentes japoneses podiam ser treinados para distinguir /r/ e /l/ em inglês — e os ganhos transferiam-se para a produção — através de treino focado de escuta e repetição ao longo de muitas sessões, não apenas algumas. A aprendizagem motora real mede-se em dezenas de repetições focadas ao longo de semanas, não cinco.

Porque é que a imitação sozinha não chega

Se já tentou "simplesmente imitar falantes nativos", provavelmente reparou em estagnações. O shadowing não supervisionado tende a otimizar o resultado sem corrigir o padrão motor errado — acelera o seu sotaque, não o corrige. O shadowing supervisionado, com um parceiro que assinala as repetições erradas, é uma ferramenta diferente e útil (Hamada 2017).

O que realmente funciona:

1. Treino de pares mínimos. Ouvir duas palavras que diferem num som (ship/sheep). Identificar qual é qual até a precisão atingir cerca de 95%. Só então avançar. (Este é o protocolo de treino fonético de alta variabilidade por trás dos estudos de Bradlow.)
2. Produção lenta e depois rápida. Dizer o som novo a meia velocidade, exagerado. Depois acelerar até à velocidade nativa. As primeiras repetições vão parecer ridículas. É suposto serem.
3. Feedback com espelho. Observar a própria boca enquanto um falante nativo diz a palavra. A posição da língua é frequentemente visível — e a investigação com imagens de ultrassom da língua (Bernhardt et al. 2005; Gick et al. 2008) revela que a posição da língua dos aprendentes está frequentemente errada de formas que os ouvidos nativos captam imediatamente, mas que os aprendentes não conseguem ouvir em si próprios.
4. Feedback direcionado próximo do momento do erro. Sem ele, os padrões errados tendem a consolidar-se como hábitos — o que investigadores de ASL desde Selinker (1972) chamam fossilização.

Porque é que isto importa mais do que a gramática

Os ouvintes podem classificar uma frase como tendo sotaque e ainda assim compreendê-la perfeitamente; as duas escalas separam-se no estudo clássico de Munro & Derwing (1995). Mas palavras-chave mal pronunciadas são um problema diferente — escapam completamente à compreensão. Uma frase com três pequenos erros gramaticais é inteligível. Uma frase com uma palavra-chave mal pronunciada pode ser ininteligível.

É por isso que todos os falantes com som fluente que conhece ou tiveram uma longa exposição na infância ou fizeram trabalho direcionado de pronúncia. O único terceiro caminho é a sorte — e é mais rara do que se pensa.

Como treinar sem um treinador

Se não pode pagar terapia da fala diária, combine estes elementos:

• Escolha 5 sons que a sua língua nativa não tem. Esse é o seu campo de batalha.
• Dedique 5 minutos por dia à escuta de pares mínimos. O YouGlish (um motor de busca de videoclipes de palavras ditas por falantes nativos) tem resultados gratuitos filtrados por sotaque.
• Grave-se a ler uma passagem de 1 minuto diariamente. Compare com uma versão nativa.
• Peça a qualquer parceiro de conversação — humano ou IA — para assinalar pronúncias erradas à medida que acontecem. Sem o aviso, não repara. Sem reparar, não corrige.

Este último ponto é algo que tutores de IA com capacidade de fala podem fazer em escala que parceiros humanos não conseguem sustentar (cansam-se de corrigir). TalkToDia hoje capta correções ao nível da frase em modo de aprendizagem em grupo; o feedback de pronúncia por fonema em chat e voz é um foco de curto prazo. A mudança mais ampla é real: a pronúncia está a tornar-se genuinamente treinável a partir do telemóvel.