Universidade Federal do Rio de Janeiro

Transcrição

1 Universidade Federal do Rio de Janeiro A PROSÓDIA DAS INTERROGATIVAS TOTAIS NA FALA CARIOCA: FALA ESPONTÂNEA VERSUS LEITURA Vivian Borges Paixão 2014

2 UFRJ A prosódia das interrogativas totais na fala carioca: fala espontânea versus leitura Vivian Borges Paixão Dissertação de Mestrado apresentada ao Programa de Pós-Graduação em Letras Vernáculas da Faculdade de Letras da Universidade Federal do Rio de Janeiro, como parte dos requisitos necessários à obtenção do título de Mestre em Letras Vernáculas, na Área de Concentração Língua Portuguesa. Orientador: Dinah Callou Co-orientadora: Dolors Font-Rotchés Rio de Janeiro Fevereiro de 2014

3 A prosódia das interrogativas totais na fala carioca: fala espontânea versus leitura Vivian Borges Paixão Orientadora: Professora Doutora Dinah Maria Isensee Callou (UFRJ) Co-orientadora: Professora Doutora Dolors Font-Rotchés (Universidad de Barcelona) Dissertação de Mestrado apresentada ao Programa de Pós-Graduação em Letras (Letras Vernáculas), Faculdade de Letras, da Universidade Federal do Rio de Janeiro, como parte dos requisitos necessários à obtenção do título de Mestre em Letras Vernáculas, na Área de Concentração Língua Portuguesa. Examinada por: Presidente, Professora Doutora Dinah Maria Isensee Callou (UFRJ) Orientadora Professora Doutora Carolina Ribeiro Serra (UFRJ) Professora Doutora Flaviane Romani Fernandes Svartman (USP) Professor Doutor João Antonio de Moraes (UFRJ) Suplente Professora Letícia Rebollo Couto (UFRJ) Suplente Rio de Janeiro Fevereiro de 2014

4 Paixão, Vivian Borges. A prosódia das interrogativas totais na fala carioca fala espontânea versus leitura/ Vivian Borges Paixão- Rio de Janeiro: UFRJ/ FL, xiv, 141f. Orientador: Dinah Callou Dissertação (Mestrado) UFRJ / Faculdade de Letras / Programa de Pós-Graduação em Letras Vernáculas, Referências Bibliográficas: f Prosódia. 2. Interrogativas. 3. Fala espontânea e leitura. I. Callou, Dinah. II. Universidade Federal do Rio de Janeiro, Faculdade de Letras, Programa de Pós-Graduação em Letras Vernáculas. III. A prosódia das interrogativas totais na fala carioca fala espontânea versus leitura.

5 "Há aqueles que se condenam ao cinzento da vida mais medíocre porque tiveram alguma dor, alguma desgraça; mas há também aqueles que o fazem porque tiveram mais sorte do que podiam suportar." Ítalo Calvino

6 Agradecimentos Uma dissertação de Mestrado pode, muitas vezes, passar a impressão de ser um trabalho solitário. Para que esta dissertação fosse concluída, no entanto, muitos foram aqueles que colaboraram comigo, e a quem dedico aqui alguns agradecimentos: À Professora Dinah Callou, que desde a iniciação científica me deu motivação para prosseguir com a pesquisa acadêmica. À Professora Dolors Font-Rotchés, que acreditou em minha capacidade e me auxiliou desde a construção do projeto desta pesquisa de Mestrado. Aos membros da banca examinadora desta dissertação por terem aceitado o convite, pela leitura e avaliação do trabalho, bem como pelos comentários e contribuições vindouros. Além disso, agradeço à Professora Carolina Serra também por toda a orientação e apoio que me deu ao longo do mestrado; e à Professora Flaviane Svartman pela confiança depositada ao aceitar prontamente o convite mesmo sem ter conhecimento prévio de meu trabalho. Aos informantes e ouvintes-juízes que gentilmente aceitaram ceder um tostão de sua voz (ou de seus ouvidos) para a pesquisa científica, pela disponibilidade e boa vontade em participar das gravações e testes de percepção. À Capes, pelo importantíssimo incentivo financeiro, já que nem só de conhecimento vive um estudante de pós-graduação. À Professora Silvia Brandão, minha primeira orientadora de iniciação científica, responsável por me encaminhar no campo da pesquisa em fonética; aos professores João Moraes e Cláudia Cunha pelas fundamentais contribuições e estímulo. À secretária do Programa de Pós-Graduação em Letras Vernáculas, Urânia Marinho, pela infinita paciência, e à Professora Célia Lopes, incrível como docente, como coordenadora do PPG e como ser humano. A meu tio José Antonio Borges, pesquisador do NCE/UFRJ, verdadeiro ídolo para mim. Aos amigos frequentadores da sala F-312, cuja participação neste trabalho é inegável: à minha amiga, confidente e eterna companheira de aventuras Priscila Guimarães Batista; à amiga e parceira de empreitadas Erica Almeida; à pessoa que primeiro me apresentou

