O que é um ditongo e por que ele incomoda quem trabalha com dados
Ditongo é a junção de dois fonemas vocálicos na mesma sílaba. Perto é o exemplo clássico: o "ei" forma um ditongo crescente. Isso não é novidade para ninguém que já estudou o básico de português, mas o problema real começa quando você tenta automatizar esse processo. Sistemas simples contam grafias e não fonemas, o que gera ruído em qualquer pipeline que dependa de segmentação silábica ou normalização textual. Cadeira é ditongo — essa frase aparece com frequência em listas de discussão técnicas porque resume um erro comum. A palavra é dividida erroneamente como ca-dei-ra em sistemas ingênuos de separação silábica, quando o correto é ca-dei-ra apenas se o foco for a sílaba tônica, mas grafematicamente "dei" já carrega o ditongo. A diferença entre análise fonológica e análise ortográfica é onde a maioria dos scripts erra.
👉 Clique no botão abaixo para saber mais sobre o assunto!
cadeira é ditongo na prática
Em 2023, lidamos com um arquivo de cadastro de clientes com mais de 40 mil registros. O sistema de busca usava um tokenizador baseado em regex que segmentava palavras sem considerar a posição do acento ou a presença de ditongos. O resultado: "Cadeira" e "cadeira" eram indexados como tokens diferentes. Na hora da consulta, o usuário buscava por um termo e recebia resultados incompletos porque o ditongo "ei" era tratado como dois morfemas separados pelo tokenizador. Demoramos cerca de três horas identificando a raiz do problema, porque o log só mostrava contagem baixa de coincidências, sem indicação clara do campo defeituoso. A solução foi escrever um normalizador que aplicava uma tabela de mapeamento de ditongos antes da segmentação. Usamos uma função simples que substituía sequências como "ei", "oi", "ie", "ui" por um token unitário, e então rodávamos a tokenização padrão. O índice passou a reconhecer "cadeira" e "Cadeira" como a mesma entrada. A correção reduziu as consultas falhas de 34% para menos de 2%. Não foi perfeito — alguns casos de hiato como "radia" ainda precisavam de tratamento à parte — mas o ganho foi claro.
O que mais dá errado com ditongos
Além do problema que descrevi, existem dois cenários frequentes que vale anotar. O primeiro é a confusão entre ditongo e hiato. Palavras como "pa-ixar" (com ditongo) versus "ru-i-na" (com hiato) exigem regras de acentuação diferentes. Um algoritmo que apenas procura pares de vogais adjacentes vai classificar "ruína" como ditongo se não verificar o acento gráfico. O segundo cenário é a variação regional: em alguns sotaques brasileiros, o ditongo "õe" de "caminhão" tende a ser realizado como nasal+vogal em vez de ditongo genuíno, o que pode distorcer análises fonéticas automatizadas. O recurso mais usado para lidar com ditongos de forma robusta é o NLTK combinado com regras personalizadas, ou bibliotecas como grapheme para segmentação silábica em português. Nada resolve sozinho. A parte que não aparece em tutorial algum é a validação manual: depois de montar o pipeline, você pega cem palavras e verifica se a segmentação bate com o Houaiss. Se três ou mais estiverem erradas, o normalizador precisa ser ajustado, não ignorado.
