O fonetizador transcreve arquivos de texto para uma representação semi-fiel do IPA (Alfabeto Fonético Internacional).
Algumas opções de transcrição são da variante carioca do português brasileiro; outras, da fonologia da língua portuguesa.
Para atualizar a versão do fonetizador, utilize o parâmetro -update .
O fonetizador pode ser testado on-line pelo endereço: http://fonetizador.tronco.me/
Considere o parágrafo inicial de Memórias Póstumas de Brás Cubas (Machado de Assis).
Algum tempo hesitei se devia abrir estas memórias pelo princípio ou pelo fim, isto é, se poria em primeiro lugar o meu nascimento ou a minha morte. Suposto o uso vulgar seja começar pelo nascimento, duas considerações me levaram a adotar diferente método: a primeira é que eu não sou propriamente um autor defunto, mas um defunto autor, para quem a campa foi outro berço; a segunda é que o escrito ficaria assim mais galante e mais novo. Moisés, que também contou a sua morte, não a pôs no intróito, mas no cabo; diferença radical entre este livro e o Pentateuco.
Veja a transcrição fonética do mesmo parágrafo:
AUgÛ tÊpU eZitËI sÏ devÏa abrÏ"2 Ëstas mẼmÖrias pËlU prĨSÏpiU ÖU pËlU fÎ , ÏstU Ë , sÏ porÏa ÊI prĨmËIrU lugÄ"2 Ü mËU naSĨmÊtU ÖU Ä mÎ"4a mÖ"2"TI . SupÖstU Ü ÜZU vulgÄ"2 sËja KÕmeSÄ"2 pËlU naSĨmÊtU , dÜas KÕsideraSÔIs mÏ levÄrÃU Ä adotÄ"2 "DiferÊ"TI mËtodU : Ä prĨmËIra Ë QË ËU nÂU sÖU propriÃmÊ"TI Û autÖ"2 defÛtU , mÄs Û defÛtU autÖ"2 , pÄra QÊI Ä KÂpa fÖI ÖUtrU bË"2SU ; Ä segÛda Ë QË Ü esKrÏtU fiKarÏa aSÎ mÄIs galÂ"TI Ï mÄIs nÖvU . MoiZËIS , QË tÃbÊI KÕtÖU Ä sÜa mÖ"2"TI , nÂU Ä pÖIS nÜ ĨtrÖitU , mÄs nÜ KÄbU ; "DiferÊSa "2a"DiKÄU ÊtrI Ës"TI lÏvrU Ï Ü PẼtatËUKU .
-
Clone ou baixe o repositório e execute o script fonetizador.py com Python 3+, utilizando os seguintes argumentos:
>> fonetizador.py entrada saída codificação-da-entrada codificação-da-saída
- Entrada: arquivo de texto original
- Saída(*): novo arquivo com a transcrição fonética (padrão: "fonetizado.txt")
- Codificação da entrada(*): codificação do arquivo original (padrão: "utf8")
- Codificação da saída(*): codificação do arquivo alvo (padrão: "utf8")
(*) Argumento opcional
-
Outra possibilidade é digitar o texto diretamente na linha de comando, utilizando o argumento -t :
>> fonetizador.py -t texto a ser transcrito foneticamente tËStU Ä sË"2 trÃsKrÏtU fÕne"TiKÃmÊ"TI
| símbolo | som |
|---|---|
| AEIOU | vogais átonas e orais |
| ÃẼĨÕŨ | vogais átonas e nasais |
| ÄËÏÖÜ | vogais tônicas e orais |
| ÂÊÎÔÛ | vogais tônicas e nasais |
| t | touro / Tatiana |
| "T | tia / Tatiana |
| d | dança / diadema |
| "D | dia / diadema |
| r | tesouro / raro |
| "2 | carro / raro |
| "3 | navalha |
| "4 | manhã |
Parte das regras para consoantes foram adaptadas do projeto Metaphone for Brazilian Portuguese.
