O problema de confundir letra com fonema
A primeira coisa que todo mundo erra é achar que existe uma relação direta de um para um entre letras e sons. Não existe. Vou começar pelo exemplo mais claro, porque é assim que eu ensino isso há anos.
exemplo de fonema e letra na prática
Pegue a palavra "chave". Tem cinco letras. C-H-A-V-E. Mas quantos fonemas tem? Quatro. O "ch" juntos formam um único fonema //, não dois. Então a divisão fonêmica seria /a.vi/. Já em "gado", temos G-A-D-O, quatro letras, quatro fonemas — aí sim, correspondência direta. Essa irregularidade é o que causa confusão, não a falta de lógica por trás. Outro exemplo que uso sempre: "mato" e "mato". Mesmo grafema, mesmo número de letras. Mas em algumas variedades do português brasileiro, o "t" antes de "i" vira um som de //, então "mato" pode ser pronunciado como /ma.u/. Já em variedades de São Paulo capital, o "t" mantém o som de /t/, então é /ma.to/. O fonema muda com o sotaque. A letra permanece a mesma. Isso é relevante quando você está fazendo trabalho de transcrição fonêmica ou desenvolvendo um sistema TTS, porque não dá pra usar uma regra fixa.
Como contar fonemas sem errar
O método mais seguro que eu conheço é dividir a palavra em sílabas sonoras, não em sílabas gráficas. A sílaba gráfica segue regras ortográficas. A sílaba sonora segue a pronúncia real. Quando você conta fonemas, está contando os átomos de som que carregam significado distinguível na língua. Vou passar por alguns casos específicos que todo mundo encontra na prática:
O "s" no início de palavra costuma ser /s/, mas no meio ou final de sílaba pode virar /z/. "Casa" tem /k/a.z/a/. Duas letras "s", mas soam diferente. Em algumas análises fonêmicas, tratamos como o mesmo fonema /s/ em duas realizações alofônicas diferentes. Isso depende da escola de análise que você está usando. A letra "h" nunca representa um fonema em português. É mudo. Sempre. "Haja" tem quatro fonemas: /a.a/, não cinco. Essa é uma regra que elimina um erro comum de imediato.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Grafemas como "lh", "nh", "rr", "ss" representam um único fonema cada. "Malha" tem cinco letras mas apenas quatro fonemas: /ma.a/. O "lh" é um dígrafo, não dois fonemas. "Carro" tem cinco letras e quatro fonemas: /ka.ro/. O "rr" também é um dígrafo. "Assim" tem cinco letras e quatro fonemas: /a.si/ — o "ss" também é um dígrafo. As vogais nasais são outro ponto que gera confusão. "Pão" tem quatro letras mas três fonemas: /pãw/. O "ão" sozinho representa dois fonemas nasais, não dois letras significando dois sons separados. O "m" no final da sílaba não é um fonema consonantal — ele nasaliza a vogal anterior.
Um caso que me pegou de surpresa
Num projeto meu de análise fonêmica para geração automática de transcrições, eu encontrei uma palavra que quebrou minha lógica padrão: "quilo". As letras Q-U-I-L-O. Muita gente faria a análise /ki.lu/ e pronto. Mas em português padrão, o "qu" antes de "i" e "e" não é um dígrafo — o "u" entra na sílaba como semivogal. A análise correta é /ki.lu/, mesmo número de fonemas que "lilo", mas a cadeia fonêmica é diferente porque o "u" depois do "q" não se desliga. Eu gastei uma tarde inteira conferindo com falantes nativos antes de confirmar que minha análise inicial estava errada. O trabalho-around que eu usei foi criar uma regra específica para a sequência "qu" + vogal anterior a "i" ou "e": nesse contexto, o "u" só conta como fonema quando ele forma semivogal no inicio da sílaba seguinte. É uma exceção que precisa ser tratada separadamente do caso geral do dígrafo "qu".
O que os livros didáticos não mostram
A maioria dos materiais ensina a diferença entre fonema e letra de forma muito teórica. O que eles não contam é que o português brasileiro é muito mais instável fonologicamente do que o português europeu em termos de alófones. Vogais átonas finais tendem a se neutralizar em /i/ ou // dependendo da região. A consoante final de sílaba pode ser removida, adiada ou mudada. Isso significa que uma análise fonêmica estática que funciona para "falante padrão" pode não capturar o que realmente acontece na fala espontânea. Se o seu objetivo é apenas identificar fonemas para fins acadêmicos ou escolares, a abordagem tradicional basta. Se você está construindo algo que precisa lidar com fala real — processamento de linguagem natural, sistema fonêmico para TTS, ferramenta de análise de sotaques — precisa aceitar que não existe uma resposta única e correta. A variação é parte do sistema, não ruído.
Resumo rápido de como fazer
Escolha uma palavra. Escreva-a. Separe em sílabas sonoras, não gráficas. Conte os fonemas considerando dígrafos como unidade única. Ignore o "h". Trate "lh", "nh", "rr", "ss", "ch", "qu", "gu" como dígrafos. Cuidado com "s", "z", "x" que têm realizações alofônicas variadas. Verifique se a pronúncia muda entre regiões. Anote onde a análise teórica se separa da fala real. Isso é mais ou menos tudo que eu vejo como necessário para lidar com isso no dia a dia. Ninguém precisa complicar mais do que isso a menos que esteja trabalhando com dados fonéticos brutos ou análise de fala espontânea.
