Practicar pronunciación con una voz sintética: para qué sirve y para qué no
Escuchar, hacer shadowing, grabarte y comparar: el ciclo completo con una voz de síntesis. Para qué sirve de verdad —el acento de la palabra, el habla encadenada, una referencia de algo que solo has leído— y por qué no sustituye el juicio de un nativo sobre tu acento.
La síntesis de voz de los móviles ha mejorado tanto en los últimos años que ya no es aquella voz de robot con la que se hacían bromas. Eso la convierte en una herramienta de estudio razonable, siempre que tengas claro qué te puede dar y qué no. Lo primero es bastante más de lo que la gente supone; lo segundo también.
El ciclo que funciona: escuchar, imitar, grabarte, comparar
Escuchar por escuchar no cambia tu pronunciación. Lo que la cambia es un ciclo corto con una comparación al final, y son cuatro pasos que caben en cinco minutos.
- Escucha la frase entera dos veces sin decir nada. La primera para entenderla, la segunda para fijarte solo en el sonido: dónde caen los golpes, dónde se acelera, dónde se para.
- Haz shadowing. Reprodúcela y habla a la vez que la voz, medio segundo por detrás, sin esperar a que termine. Es incómodo al principio y es justo la incomodidad que hace el trabajo: te obliga a copiar el ritmo, que es lo que no se aprende leyendo.
- Grábate diciendo la frase tú solo. La grabadora del teléfono basta. Este paso es el que casi todo el mundo se salta y es el único que aporta información nueva.
- Escucha las dos versiones seguidas. No busques todos los fallos: busca uno. Normalmente lo que salta es dónde has puesto el acento, o que has pronunciado enteras unas sílabas que la voz comprime.
Ese último punto merece un aviso: oírte grabado es desagradable la primera vez, para todo el mundo y en cualquier idioma. Suena raro porque estás acostumbrado a tu voz conducida por los huesos del cráneo, no por el aire. Pasa pronto, y esa grabación es la única forma de saber qué estás diciendo realmente, en lugar de lo que crees que dices.
Para qué sirve de verdad una voz sintética
Tres cosas, y son tres cosas valiosas.
La primera es la colocación del acento. Cuando una palabra la has leído pero no la has oído nunca, tu cabeza le pone un acento inventado, casi siempre calcado del español, y ese acento inventado se fosiliza rápido. Oírla una vez antes de que eso pase te ahorra años de corrección. Es probablemente el uso más rentable del TTS y el que menos se aprovecha.
La segunda es el habla encadenada. Escrito ves cuatro palabras separadas; dicho oyes un bloque en el que las palabras se pegan, algunos sonidos desaparecen y las sílabas sin acento se reducen. Ese fenómeno es la causa principal de que entiendas un texto escrito sin problema y no entiendas nada cuando alguien lo dice. Escuchar frases completas —no palabras sueltas— es lo que entrena el oído para esto, y por eso conviene reproducir la frase entera y no solo la palabra nueva.
La tercera es tener una referencia disponible en el momento de conocer la palabra. Ahí es donde una app de vocabulario aporta algo que un diccionario en papel no puede: en Lexi puedes escuchar tanto una palabra suelta como la frase completa, y la voz es la síntesis que ya lleva tu propio dispositivo, así que funciona también sin conexión. Junto a la transcripción en AFI que aparece al tocar la palabra, tienes las dos mitades del asunto: el símbolo te dice qué sonido es y la voz te dice cómo suena.
Para qué no sirve
Y ahora los límites, que son importantes. Una voz sintética es una voz sintética: no juzga tu acento, no te dice qué estás haciendo mal y no sabe que existes. Comparar tu grabación con ella te da una señal, pero la señal la interpretas tú, y detectar en qué se diferencian dos sonidos parecidos es precisamente lo que a un principiante le cuesta. Para eso hace falta un oído externo, sea un profesor, un intercambio de idiomas o alguien que te corrija.
Tampoco es una autoridad absoluta sobre la lengua. La síntesis lee lo que se le da, y con palabras poco frecuentes, nombres propios, siglas u homógrafos —esas palabras que se escriben igual y se dicen distinto según sean verbo o sustantivo— puede equivocarse. Si algo te suena extraño, contrástalo con la transcripción del diccionario antes de aprenderlo así.