A notação é, em grande parte, a mesma das expressões regulares:
v --> vogais
vt --> vogais tônicas
vd --> vogais átonas
c --> consoantes
[] --> qualquer caracter dentro dos colchetes
[^] --> qualquer caracter exceto os que estão dentro dos colchetes
^ --> início da palavra
$ --> final da palavra
* --> 0 ou mais
+ --> 1 ou mais
? --> 1 ou 0
| --> ou
As regras são aplicadas a todas as palavras, na ordem em que aparecem. Considera-se palavra o conjunto de caracteres entre espaços que não contenha números nem pontuação.
Abaixo, você confere as regras de transcrição fonética. Apenas o que não está entre parênteses é efetivamente substituído.
| expressão | transformação |
|---|---|
| GH?([EIÊÎËÏẼĨ]) | J |
| GUI | GI |
| GUE | GE |
| Á | Ä |
| É | Ë |
| Í | Ï |
| Ó | Ö |
| Ú | Ü |
| Â | Ä |
| Ê | Ë |
| Î | Ï |
| Ô | Ö |
| Û | Ü |
| Ã | Â |
| Ẽ | Ê |
| Ĩ | Î |
| Õ | Ô |
| Ũ | Û |
| À | A |
| ^([^vt]*)AIA(S?)$ | ÄIA |
| ^([^vt]*)EIA(S?)$ | ËIA |
| ^([^vt]*)OIA(S?)$ | ÖIA |
| ^([^vt]*)UIA(S?)$ | ÜIA |
| ^([^vt]*)AU(S?)$ | ÄU |
| ^([^vt]*)EU(S?)$ | ËU |
| ^([^vt]*)OU(S?)$ | ÖU |
| ^([^vt]*)IU(S?)$ | ÏU |
| ^([^vt]*)EI(S?)$ | ËI |
| ^([^vt]*)AI(S?)$ | ÄI |
| ^([^vt]*)UI(S?)$ | ÜI |
| ^([^vt]*)OI(S?)$ | ÖI |
| ^([^vt]*)AR$ | ÄR |
| ^([^vt]*)ER$ | ËR |
| ^([^vt]*)IR$ | ÏR |
| ^([^vt]*)OR$ | ÖR |
| ^([^vt]*)UR$ | ÜR |
| ^([^vt]*)IM$ | ÏM |
| ^([^vt]*)UM$ | ÜM |
| ^([^vt]*)AL$ | ÄL |
| ^([^vt]*)EL$ | ËL |
| ^([^vt]*)IL$ | ÏL |
| ^([^vt]*)OL$ | ÖL |
| ^([^vt]*)AZ$ | ÄZ |
| ^([^vt]*)EZ$ | ËZ |
| ^([^vt]*)IZ$ | ÏZ |
| ^([^vt]*)OZ$ | ÖZ |
| ^([^vt]*)UZ$ | ÜZ |
| ^([^vt]*)QUI([^vt]*)$ | QÏ |
| ^([^vt]*)QUE([^vt]*)$ | QË |
| ^([^vt]*)EI([c]*[vd][c]*)$ | ËI |
| ^([^vt]*)AI([c]*[vd][c]*)$ | ÄI |
| ^([^vt]*)UI([c]*[vd][c]*)$ | ÜI |
| ^([^vt]*)OI([c]*[vd][c]*)$ | ÖI |
| ^([^vt]*)AU([c]*[vd][c]*)$ | ÄU |
| ^([^vt]*)EU([c]*[vd][c]*)$ | ËU |
| ^([^vt]*)IU([c]*[vd][c]*)$ | ÏU |
| ^([^vt]*)OU([c]*[vd][c]*)$ | ÖU |
| ^([^vt]*)I(S?)$ | Ï |
| ^([^vt]*)U(S?)$ | Ü |
| Z$ | S |
| ([^SWNR])S([v]) | Z |
| Y | I |
| W([v]) | V |