7 ao fantástico mundo da Fonética Acústica, Luana Machado; às bolsistas de iniciação científica Aline Farias e Ingrid Oliveira, que me prestaram tão valiosa ajuda; enfim, a todos os professores e colegas com quem convivi no dia-a-dia da pesquisa ou no tradicional amigo oculto de final de ano. À querida Aline Ponciano, sempre tão prestativa e disponível nos momentos de dúvidas fossem elas de cunho científico ou existencial. À amiga e colega de faculdade Thaís Seabra e ao amigo Paulo Nascimento, o Pirula ( um sujeito chamado Pirula! ), com quem compartilhei tantos dramas de pósgraduando; aos amigos e companheiros de mestrado Camila Duarte, Carolina Medeiros e Thiago Laurentino; ao meu migs Guilherme Gonçalves, às amigas de infância Amanda Freitas e Natália Fontam; ao querido Erick Castillo, por todo o companheirismo; ao Gustavo Betoni, pela leitura; e à amiga de longe (mas sempre perto do coração) Juliane Venturelli, principalmente pela atenciosa revisão do texto e sugestões. À Liliane Machado, minha professora, tutora e maior responsável pelo meu ingresso na Faculdade de Letras. Aos amigos e colegas do Google, por todo o aprendizado (e diversão!) que me proporcionaram durante os seis meses em que trabalhamos no projeto Speech Data Ops: Andréia Rauber, Carolina Souza, Felipe Iszlaji, Larissa Rinaldi, Melanie Angelo e Vinícius Castro. À minha família em especial, a meus pais, Marta e Roberto, e a meu irmão, Rodrigo, que sempre incentivaram em meus planos e projetos de vida. A todos que me auxiliaram, no âmbito acadêmico, prático, técnico, burocrático, financeiro ou emocional, deixo aqui meu mais sincero afeto e minha profunda gratidão.

8 Sinopse Análise acústica e perceptiva de interrogativas totais na variedade carioca do português brasileiro a partir do Método de Análise Melódica da Fala (MAS). Comparação entre as modalidades de fala espontânea e leitura.

9 SUMÁRIO INTRODUÇÃO APRESENTAÇÃO DO TEMA Os estudos em prosódia e suas aplicações Conceitos de prosódia e entoação A aplicabilidade dos estudos em prosódia Estudos sobre o tema FUNDAMENTAÇÃO TEÓRICO-METODOLÓGICA Pressupostos teóricos O corpus Seleção dos informantes Gravação de fala espontânea Gravação de leitura Seleção dos enunciados Metodologia de análise Fase acústica Classificação dos enunciados de acordo com a inflexão final. i. Inflexão final ascendente-descendente... ii. Inflexão final ascendente... iii. Inflexão final de núcleo elevado (high nucleous)... iv. Inflexão final descendente Fase perceptiva ANÁLISE DOS DADOS Análise acústica

10 Resultados referentes à fala espontânea Resultados referentes à leitura Testes de percepção DISCUSSÃO O predomínio da IF circunflexa e a maior nitidez de padrões na leitura A influência da expressão de atitudes CONSIDERAÇÕES FINAIS... REFERÊNCIAS... RESUMO... ABSTRACT... Anexo 1: Ficha do informante... Anexo 2: Transcrição das gravações dos jogos na íntegra... i. Informante T.S. (sexo feminino)... ii. Informante T.M. (sexo feminino)... iii. Informante I.O. (sexo feminino)... iv. Informante P.B. (sexo feminino)... v. Informante R.M. (sexo masculino)... vi. Informante C.F. (sexo masculino)... vii. Informante G.G (sexo masculino)... viii. Informante T.A. (sexo masculino)... Anexo 3: Formulário do teste de percepção

11 LISTA DE FIGURAS, GRÁFICOS E TABELAS FIGURAS Figura 1: Padrão de final ascendente curva de pitch e notação do enunciado Os garotos não se esforçam? pronunciado como pergunta neutra (MORAES, p. 2)... Figura 2: Padrão de subida interna curva de pitch e notação do enunciado Os garotos não se esforçam? pronunciado como pergunta confirmativa (MORAES, p. 2)... Figura 3: Padrão de subida tardia curva de pitch e notação do enunciado Os garotos não se esforçam? pronunciado com atitude de descrédito (MORAES, p. 2)... Figura 4: Padrão de dupla subida curva de pitch e notação do enunciado Os garotos não se esforçam? pronunciado como pergunta retórica (MORAES, p. 2)... Figura 5: Enunciado Renata jogava? pronunciado como pergunta neutra (MORAES, 2008, p. 5)... Figura 6: Enunciado Renata jogava? pronunciado como pergunta retórica (MORAES, 2008, p. 5)... Figura 7: Enunciado Renata jogava? pronunciado como pergunta incrédula (MORAES, 2008, p. 5)... Figura 8: Mapa de macrorregiões dos falares brasileiros por Silva (2011)... Figura 9: Frase A pessoa que tá internada vai sair hoje? dita por informante jovem do sexo masculino natural do Rio de Janeiro (Silva, 2011, p. 102)... Figura 10: Frase A minha alta vai ser hoje? dita por informante jovem do sexo feminino natural do Rio de Janeiro (Silva, 2011, p. 102)... Figura 11: Forma de onda do enunciado Você é de, sei lá, de uma história inventada?, excluído da análise devido à hesitação (FE) Figura 12: Imagem do Praat de curva de melodia sintetizada (subida de 100 a

