ELSA Speak — Treinador de pronúncia por IA para aprendentes de inglês no Vietname

A ELSA (English Language Speech Assistant) foi cofundada no Vietname em 2015 para dar aos aprendentes de inglês como língua estrangeira (EFL) no Vietname e em todo o Sul Global acesso a apoio de pronúncia que de outra forma não poderiam pagar, utilizando reconhecimento automático de fala baseado em aprendizagem profunda para detetar erros ao nível do fonema sem recorrer a um professor humano.

A aplicação visa fornecer, em tempo real, feedback personalizado de pronúncia ao nível do fonema, a um custo e escala que o apoio de um falante nativo não consegue igualar. Várias instituições de ensino superior vietnamitas integraram formalmente a ELSA em cursos de pronúncia de inglês, substituindo ou complementando o apoio individual dispendioso.

Os utilizadores gravam frases em inglês na aplicação, que aplica um sistema proprietário de reconhecimento de fala para assinalar erros de pronúncia ao nível do fonema e fornecer feedback instantâneo e personalizado. A plataforma expandiu-se a 195 países e conta com mais de 50 milhões de utilizadores; historicamente o Vietname foi o seu maior mercado (80-90% dos primeiros utilizadores, atualmente cerca de 20% à medida que a plataforma se globalizou).

Um estudo revisto por pares publicado na PLOS ONE (janeiro de 2025, n=205 estudantes de licenciatura em inglês numa universidade vietnamita) registou elevada satisfação autorreportada quanto à utilidade percebida, facilidade de utilização e melhoria da pronúncia. Um estudo pré-/pós- no Vien Dong College, em Ho Chi Minh (2024, n=63, um semestre) constatou que 77,3% dos estudantes classificaram a ELSA como eficaz ou muito eficaz e 81,8% reportaram maior confiança ao falar. Um outro estudo na IJIRSS documentou elevada motivação e envolvimento entre aprendentes vietnamitas de EFL.

A base de evidência é consistente mas modesta: todos os estudos publicados baseiam-se em satisfação autorreportada e em amostras pequenas e não aleatorizadas, sem qualquer medida padronizada e independente de proficiência, e o modelo proprietário de reconhecimento de fala não foi auditado de forma independente quanto a exatidão ou enviesamento. Os dados são regidos pela CCPA dos EUA e não pelo RGPD nem pela legislação vietnamita, e a integração sistemática no ensino formal — em vez da autoaprendizagem — continua a ser a exceção.