Glossário
Um fonema é a menor unidade de som que distingue uma palavra de outra em uma determinada língua. O inglês tem aproximadamente 44 fonemas (24 consoantes e 20 vogais, dependendo de como você conta). Fonemas são abstratos — a realização acústica real (o fone) varia de acordo com o falante, o sotaque e o contexto. Sistemas ASR operavam classicamente em sequências de fonemas antes de reconstruir palavras; sistemas modernos de ponta a ponta geralmente pulam essa camada.
Fonemas vs fones vs alofones
Fonema: categoria abstrata que distingue o significado. O /p/ em "pin" e o /p/ em "spin" são o mesmo fonema. Fone: o som físico real produzido. O /p/ em "pin" é aspirado [pʰ], o /p/ em "spin" é não aspirado [p] — diferentes fonemas, mesmo fonema. Alófono: uma variante contextual de um fonema. Não são distinções fonêmicas para falantes nativos de inglês, mas fonêmicas em algumas outras línguas (por exemplo, o hindi distingue aspirados de não aspirados paradas fonemicamente).
Fonemas no ASR
Antes de 2018, os pipelines ASR mapeavam quadros de áudio para sequências de fonemas (ou "senones" sub-fonêmicos) via o modelo acústico, em seguida, compunham sequências de fonemas em palavras via um léxico de pronúncia. Sistemas modernos Whisper-style são de ponta a ponta áudio→subpalavra-token, sem uma camada de fonema explícita. O alinhamento de nível de fonema ainda existe para tarefas de nicho como alinhamento forçado e pesquisa de dialeto/pronúncia.
Fonemas vs o IPA
O Alfabeto Fonético Internacional (IPA) é a notação padrão para transcrever fonemas (e fonemas quando em barras). Linguistas e patologistas da fala usam o IPA diariamente; engenheiros de ASR usam principalmente ARPABET (um conjunto de fonemas amigável ao ASCII para o inglês americano) ou tokens subpalavra BPE que não correspondem diretamente a fonemas.
Na prática
As palavras em inglês "ship" /ʃɪp/ e "sip" /sɪp/ diferem em um fonema — /ʃ/ vs /s/. Essa única distinção fonêmica as torna palavras diferentes. Um sistema ASR precisa distinguir essas diferenças confiavelmente — pequenas diferenças importam, por isso os modelos são treinados com dezenas de milhares de horas de fala variada.
Termos relacionados
Leitura adicional
Experimente a transcrição por IA
Comece — grátisÚltima atualização: 9 de novembro de 2026
Perguntas Frequentes
O que Fonema significa na transcrição?
A menor unidade de som em uma língua. O inglês tem aproximadamente 44 fonemas. Sistemas ASR mapeiam internamente o áudio para sequências de fonemas antes de montar palavras.
Por que Fonema importa ao escolher um fluxo de trabalho de transcrição?
Fonema afeta como você entende a qualidade da transcrição, o tempo, a compatibilidade ou a tecnologia por trás dos resultados de conversão de fala em texto.
Onde posso aplicar Fonema no Transcript.you?
Use o fluxo de trabalho relacionado em /ai-transcription quando você quer ver como esse conceito de glossário se conecta a uma tarefa real de transcrição.
Navegue pelo glossário de transcrição ou leia o guia completo sobre transcrição por IA.