Resposta curta: quando uma app de línguas avalia a tua pronúncia, um modelo de reconhecimento de voz descobre primeiro que sons produziste e quando, e depois compara cada som com o que um modelo de fala nativa espera para essa palavra. O resultado são normalmente várias pontuações: precisão (quão perto cada som está da referência), fluência (pausas e quebras), completude (quanto do texto disseste) e por vezes prosódia (acentuação, entoação e ritmo). São úteis para encontrar sons concretos a corrigir, mas medem a distância a um sotaque de referência, não se as pessoas te percebem. Lê-as como tendências e pistas por palavra, não como uma nota do teu nível.
Como funciona a avaliação da pronúncia, passo a passo
- Gravação. A app capta o teu áudio. Ruído de fundo e um mau microfone já afetam tudo o que vem a seguir.
- Reconhecimento e alinhamento. Um modelo de reconhecimento converte o áudio em sons prováveis (fonemas) e alinha-os no tempo com as palavras que devias dizer. Na prática livre não há texto de referência, por isso o modelo primeiro adivinha o que querias dizer.
- Comparação. Para cada fonema, o sistema estima a probabilidade de teres produzido o som esperado e não outro. A ideia vem da medida "Goodness of Pronunciation" descrita por Witt e Young (2000); os sistemas modernos usam a mesma lógica com redes neuronais.
- Agregação. As pontuações por fonema combinam-se em pontuações de palavra, frase e total, e a informação temporal dá origem à pontuação de fluência.
Os reconhecedores gerais, como o Whisper da OpenAI, são treinados para transcrever com robustez, ou seja, para tolerar sotaques. Isso é bom para perceber quem aprende, mas não para o avaliar, e por isso a avaliação da pronúncia precisa de um passo de comparação à parte.
O que mede cada pontuação de pronúncia
A avaliação de pronúncia do Azure, da Microsoft, um serviço usado para criar funcionalidades de aprendizagem de línguas, documenta publicamente as suas pontuações. É uma boa referência do que a maioria das apps mostra, mesmo com outros nomes.
| Pontuação | O que mede (definição da Microsoft) | Nível |
|---|---|---|
| Precisão | Quão perto os fonemas estão da pronúncia de um falante nativo | Fonema, palavra e texto completo |
| Fluência | Quão perto o teu uso de pausas entre palavras está do de um falante nativo | Texto completo |
| Completude | A proporção de palavras pronunciadas face ao texto de referência | Texto completo (só com guião) |
| Prosódia | Quão natural soa a fala: acentuação, entoação, velocidade e ritmo | Texto completo |
| Total | Combinação ponderada das anteriores | Texto completo |
As pontuações vão de 0 a 100 (ou de 0 a 5). A documentação da Microsoft, verificada a 10 de novembro de 2026, indica ainda que a avaliação da prosódia só existe para inglês dos EUA, uma das razões pelas quais o feedback de prosódia é mais raro noutras línguas.
O que as pontuações não te dizem
Ter sotaque não é o mesmo que não ser percebido
A investigação sobre a fala em línguas segundas distingue três coisas: o grau de sotaque (quão diferente soas), a compreensibilidade (quão fácil é perceber-te) e a inteligibilidade (quanto os ouvintes percebem de facto). Num estudo clássico, Munro e Derwing (1995) verificaram que um sotaque estrangeiro forte não torna necessariamente a fala menos inteligível. Uma pontuação que mede a distância a um modelo nativo reflete sobretudo o sotaque, por isso um "70" pode ser perfeitamente claro para ouvintes reais.
O sotaque de referência é uma escolha
"Pronúncia nativa" num modelo significa normalmente uma única variedade, como o inglês dos EUA ou o português do Brasil. Se aprendes outra variedade, sons corretos podem ser marcados como erros.
Os reconhecedores não são igualmente precisos com todos
O reconhecimento de voz continua a errar mais com alguns grupos de falantes. Um estudo na PNAS (Koenecke et al., 2020) concluiu que cinco sistemas comerciais tinham uma taxa média de erro por palavra de 0,35 para falantes negros contra 0,19 para falantes brancos. Alguns sotaques de quem aprende podem ser penalizados pela mesma razão.
Frases curtas dão pontuações instáveis
Uma palavra ou uma frase curta dão pouca informação ao modelo, por isso a pontuação pode variar entre tentativas mesmo que digas o mesmo da mesma maneira.
Como usar as pontuações sem frustração
| Em vez de... | Faz isto |
|---|---|
| Perseguir 100 numa frase | Acompanha a tua média semanal em muitas frases |
| Ler só a pontuação total | Abre a vista por palavra ou som e encontra o som assinalado repetidamente |
| Repetir a mesma frase 20 vezes | Corrige um som e usa-o em frases novas |
| Tratar a pontuação como o teu nível | Testa a compreensão real: uma pessoa ou um assistente de voz percebe-te à primeira? |
| Praticar numa sala barulhenta | Usa auscultadores com microfone num sítio sossegado |
A pronúncia também melhora pela escuta. O shadowing (repetir áudio nativo em tempo real) treina o ritmo e a acentuação, que as pontuações por palavra raramente captam.
Escolher uma app pelo que mede
As apps diferem em quanto disto mostram. As especialistas em pronúncia, como o ELSA Speak, focam-se em pontuações por som (vê a nossa análise do ELSA Speak). As tutoras de conversação focam-se mais na fluência ao falar livremente: a Enverson AI, por exemplo, mostra medições separadas de vocabulário, gramática, ritmo, fluência e bordões depois de uma sessão de Free Talk. Se te pedem muitas vezes para repetir, começa por uma ferramenta por som; se te percebem mas falas devagar, dá prioridade à fluência. A nossa metodologia explica como testamos o reconhecimento de voz nas análises.
Perguntas frequentes
Como é que as apps de línguas avaliam a pronúncia?
Usam reconhecimento de voz para identificar os sons que produzes, alinhá-los com as palavras que devias dizer e comparar cada som com um modelo de fala nativa. As comparações combinam-se em pontuações de precisão, fluência, completude e por vezes prosódia.
Porque é que a minha pontuação muda sempre?
Frases curtas dão pouca informação ao modelo, e pequenas diferenças de ruído, distância ao microfone ou ritmo mudam o resultado. Olha para médias de muitas frases e não para tentativas isoladas.
Uma pontuação baixa significa que não me percebem?
Não necessariamente. As pontuações medem a distância a um sotaque de referência. A investigação mostra que um sotaque notório nem sempre reduz o quanto te percebem.
O que é uma pontuação de prosódia?
A prosódia abrange acentuação, entoação, velocidade e ritmo. A avaliação de pronúncia da Microsoft, por exemplo, só oferece prosódia para inglês dos EUA.
O feedback de pronúncia com IA é preciso para todos os sotaques?
Nenhum sistema é igualmente preciso para todos. Os estudos encontraram taxas de erro mais altas para alguns grupos, por isso trata as pontuações como pistas e confirma-as com ouvintes reais.
Fontes
- Microsoft Learn: Use pronunciation assessment (verificado a 10 de novembro de 2026)
- Witt e Young (2000), Phone-level pronunciation scoring and assessment for interactive language learning, Speech Communication
- Munro e Derwing (1995), Foreign accent, comprehensibility, and intelligibility, Language Learning
- Koenecke et al. (2020), Racial disparities in automated speech recognition, PNAS