Y una tercera limitación: la entonación de una frase aislada no es la de una conversación. Una voz de síntesis lee una frase de forma neutra, sin la ironía, la duda o el énfasis que un hablante real pondría. Sirve para el acento de las palabras y para el encadenamiento; para la melodía de la conversación hace falta escuchar a personas.
Decirlo en voz alta te ayuda a recordarlo
Hay un motivo para pronunciar las palabras que no tiene nada que ver con pronunciar bien. Al decir una palabra en voz alta le añades una representación motora y auditiva a la que ya tenías escrita, y una palabra guardada en varios formatos tiene más caminos por los que volver cuando la buscas. En la literatura sobre memoria a esto se le suele llamar efecto de producción: el material que se dice en voz alta se recuerda mejor que el que solo se lee en silencio.
Es un efecto modesto y hay discusión sobre en qué condiciones aparece, así que no lo trates como una técnica milagrosa. Pero es prácticamente gratis: leer en voz alta las frases que estudias, en lugar de recorrerlas con los ojos, no te cuesta tiempo extra y trabaja dos cosas a la vez. Si estudias en el metro y no puedes hablar, mover los labios sin sonido ya recoge una parte del efecto, y aun así merece la pena escuchar.
Un último consejo práctico: no persigas el acento perfecto. El objetivo razonable es que te entiendan sin esfuerzo, y para eso pesa muchísimo más colocar el acento de la palabra donde va y respetar el ritmo de la frase que clavar cada vocal. Se puede tener acento español marcado y ser perfectamente claro; se puede tener vocales impecables y no ser entendido porque acentúas la sílaba equivocada.
Preguntas frecuentes
¿Sirve la voz sintética para aprender pronunciación?
Sirve para tres cosas concretas: saber dónde cae el acento de una palabra que solo habías leído, oír cómo se encadenan las palabras dentro de una frase, y tener una referencia inmediata en el momento de conocer un término. No sirve para juzgar tu propio acento, porque no te escucha ni te corrige, y con palabras raras, siglas o nombres propios puede equivocarse. Como referencia es útil; como profesor, no lo es.
¿Qué es el shadowing y cómo se hace?
Es hablar a la vez que un audio, medio segundo por detrás, sin esperar a que termine la frase. Se hace con material corto que ya entiendes, repitiendo la misma frase varias veces hasta que puedas seguirla sin tropezar. Lo que entrena, y por eso es tan útil, es el ritmo y el encadenamiento del habla, que son justo las dos cosas que no se aprenden leyendo transcripciones ni estudiando sonidos por separado.
¿Por qué me suena horrible mi voz al grabarme?
Porque cuando hablas te oyes en parte a través de los huesos del cráneo, que transmiten mejor las frecuencias graves, y la grabación solo recoge lo que viaja por el aire. La voz grabada es la que oyen los demás; la que tú percibes es la excepción. Es desagradable las primeras veces y luego deja de serlo, y es imprescindible: sin grabarte no tienes forma de comparar lo que dices realmente con el modelo.
¿Es mejor escuchar palabras sueltas o frases enteras?
Las dos cosas, pero por razones distintas. La palabra suelta te da su forma canónica y su acento, que es lo que necesitas para no fosilizar una pronunciación inventada. La frase entera te enseña cómo cambia esa palabra al meterse entre otras: se encadena, pierde sonidos y sus sílabas átonas se reducen. Si solo escuchas palabras aisladas, entenderás listas de palabras y seguirás sin entender a la gente hablando.
¿Decir las palabras en voz alta ayuda a memorizarlas?
Parece que sí, de forma modesta. Se le llama efecto de producción: el material que se pronuncia en voz alta tiende a recordarse mejor que el que solo se lee en silencio, probablemente porque queda guardado también en forma motora y auditiva y no solo visual. Hay discusión sobre en qué condiciones exactas aparece, así que no conviene tratarlo como una técnica milagrosa, pero es un hábito que no cuesta nada añadir a lo que ya estás haciendo.
Prueba el método diez minutos
Lexi te da una frase corta en inglés cada vez, con exactamente una palabra que no conoces: tócala para ver el AFI y el significado, tócala otra vez para la traducción, y escucha cualquiera de las dos en voz alta. La biblioteca está en tu móvil, así que funciona sin cobertura, y no hay cuenta que crear. Treinta frases al día, todas las listas y todos los idiomas del diccionario son gratis.