12 200 Hz)... Figura 13: Curva estandardizada de melodia sintetizada (subida de 100 a 200 Hz)... Figura 14: Imagem do Praat de curva de melodia sintetizada (subida de 200 a 400 Hz)... Figura 15: Curva estandardizada de melodia sintetizada (subida de 200 a 400 Hz)... Figura 16: Diagrama das três partes do contorno melódico segundo o MAS... Figura 17: Modelo de inflexão final ascendente-descendente... Figura 18: Modelo de inflexão final ascendente... Figura 19: Modelo de inflexão final de núcleo elevado (high nucleous)... Figura 20: Modelo de inflexão final descendente... Figura 21a: Imagem do Praat do enunciado original É de uma novela? (FE) forma de onda, espectrograma e curva de pitch... Figura 21b: Imagem do Praat do enunciado original É de uma novela? (FE) forma de onda e pontos de pitch para manipulação acústica... Figura 22a: Imagem do Praat do enunciado acusticamente manipulado / ressintetizado É de uma novela? (FE) forma de onda, espectrograma e curva de pitch... Figura 22b: Imagem do Praat do enunciado acusticamente manipulado / ressintetizado É de uma novela? (FE) forma de onda e pontos de pitch selecionados no centro de cada sílaba... Figura 23: Curva de pitch do enunciado Esse personagem virou, por exemplo, personagem de um filme? (FE)... Figura 24: Curva de pitch do enunciado Esse personagem virou, por exemplo, personagem de um filme? (LE)

13 GRÁFICOS Gráfico 1: Curva estandardizada do enunciado Ele é o protagonista (LE)... Gráfico 2: Classificação dos dados de fala espontânea e leitura... Gráfico 3: Enunciado Ele envelhece no filme? (FE)... Gráfico 4: Enunciado As mulheres acham ele bonito? (LE)... Gráfico 5: Enunciado Tem direito a dica? (FE) IF ascendente-descendente. Gráfico 6: Enunciado É de uma novela? (FE) IF ascendente... Gráfico 7: Enunciado É famoso? (FE) IF de núcleo elevado... Gráfico 8: Enunciado Idade Moderna? (FE) IF descendente... Gráfico 9: Enunciado Você é de desenho animado? (LE) IF ascendentedescendente... Gráfico 10: Enunciado Ele é um mágico? (LE) IF ascendente... Gráfico 11: Ele tem vida eterna? (LE) IF de núcleo elevado... Gráfico 12: Enunciado Uma personagem real? (LE) IF descendente... Gráfico 13: Enunciado Ele usa terno? (FE)... Gráfico 14: Enunciado Ele usa terno? (LE)... Gráfico 15: Enunciado Do nosso país? (FE) TABELAS Tabela 1: Padrões entoacionais das interrogativas do português do estado de São Paulo (adaptado de Mendes, 2013, p. 96)... Tabela 2: Relação dos enunciados analisados... Tabela 3: Resultado da análise acústica classificação dos enunciados de FE e LE de acordo com a inflexão final... Tabela 4: Resultado do teste de percepção para enunciados de IF ascendente... Tabela 5: Resultado do teste de percepção para enunciados de IF ascendentedescendente e de núcleo elevado

14 Tabela 6: Resultado do teste de percepção para enunciados de IF descendente... Tabela 7: Relação de enunciados utilizados como grupo controle... Tabela 8: Média de subida da F0 na vogal tônica final por modalidade de fala e sexo do informante LISTA DE SIGLAS E ABREVIATURAS ASR Automatic Speech Recognition (Reconhecimento Automático de Fala) db decibéis F0 frequência fundamental FE fala espontânea IPO Institute for Perception Research (Instituto de Pesquisa em Percepção) Hz Hertz IF inflexão final L2 língua estrangeira LE leitura MAS Melodic Analysis of Speech Method (Método de Análise Melódica da Fala) ms milissegundos PB português do Brasil / português brasileiro TTS Text-to-Speech (Síntese de Fala) s segundos

15 INTRODUÇÃO As chamadas interrogativas totais ou questões totais são aquelas que, em termos de estrutura sintática, se assemelham às declarativas, diferenciando-se delas apenas através da prosódia, e podendo ser respondidas com um sim ou um não. Outros autores referem-se a esse tipo de sentença como interrogativas absolutas (FONT- ROTCHÉS & MATEO-RUIZ, 2011), interrogativas globais (MATA, 1992) ou perguntas sim/não (REINECKE, 2007). Este trabalho tem como objetivo apresentar uma análise acústica e perceptiva da entoação das interrogativas totais na fala carioca, confrontando dados de leitura (LE) com dados de fala espontânea (FE). Tenciona-se estabelecer padrões fonológicos para as interrogativas totais na fala carioca, observando as diferenças (no nível fonético ou fonológico) entre os estilos de fala aqui referidos como FE e LE, e traçar comparações com outros trabalhos realizados sobre a prosódia no português e em outras línguas românicas, colaborando assim para a descrição de uma gramática entoacional do português brasileiro. O principal aspecto que diferencia o presente trabalho de outros já realizados sobre a prosódia das interrogativas no português brasileiro, e, mais especificamente, na variedade do Rio de Janeiro, é a comparação sistemática entre esses dois estilos de fala (FE e LE) e o emprego de um método diferenciado (MAS, explicitado mais adiante). Para a pesquisa, foi utilizado um corpus elaborado com a finalidade específica de obter interrogativas espontâneas e lidas que contivessem exatamente o mesmo conteúdo estrutural, podendo assim ser comparadas. 15

