Letras Vogais E Consoantes

Pense em como o 's' muda de som entre "casa" e "sapato". Na primeira, é uma fricativa alveolar sonora. Na segunda, vira uma voz. A letra não mudou. O fonema sim. Isso importa se você está construindo um sistema de conversão grafia-fonema. Outro ponto que muitos ignoram: o 'h' não é fonema em português. Ele não tem som próprio, serve apenas para modificar o som da consoante que vem depois. Em "historia", o 'h' é mudo e o 's' começa a sílaba. Em "charco", o 'ch' forma um dígrafo que gera o fonema /t/. O 'h' sozinho nunca aparece no início de palavra nativa. Consoantes também incluem as que chamamos de semivogais — o 'i' e o 'u' quando não formam núcleo silábico, mas sim transitórios em ditongos. Em "pai", o 'i' é semivogal. Em "dia", é vogal. A letra é a mesma, a função fonológica é diferente. Isso é um dos erros mais comuns em ferramentas automáticas de análise.

Como classificar corretamente

O método mais seguro é analisar o fonema, não a letra. Pegue a palavra, faça a transcrição fonológica e depois classifique cada som. Em português brasileiro, a regra geral é: Isso resolve vários casos problema de uma vez. O 'l' final de sílaba em "animal" vira uma vogalizada — soa como /u/ —, mas ainda é grafado como consoante. O 'r' gutural do sotaque cariorca ou paulistano é uma fricativa, enquanto o 'r' simples de "rato" é o famoso "r forte" que varia entre uvular e glotal dependendo da região. Se você precisa de uma lista pronta para uso rápido, aqui estão as vogais e consoantes padrão em ordem alfabética:

Vogais: A, E, I, O, U (mais as variantes nasais representadas por til e kombinasiões como AM, EM, IM, OM, UM). Consoantes: B, C, D, F, G, H, J, K, L, M, N, P, Q, R, S, T, V, X, Z. Note que os dígrafos não entram nessa contagem simples: CH, NH, LH, RR, SS, SC, SÇ, AM, EM, OM, UM. Eles representam fonemas únicos mas são escritos com múltiplas letras. Se seu objetivo é apenas classificação ortográfica, trate cada caractere individualmente. Se é análise fonológica, resolva primeiro os dígrafos antes de classificar os fonemas restantes.

Problemas comuns e como resolver

O caso mais comum que eu vejo acontecer em projetos sérios é a confusão entre grafema e fonema. Um colega meu estava construindo um corrector ortográfico e o sistema falhava em detectar erros em palavras com 'ss' e 'xc' porque o regex que separava vogais de consoantes considerava cada letra isoladamente, ignorando que "exceto" tem o dígrafo 'xc' funcionando como um único fonema // em algumas variantes. A solução foi criar uma etapa prévia de normalização que substitui dígrafos por placeholders antes da segmentação. Por exemplo, trocar 'ch' por um token [CH], 'lh' por [LH], etc., fazer a classificação dos tokens, e depois restaurar. Isso reduz erros de classificação em cerca de 70% em textos com frequência moderada de dígrafos. Outro problema crônico: a letra 'y'. Ela não existe no vocabulário padrão do português, mas aparece em nomes próprios, termos científicos e estrangeirismos. Em nomes como "Lisboa" escrito incorretamente como "Lisyboa", o 'y' age como vogal. Em "playboy" (portuguesado), age como ditongo. Não há regra fixa.

Se você está trabalhando com textos que incluem topônimos, nomes próprios ou empréstimos, considere manter uma lista de palavras com 'y' e tratá-las como exceções. Em bancos de dados de uso geral, 'y' aparece em menos de 0,02% das ocorrências, mas quando aparece, quebra qualquer heurística genérica. Existe também o caso do 'w' e 'k', que ganharam status oficial com o Acordo Ortográfico de 1990 mas ainda causam confusão. Em "web", o 'w' vale /v/ ou /b/ dependendo da variante. Em "kiwi", o 'k' vale /k/. São consoantes, mas seu tratamento depende do contexto lexical, não da posição fonológica.

Limitações e quando este abordagem não funciona

Classificar letras como vogais e consoantes funciona bem para texto padrão em português padrão. Para dialetos regionais, textos arcaicos, ou línguas mistas, a coisa descola rápido. Em português europeu, por exemplo, as vogais átonas sofrem reduções que não existem na variedade brasileira, então uma tabela fixa de vogais/consoantes pode levar a segmentações erradas de sílabas em palavras como "pedra" (no PE, o 'e' átono final tende a ser centralizado para //). Para textos multilingues, o ideal é usar um modelador fonológico específico para cada língua antes de aplicar qualquer classificação. Ferramentas como o grapheme-to-phoneme do CMU ou adaptações para português (como o modelo do projeto G2P-br) já fazem essa classificação internamente e dão resultados mais confiáveis do que reimplementar a lógica do zero. Se o seu objetivo é apenas identificar vogais e consoantes para fins educacionais ou de tipografia, uma lista fixa serve. Se é para processamento linguístico sério, invista em um pipeline que resolva dígrafos primeiro e depois classifique fonemas, não grafemas.