O Que Significa Semivogais

Semivogais não são um tipo especial de som. São uma posição que os sons ocupam.

O problema é que a maioria dos materiais didáticos explica isso de trás pra frente. Eles começam definindo /j/ e /w/ como "sons semivogais" e depois tentam justificar por que aparecem em certas sílabas. A abordagem correta é inversa: partimos da estrutura silábica e identificamos quais fonemas assumem papel de núcleos e quais atuam como bordas. Um semivogal é qualquer segmento que foneticamente se parece com uma vogal — /j/ ou /w/ — mas ocupa posição de onset ou coda, nunca de núcleo silábico. O /j/ de "paixo" e o /w/ de "guia" são semivogais porque não carregam a força tônica nem fazem fronteira silábica própria. Já o /i/ tônico de "cime" é vogal, pois forma o núcleo da sílaba ci. A diferença não está no som em si. /j/ e /w/ são os alófonos não silábicos das vogais /i/ e /u/. O que determina se eles são semivogais ou vogais é o contexto morfofonológico. Essa distinção é essencial para quem trabalha com tokenização, síntese de fala ou análise métrica de poesia em português.

Dipongos crescentes como ei, oi, ai contêm semivogal na coda. Dipongos decrescentes como ua, ia, ua têm a semivogal no onset. Triptongos como em paraná (pa-ran-gua) ou aguém (a-guém) empilham vogal + semivogal + vogal num único ataque-coda. Um caso prático: ao processar "guia" automaticamente, a grafia engana. Tem "u" e "i" juntos, o que leva sistemas ingênuos a separar em duas sílabas. Na fala natural, o /w/ é onset da sílaba gua e o /i/ é núcleo. Resultado: gui-a com dois nucléos, não guia monocossilábico. O erro mais comum em pipelines de TTS brasileiro é justamente essa segmentação errada, que gera pronúncia robótica em palavras como "quase", "queixo" e "piauí". O workaround que acabei usando foi implementar um regras heurísticas baseadas em sílabas, em vez de depender apenas da posição ortográfica. Basicamente, identifiquei sequências de grafemas que, quando aparecem em determinado entorno fonotático, correspondem a semivogais. A regra é simples: /j/ e /w/ são semivogais quando precedidos ou seguidos de outra vogal dentro do mesmo constituinte prosódico, formando dipongo ou triptongo. Fora disso contexto, mantêm status vocálico.

Uma nuance que poucos professores mencionam: a fronteira entre semivogal e vogal pode mudar com o grau de formalidade da pronúncia. Em registros mais cuidadosos, "saúde" tende a ser analisado como /sa.úd/, com /w/ como semivogal no dipongo decrescente. Mas em fala rápida ou em certos dialetos, o /w/ pode se tornar núcleo, gerando uma sílaba extra: /sa.u.d/ sa-u-de. Esse fenômeno de hiato vs. dipongo é um dos motivos pelos quais a transcrição fonológica automática ainda falha em cerca de 8 a 12% dos casos em corpus do português brasileiro. Aviso importante: esse modelo de análise só funciona bem para variedades com dipongos estabilizados. Em português europeu, por exemplo, a realização fonética de /j/ e /w/ em certain contextos é mais próxima de vogaispletas, o que pode invalidar a distinção semivogal/vogal baseada apenas na escrita. Se você está treinando um modelo para PT-PT, considere usar dados fonéticos auditivos em vez de regras escriturísticas. A regra prática é: teste sempre com a divisão silábica real, não com a intuicao gráfica. Se a sequência forma um único pico de intensidade, é dipongo e a semivogal existe. Se há ruptura prosódica, vira hiato e os segmentos são vogais autônomas.