16 Nesse ponto, é importante fazer uma consideração sobre o uso do termo fala espontânea neste trabalho. Chamamos aqui de fala espontânea uma amostra, composta especificamente para esta pesquisa, em que os informantes são induzidos, indiretamente, a produzir determinado tipo de enunciado (interrogativas). É possível questionar o grau de espontaneidade desse corpus, que poderia também ser definido como de fala semiespontânea por não ser tão espontâneo quanto, por exemplo, uma conversação livre. No entanto, entende-se que o grau de espontaneidade / monitoramento da fala não é uma categoria dicotômica, e sim um continuum, havendo, nas diversas situações de fala, inumeráveis gradações nesse aspecto. Sabe-se, por exemplo, que nem mesmo na entrevista sociolinguística típica a espontaneidade da fala é total, como salienta Labov (1972) ao tratar do paradoxo do observador. Tendo em mente esse continuum e levando em conta outros trabalhos que estudaram a entoação em dados de fala semiespontânea, como o de Silva (2011), optou-se, por comparação, por chamar de espontânea a fala dos participantes do jogo de adivinhação. A dissertação está organizada da seguinte maneira: no primeiro capítulo, faz-se uma breve apresentação do tema: na seção 1.1, são revistos os conceitos de prosódia e entoação (1.1.1) e discorre-se sobre as possibilidades de aplicação prática dos estudos na área de prosódia (1.1.2). Já na seção 1.2, é feita uma revisão dos trabalhos acerca da prosódia das interrogativas e da comparação entre FE e LE no português do Brasil utilizados como fonte de estudo para a realização desta pesquisa. No segundo capítulo, apresenta-se a fundamentação teórico-metodológica do trabalho. Incluem-se aqui os pressupostos teóricos que fundamentam a pesquisa (seção 2.1), a descrição detalhada do corpus (seção 2.2) e da metodologia empregada O Método de Análise Melódica da Fala (seção 2.3). Esse método divide-se nas fases de 16

17 análise acústica e perceptiva dos dados, cujos procedimentos são descritos nas subseções e 2.3.2, respectivamente. Em seguida, no capítulo 3, apresentam-se os resultados das análises dos dados, tanto de FE quanto de LE: os resultados da etapa acústica da análise encontram-se na seção 3.1 e os resultados do teste de percepção estão na seção 3.2. No quarto capítulo, discutem-se os resultados da análise, comparando-se as duas modalidades estudadas. Ainda neste capítulo, na seção 4.2, são feitas considerações sobre a influência da expressão de atitudes motivadas por situações pragmáticodiscursivas muito específicas no contorno melódico dos enunciados analisados. Por fim, no capítulo 5, são apresentadas algumas considerações finais sobre a pesquisa e os resultados obtidos. 17

18 1. APRESENTAÇÃO DO TEMA 1.1. Os estudos em prosódia e suas aplicações Conceitos de prosódia e entoação Em seu livro, em preparação, Introdução à Prosódia, Moraes esclarece que o termo prosódia surge na língua portuguesa em fins do século XVIII, com um sentido bastante amplo que engloba todos os meios fônicos usados para a acentuação na linguagem, bem como a representação gráfica dessas características na escrita. O termo adquiriu também uma acepção mais específica, referente à métrica do verso, ou seja, à musicalidade da linguagem poética (metrificada). Atualmente, nos estudos em linguística, a prosódia é a parte da fonética / fonologia que diz respeito aos aspectos suprassegmentais, isto é, os elementos da fala que não podem ser submetidos à segmentação em fones ou fonemas, representados na escrita pelos grafemas ou letras. O aspecto segmental da fala depende da diferenciação dos fonemas de uma língua entre si. Já a prosódia diz respeito a questões como melodia, ritmo, velocidade e volume, ou seja, à configuração musical que se dá à cadeia de fones. Embora os aspectos segmental e suprassegmental da linguagem possam ser estudados separadamente, estão intrinsecamente relacionados, sendo elementos constitutivos de todos os enunciados das línguas naturais. Tanto os aspectos segmentais quanto os suprassegmentais da fonética e fonologia de uma língua podem ser estudados através da observação precisa, por meio de ferramentas computacionais, das ondas sonoras. Em termos físicos, isto é, no que 18

19 concerne às ondas acústicas, são quatro os parâmetros que se podem analisar para estudar os sons da fala: a altura melódica, auferida através da frequência fundamental (F0) e cuja unidade de medida são os Hertz (Hz); a intensidade ou volume, que consiste na amplitude da onda e é medida em decibéis (db); a duração, medida em unidades de tempo como segundos (s) ou milissegundos (ms); e o timbre, de verificação um pouco mais complexa, uma vez que se refere à qualidade ou textura de cada som e depende da configuração das várias frequências simples que formam uma onda complexa (por isso mesmo chamadas frequências formantes, ou simplesmente formantes). Este último parâmetro é mais utilizado na fonética para o estudo das vogais, que diferem entre si pelas frequências formantes. Já para o estudo dos fenômenos prosódicos, observam-se os parâmetros de altura, intensidade e duração. Se o termo prosódia engloba todos os aspectos não segmentáveis dos sons da fala, o termo entoação diz respeito, mais especificamente, às modulações da altura melódica ao longo dos enunciados. Desde o início do século XX, diversos estudiosos já teorizaram acerca das funções que a entoação desempenha na linguagem. Em seu Traité de phonetique, Grammont (1946) estipula três funções básicas para a entoação: a função idiossincrática, que diferencia línguas; a função expressiva, que expressa emoções do falante; e a função modal, que diferencia tipos de frases (afirmações de perguntas, por exemplo). Posteriormente, vários outros autores como Frantiseck Danes (1960), Hist & DiCristo (1998), Couper-Khulen (1986), Fónagy (1981, 1993), Ladd (1996) e Hirschberg (2002), estipularam funções para a prosódia, com maior ou menor grau de especificidade em suas categorizações, mas sempre abarcando uma face linguística (relacionada ao significado do enunciado propriamente dito) e uma face não linguística (relacionada a questões pragmático-situacionais e a características individuais do falante) da entoação. 19