| ([^vSMNRZL])$ | I |
| X(I?)$ | KS |
| E(S?)$ | I |
| O(S?)$ | U |
| ËS$ | ËIS |
| ÖS$ | ÖIS |
| ^([^vt]*)A([c]*[vd][c]*)$ | Ä |
| ^([^vt]*)E([c]*[vd][c]*)$ | Ë |
| ^([^vt]*)I([c]*[vd][c]*)$ | Ï |
| ^([^vt]*)O([c]*[vd][c]*)$ | Ö |
| ^([^vt]*)U([c]*[vd][c]*)$ | Ü |
| ^([c]*)A([c]*)$ | Ä |
| ^([c]*)E([c]*)$ | Ë |
| ^([c]*)I([c]*)$ | Ï |
| ^([c]*)O([c]*)$ | Ö |
| ^([c]*)U([c]*)$ | Ü |
| LH | "3 |
| NH | "4 |
| ([AEIOÄËÏÖ])L([^v]) | U |
| ([AEIOÄËÏÖ])L$ | U |
| A(([MN]|"4)[v]) | Ã |
| E(([MN]|"4)[v]) | Ẽ |
| I(([MN]|"4)[v]) | Ĩ |
| O(([MN]|"4)[v]) | Õ |
| U(([MN]|"4)[v]) | Ũ |
| Ä(([MN]|"4)[v]) | Â |
| Ë(([MN]|"4)[v]) | Ê |
| Ï(([MN]|"4)[v]) | Î |
| Ö(([MN]|"4)[v]) | Ô |
| Ü(([MN]|"4)[v]) | Û |
| A[MN]([^v]) | Ã |
| E[MN]([^v]) | Ẽ |
| I[MN]([^v]) | Ĩ |
| O[MN]([^v]) | Õ |
| U[MN]([^v]) | Ũ |
| Ä[MN]([^v]) | Â |
| Ë[MN]([^v]) | Ê |
| Ï[MN]([^v]) | Î |
| Ö[MN]([^v]) | Ô |
| Ü[MN]([^v]) | Û |
| A[MN]$ | ÃU |
| E[MN]$ | ẼI |
| I[MN]$ | Ĩ |
| O[MN]$ | ÕU |
| U[MN]$ | Ũ |
| Ä[MN]$ | ÂU |
| Ë[MN]$ | ÊI |
| Ï[MN]$ | Î |
| Ö[MN]$ | ÔU |
| Ü[MN]$ | Û |
| [T]([IÏĨÎ]) | "T |
| [D]([IÏĨÎ]) | "D |
| Ç | S |
| SS | S |
| SH | X |
| SC([EIËÏẼĨÊÎ]) | S |
| SC([AUOÃŨÕÂÛÔÄÜÖ]) | SK |
| SCH | X |
| TH | T |
| ([EÊẼË])X([PTC]) | S |
| ^([EÊẼË])X([v]) | Z |
| ([EÊẼË])X([AOUÄÖÜÂÔÛÃÕŨ]) | KS |
| ([EÊẼË])X([^v]) | KS |
| ([DFMNPQSTVZ][v])X | KS |
| CH(R) | K |
| CH | X |
| C([AOUÃÕŨÂÔÛÄÖÜ]) | K |
| C([c]) | K |
| C([EIÊÎËÏẼĨ]) | S |
| C$ | K |
| ^H([v]) | |
| ^R | "2 |
| R$ | "2 |
| RR | "2 |
| R([c]) | "2 |
| TÄKSA | TÄXA |
| TAKSA | TAXA |
| mÄKSĨ | mÄXĨ |
| maKSĨ | maXĨ |
- O fonetizador não consegue identificar se as vogais E e I são abertas ou fechadas e, por isso, algumas transcrições fonéticas não conseguem ser fiéis à fala do português brasileiro:
| fechada | aberta |
|---|---|
| mÖ"2tU / mo"2"TÎ"4U | mÖ"2"TI |
| propriedÄ"DI | prÖpria / propriÃmÊ"TI |
- Há alguns casos de nasalização das vogais que não deveriam ocorrer:
| atual | ideal |
|---|---|
| prĨmËIrU | prImËIrU |
| naSĨmÊtU | naSImÊtU |
| KÕmeSÄ"2 | KOmeSÄ"2 |