ELSA Speak — Entrenador de pronunciación por IA para aprendientes de inglés en Vietnam

ELSA (English Language Speech Assistant) fue cofundada en Vietnam en 2015 para dar a los estudiantes de inglés como lengua extranjera (EFL) en Vietnam y en todo el Sur Global acceso a apoyo de pronunciación que de otro modo no podrían costear, utilizando reconocimiento automático de voz basado en aprendizaje profundo para detectar errores a nivel de fonema sin un profesor humano.

La aplicación busca ofrecer retroalimentación personalizada de pronunciación en tiempo real, a nivel de fonema, con un coste y una escala que la tutoría de un hablante nativo no puede igualar. Varias instituciones de educación superior vietnamitas han incorporado formalmente ELSA en sus cursos de pronunciación de inglés, sustituyendo o complementando la tutoría individual, que resulta costosa.

Los usuarios graban frases en inglés en la aplicación, que aplica un sistema propietario de reconocimiento de voz para señalar errores de pronunciación a nivel de fonema y ofrecer retroalimentación instantánea y personalizada. La plataforma se ha expandido a 195 países y cuenta con más de 50 millones de usuarios; Vietnam ha sido históricamente su mayor mercado (80-90% de los primeros usuarios, alrededor del 20% en la actualidad a medida que la plataforma se ha globalizado).

Un estudio revisado por pares publicado en PLOS ONE (enero de 2025, n=205 estudiantes de la carrera de inglés en una universidad vietnamita) registró una alta satisfacción autoinformada respecto a la utilidad percibida, la facilidad de uso y la mejora de la pronunciación. Un estudio pre-/post- en el Vien Dong College, en Ho Chi Minh (2024, n=63, un semestre) encontró que el 77,3% de los estudiantes calificó ELSA como eficaz o muy eficaz y el 81,8% reportó mayor confianza al hablar. Otro estudio en la IJIRSS documentó una alta motivación y participación entre los estudiantes vietnamitas de EFL.

La base de evidencia es consistente pero modesta: todos los estudios publicados se basan en satisfacción autoinformada y en muestras pequeñas y no aleatorizadas, sin ninguna medida de competencia estandarizada e independiente, y el modelo propietario de reconocimiento de voz no ha sido auditado de forma independiente en cuanto a precisión o sesgo. Los datos se rigen por la CCPA de EE. UU. y no por el RGPD ni por la legislación vietnamita, y la integración sistemática en la escolaridad formal —en lugar del autoaprendizaje— sigue siendo la excepción.