20 Vale observar que nos ativemos, aqui, a uma conceituação de prosódia calcada nos correlatos acústicos. Dentro de uma perspectiva fonológica, autores como Selkirk (1984) e Nespor & Vogel (1986; 1994) estudam a prosódia do ponto de vista de seus domínios, isto é, da hierarquização da estrutura fonológica, caracterizando uma abordagem mais abstrata dos fenômenos prosódicos A aplicabilidade dos estudos em prosódia Tendo em vista o papel fundamental desempenhado pela entoação na comunicação humana seja determinando diretamente a modalidade da frase ou agregando nuances expressivas a ela, é possível afirmar que, dentre os quatro parâmetros acústicos, a altura, mensurada através da frequência fundamental (F0), é aquele mais comumente observado nos estudos sobre a prosódia da fala. A grande importância da entoação na construção de sentido dos enunciados faz com que os estudos na área da prosódia tenham aplicabilidade prática em diferentes âmbitos. No ensino de língua estrangeira (L2), esse é um aspecto frequentemente negligenciado, embora o valor da contribuição desses estudos para o processo de ensino-aprendizagem de L2 já tenha sido estudado em várias línguas, como mostram, por exemplo, Gilbert (2008) e Miller (2002), no caso do inglês. Mendes (2013, p.14) assim justifica a necessidade de um olhar mais atento à entoação pelos professores de língua estrangeira: [...] ainda que o aluno de LE acredite que sua identidade como estrangeiro esteja expressa em sua fala e, por uma questão patriótica, não queira utilizar a mesma entonação que um nativo da língua, os problemas 20

21 relacionados à entonação e/ou à pronunciação de determinada frase são reais e afetam as relações interpessoais na relação cotidiana da língua. Assim, mesmo que o aluno tenha um bom desempenho na gramática e saiba utilizar bem o léxico da língua-alvo, sem a entonação correta, seu interlocutor nativo pode não conseguir identificar sua real intenção comunicativa, o que irá gerar inúmeros mal-entendidos. Dentre os inúmeros trabalhos sobre prosódia que visam a melhorias no ensino de línguas, estão aqueles vinculados ao projeto Modelos de Entonação de Espanhol e Português para o Ensino de Língua, ao qual se relaciona o presente trabalho, na medida em que utiliza a mesma metodologia de pesquisa e colabora para uma descrição acústica do português do Brasil. Esse projeto foi desenvolvido em três países, Brasil, Espanha e Cuba, sob a coordenação geral do Professor Doutor Francisco José Cantero Serena, da Universidade de Barcelona, e tendo como coordenador íbero-americano e brasileiro o Professor Doutor Enrique Huelva Unternbäumen, da Universidade de Brasília. O caráter interseccional entre a linguística e a música que se faz notar na própria etimologia do termo prosódia faz com que os estudos nessa área tenham também aplicações no campo das artes tanto como instrumento de interpretação da obra pelo ouvinte quanto como ferramenta de aprimoramento de performance, como mostra Mattos (2006) em estudo sobre a música popular brasileira. No que tange à prosódia da fala, a linguística conversa também com as ciências da saúde, na medida em que os estudos nessa área também são aplicados à reeducação de voz e terapia fonoaudiológica. Um bom panorama geral sobre o tema está em Levitt (1993), que estuda a aquisição de padrões prosódicos em crianças com transtorno de fala a partir da análise dos parâmetros de frequência, duração e intensidade. Além disso, é notável a aplicabilidade dos estudos sobre a entoação no desenvolvimento de novas tecnologias de fala, como os sistemas de síntese Text-to- 21

22 Speech (TTS) e os de reconhecimento automático de fala Automatic Speech Recognition (ASR), revelando um ponto de diálogo entre a ciência linguística e as ciências da computação / engenharia de software. O desenvolvimento desse tipo de sistema envolve diferentes áreas da linguística, como a fonologia (inclusive no nível segmental), a sintaxe e a lexicologia; mas destaca-se o aspecto prosódico, uma vez que o reconhecimento e reprodução automáticos dos diferentes padrões prosódicos de uma língua ainda são um grande desafio. A literatura sobre o tema não se restringe às publicações oriundas da pesquisa acadêmica em linguística, mas também inclui diversos artigos resultantes do trabalho de desenvolvimento desse tipo de sistemas. Dentre outros autores importantes, pode-se citar Hirschberg, que já estudou a automatização de realização de fronteiras prosódicas em sistemas de TTS (HIRSCHBERG, 1991; HIRSCHBERG & PIETRO, 1994); e mais recentemente a percepção e produção de emoções humanas aplicadas às tecnologias de fala (HIRSCHBERG, 2002; 2003). Vale mencionar também os trabalhos de Stergar & Erdem (2010) que apresentam uma proposta de adaptação e aplicação de padrões prosódicos das línguas naturais para TTS; e Ostendorf et al (2003), que sugerem a aplicação de modelos prosódicos nos sistemas de ASR no sentido de tentar aumentar sua acurácia com inputs de fala espontânea Estudos sobre o tema A literatura sobre a prosódia do português brasileiro vem crescendo bastante desde a década de 70, já contando com um volume considerável de pesquisas sobre diversas variedades e sob diferentes escopos teóricos. Essa diversidade de abordagens, notações e terminologias é justamente o que Tenani (2002) ressalta como sendo uma 22

23 dificuldade em se constituir urna descrição do que possa ser denominado de 'gramática entoacional' do PB (p. 14). Há um conjunto de trabalhos ligado à tradição britânica de modelos entoacionais preconizada por Halliday (1970), dentre os quais pode-se mencionar, principalmente, os de Geabra (1976), Cagliari (1981) e Rizzo (1981). Já os trabalhos de Moraes (1982; 1984; 2006; 2008) e seus orientandos, como Cunha (2000), representam outro conjunto importante de análises, que se relacionam com a escola francesa de análise entoacional proposta por Fónagy (1981; 1993). Mais recentemente, trabalhos que utilizam o modelo de hierarquia prosódica de Nespor & Vogel (1986; 1993), relacionados à percepção de fronteiras prosódicas e a interface sintaxe-prosódia vêm sido desenvolvidos, como os de Freitas (1995), Frota & Vigário (1999; 2000), Frota (2011), Tenani (2002), Fernandes (2007) e Serra (2009). Diversos trabalhos já foram realizados acerca da prosódia das interrogativas no português brasileiro, com enfoques teóricos e tipos de corpus diferentes. Cagliari (1981), ao analisar os contornos entoacionais do português brasileiro, classifica-os como simples (descendente, ascendente, nivelado) ou complexos, isto é, quando combinam mais de uma característica dos contornos simples. O autor estabelece o padrão ascendente como típico das interrogativas totais, caracterizadas por um ataque e corpo em nível médio e um ascenso final. Há ainda um padrão para a interrogativa com expressão de surpresa, que conta com uma subida antes da última sílaba tônica, mas, ainda assim, conserva a inflexão final ascendente. O trabalho de Moraes (2006), cujo corpus consiste em enunciados isolados gravados em laboratório, é uma importante referência na área, e revela quatro padrões diferentes para as questões totais no PB, a saber: 23

24 (i) padrão de final ascendente, tipicamente associado com interrogativas totais neutras, isto é, perguntas para as quais o falante não tem uma resposta esperada. Esse padrão caracteriza-se por um onset de nível médio sobre a última sílaba tônica (Figura 1). Figura 1: Padrão de final ascendente curva de pitch e notação do enunciado Os garotos não se esforçam? pronunciado como pergunta neutra (MORAES, p. 2) (ii) padrão de subida interna, associado a perguntas confirmativas, isto é, para as quais se espera uma resposta positiva do falante (concordando com o conteúdo proposicional da sentença). Esse padrão caracteriza-se por uma subida em um nível melódico alto na primeira sílaba tônica, com uma subida contínua ao longo do enunciado, incluindo a sílaba pré-tônica final, com queda na sílaba tônica final (Figura 2). Figura 2: Padrão de subida interna curva de pitch e notação do enunciado Os garotos não se esforçam? pronunciado como pergunta confirmativa (MORAES, p. 2) 24

25 (iii) padrão de subida tardia, associado à atitude de descrédito ou dúvida em relação ao que foi dito pelo interlocutor, e, portanto, sugerindo discordância com conteúdo proposicional da sentença. O que distingue esse padrão é o fato de que a subida melódica na última sílaba tônica só se inicia no seu segundo terço, criando uma subida de formato ligeiramente côncavo (Figura 3). Embora o autor categorize os padrões (i) e (iii) separadamente, devido à expressão de atitude, é possível questionar se a diferença entre essas duas melodias está no nível fonético ou fonológico, uma vez que os padrões são bastante parecidos. Figura 3: Padrão de subida tardia curva de pitch e notação do enunciado Os garotos não se esforçam? pronunciado com atitude de descrédito (MORAES, p. 2) (iv) padrão de dupla subida, que ocorre em diversas situações discursivas, dentre as quais estão pedidos e perguntas que carregam uma intenção retórica com uma resposta esperada no sentido oposto do conteúdo proposicional da sentença. Esse padrão é caracterizado por uma subida na primeira sílaba tônica e uma segunda subida, mais fraca, antes da última sílaba tônica, onde se inicia o descenso final (Figura 4). 25

26 Figura 4: Padrão de dupla subida curva de pitch e notação do enunciado Os garotos não se esforçam? pronunciado como pergunta retórica (MORAES, p. 2) No tocante à metodologia de pesquisa, é importante mencionar que Moraes (2006; 2008) utiliza também o recurso da ressíntese para fazer uma descrição fonética e análise fonológica de alguns contornos melódicos relacionados a expressões de atitude no português do Brasil (PB). A partir dos resultados obtidos na análise dos dados, sentenças originalmente pronunciadas como declarativas são manipuladas acusticamente a fim de se encaixarem nos padrões estabelecidos para os diferentes tipos de perguntas, e posteriormente submetidas a testes de percepção no intuito de confirmar a validade dos resultados. O autor mostra que o contorno prosódico do enunciado varia significativamente de acordo com a intenção comunicativa do falante, ou seja, a expressão de atitudes e a polaridade da pergunta, isto é, a expectativa por uma resposta positiva ou negativa. Em trabalho posterior (MORAES, 2008), em que analisa uma grande variedade de contornos melódicos do PB, o autor enquadra todos os tipos de perguntas sim/não estudadas (neutra, retórica e incrédula) em um mesmo grupo geral, o de contornos ascendentes, e distinguindo-as a partir da sua configuração interna, como detalhado a seguir: 26

27 (i) pergunta sim/não neutra: caracterizada por uma subida melódica na primeira sílaba tônica, situada em nível médio, ligeiramente mais alto do que o observado em afirmativas. Essa subida costuma atingir a sílaba pós-tônica e é seguida por uma queda contínua até a sílaba pré-tônica final, situada em nível baixo, e por uma subida na sílaba tônica final, caindo novamente nas eventuais sílabas pós-tônicas (Figura 5). Figura 5: Enunciado Renata jogava? pronunciado como pergunta neutra (MORAES, 2008, p. 5) Os testes perceptivos revelaram que, fonologicamente, o acento nuclear é que determina o contraste entre este tipo de sentença e as assertivas, de forma que a tendência a um nível mais alto no acento pré-nuclear das perguntas é considerada uma variação do contorno padrão. Por outro lado, o que diferencia este tipo de contorno do das perguntas retóricas ou pedidos, como será visto seguir, é a subida melódica entre a sílaba prétônica e a tônica finais, alinhada tardiamente, à margem direita da vogal tônica. (ii) pergunta sim/não retórica: foneticamente, tem comportamento similar ao dos pedidos, apresentando a sílaba pré-tônica em nível baixo, subida na sílaba tônica final e queda na(s) sílaba(s) pós-tônicas. O que diferencia esse contorno daquele das perguntas 27

28 totais neutras é que o pico de F0 na última sílaba tônica está localizado no começo da vogal, e não no final, o que faz com que sua configuração intrassilábica seja descendente, em vez de ascendente. Além disso, outros dois pontos distinguem os padrões de pergunta neutra e retórica: a subida final atinge um nível mais alto na pergunta neutra, e a primeira sílaba tônica está em nível muito mais alto na pergunta retórica ou pedido, revelando similaridade com as perguntas parciais (Qu-) (Figura 6). Figura 6: Enunciado Renata jogava? pronunciado como pergunta retórica (MORAES, 2008, p. 5) Os testes de percepção mostraram que a forma descendente da última sílaba tônica é que distingue este padrão daquele das perguntas neutras. O alinhamento do pico de F0 é, portanto, relevante para a caracterização desse padrão melódico, bem como o acento pré-nuclear em nível alto, similar ao das perguntas Qu-. (iii) pergunta sim/não incrédula: distingue-se da pergunta neutra por quatro aspectos: (a) a sílaba pré-tônica final em nível mais alto, (b) uma subida tardia na sílaba tônica final, que começa na segunda metade da vogal, (c) um nível mais baixo no final da última sílaba tônica e (d) um maior prolongamento dessa sílaba. Em ambos os padrões, o pico de F0 na sílaba tônica final está alinhado à margem direita da vogal tônica (Figura 7). 28

29 Figura 7: Enunciado Renata jogava? pronunciado como pergunta incrédula (MORAES, 2008, p. 5) Os testes de percepção revelaram que nem o prolongamento nem o nível melódico mais baixo na vogal tônica são relevantes para a identificação fonológica deste padrão. O que de fato o diferencia dos outros padrões é a presença de um vale na primeira metade da vogal tônica final, e secundariamente pela vogal pré-tônica final em nível alto. Ainda no que concerne a trabalhos sobre a entoação das interrogativas totais, é importante mencionar aqueles que utilizam o mesmo método aqui empregado. Os autores Cantero & Font-Rotchés, desenvolvedores do Método de Análise Melódica da Fala (MAS, cf. seção 2.3), bem como outros professores e estudantes ligados ao mesmo grupo de pesquisa, têm publicados trabalhos acerca dos padrões prosódicos de diversos tipos de sentenças em diferentes línguas; visando, principalmente, à aplicação dos estudos no aprimoramento do ensino de línguas estrangeiras. No catalão, Font-Rotchés (2008) utiliza corpus extraído de programas de debate na televisão, e estabelece três padrões diferentes para as interrogativas absolutas. No espanhol, Font-Rotchés & Mateo-Ruiz (2011) utilizam a mesma metodologia, e fazem uma análise detalhada das interrogativas totais (absolutas), estabelecendo cinco diferentes padrões para esse tipo de pergunta. 29

30 Em trabalho recente, Cantero & Font-Rotchés (2013) descrevem, de um ponto de vista fonético, três padrões de interrogativas totais (absolutas) obtidas de um corpus do estado de Goiás. Os padrões observados foram os de inflexão final (IF) ascendente, IF ascendente-descendente e IF de núcleo elevado (high nucleous final inflection) todos encontrados também nos dados desta pesquisa, e descritos mais detalhadamente na subseção No trabalho sobre as interrogativas no estado de Goiás, foi realizada a análise e estandardização de 55 enunciados, além da verificação da validade dos resultados com um teste de percepção. De todos os 55 enunciados analisadas, 45 se enquadraram nos padrões acima relacionados. Os outros dez dados fazem parte do grupo de sentenças que, na segunda fase da pesquisa, não foram reconhecidas pelos juízes como interrogativas quando ouvidas de forma descontextualizada. Assim, foram contabilizadas na análise dos três tipos de contorno apenas 45 enunciados. Dentre estas, 37,8% apresentaram o contorno de IF ascendente, 33,3% o de IF ascendente-descendente e 28,9% o de IF de núcleo elevado. Mendes (2013), pertencente ao mesmo grupo de pesquisa de Cantero & Font- Rotchés, estudou as interrogativas no estado de São Paulo a partir de um corpus de fala espontânea retirado de programas de televisão do tipo reality show, como o Big Brother Brasil. A autora encontrou cinco padrões diferentes para os 140 enunciados analisados, sendo três deles classificados como padrões /+ interrogativos/ e dois como /- interrogativos/, isto é, perguntas relativas, que necessitam de outros elementos da língua para serem reconhecidas como interrogativas. Os padrões /+ interrogativos/ são os de IF ascendente, IF com núcleo elevado (podendo ser de corpo plano ou corpo ascendente) e IF ascendente-descendente. Os padrões /- interrogativos/ são os de IF ascendente e IF plana. A autora sintetiza os padrões encontrados para a variedade paulista no quadro a 30

31 seguir (Tabela 1), e ressalta que seis enunciados analisados (4,3%) não comportavam características de nenhum dos padrões apresentados nesse trabalho, porém, sua análise tampouco incorreu em um novo padrão (p. 97). Padrões Representação Enunciados % (1) IF ascendente (+20% ~ +30%) 35 25% /+I/ (2a) IF com núcleo elevado e corpo plano (2b) IF com núcleo elevado e corpo ascendente 28 20% 5 3,6% (3) IF ascendentedescendente 15 10,7% /-I/ (4) IF descendente (-20% ~ - 40%) 20 14,3% 31

32 (5) IF plana (-15% ~ +15%) 31 22,1% Tabela 1: Padrões entoacionais das interrogativas do português do estado de São Paulo (adaptado de Mendes, 2013, p. 96) No escopo da geolinguística, há trabalhos que trazem importantes contribuições para o estudo da entoação das interrogativas no PB. São importantes referências os trabalhos de Cunha (2000, 2006), utilizando o corpus de fala espontânea do projeto Norma Urbana Culta (NURC) e um corpus de leitura complementar; e, posteriormente, utilizando o corpus de fala semiespontânea do projeto Atlas Linguístico Brasileiro (ALiB), coletado a partir de um questionário realizado em diversas cidades brasileiras. A autora faz uma descrição geral dos diferentes padrões frasais do PB, incluindo todos os tipos de sentença, e, assim como no presente trabalho, realiza uma comparação entre fala espontânea e leitura. A autora encontra diferenças significativas nos movimentos tonais que ocorrem no interior dos enunciados nas diferentes regiões do Brasil, estabelecendo uma clara oposição entre as capitais do nordeste e as do sul. Além disso, mostraram-se interessantes as diferenças observadas entre fala espontânea e leitura, em especial no Rio de Janeiro: nessa cidade, a análise dos dados de FE teve resultados similares àqueles obtidos para São Paulo, enquanto os dados de LE aproximaram-se mais da fala das capitais nordestinas. A tese de Lira (2009) também é uma importante referência no que diz respeito à entoação regional do PB, e, em especial, das interrogativas. A autora faz uso de outro corpus de fala semiespontânea, o do Projeto Internacional AMPER, e descreve o 32

33 comportamento da frequência fundamental em enunciados assertivos, questões parciais, disjuntivas e totais em cinco localidades do nordeste brasileiro. Com relação às questões totais nas cinco localidades estudadas (Recife, Fortaleza, Salvador, João Pessoa e São Luís), a autora encontra algumas diferenças nos movimentos tonais da segunda parte do enunciado (a partir do acento nuclear até o final do enunciado). Essas diferenças, no entanto, não podem ser muito claramente atribuídas à variação regional, já que as diferentes variações do padrão interrogativo total se alternam em uma mesma cidade. As duas possibilidades de realização do contorno melódico final encontradas são (i) sílaba tônica final alta seguida de postônica baixa e (ii) sílaba tônica baixa seguida de postônica alta., sendo este último desdobrado em duas subvariações, que se apresentam em proporções diferentes nas cidades estudadas: o início da subida final pode estar na tônica (alinhado mais à esquerda) ou na postônica (alinhado mais à direita). Tendo em vista o objeto de estudo desta pesquisa, dentre os trabalhos realizados sobre a prosódia na perspectiva da variação regional, destaca-se o de Silva (2011), que integra o projeto ALiB e descreve, a partir do corpus do referido projeto, a entoação das interrogativas totais em 25 capitais brasileiras. A autora estabelece padrões específicos para cada uma das capitais estudadas e traça uma linha imaginária que divide o mapa do Brasil em duas grandes macrorregiões dialetais no que concerne à entoação das interrogativas totais. Essa divisão corresponde em parte àquela estabelecida por Antenor Nascentes no início do século XX, e consiste em dois grandes grupos de falares: a região que engloba o norte e nordeste do país, caracterizada por um contorno de acento nuclear ascendente, e a região que engloba o centro-oeste, sudeste e sul do Brasil, de acento nuclear descendente e padrão circunflexo (cf. Figura 8). 33

34 Regiões norte e nordeste: Acento nuclear ascendente Padrão ascendente Regiões centro-oeste, sudeste e sul: Acento nuclear descendente Padrão circunflexo L+H* L+!H*H L+!H* L+H*L Figura 8: Mapa de macrorregiões dos falares brasileiros por Silva (2011, p. 126) No que se refere especificamente à fala do Rio de Janeiro, a autora encontrou a seguinte configuração para as questões totais: pico inicial na primeira sílaba tônica seguido de uma descida ao longo do enunciado e uma inflexão final circunflexa. Essa IF é subdividida pela autora em dois tipos, podendo contar com um pico melódico antecipado seguido de uma descida ou com um movimento de subida seguido de pico melódico atrasado. Em ambos os casos, o que caracteriza o segundo pico (aquele 34

35 referente ao acento nuclear) é que este alcança valores de F0 mais altos do que os do primeiro pico. Os dois tipos de contornos encontrados para o dialeto carioca estão ilustrados nas figuras 9 e 10, a seguir, que representam a curva melódica das sentenças A pessoa que tá internada vai sair hoje? e A minha alta vai ser hoje?. Ambos os enunciados possuem o pico inicial na primeira sílaba tônica e o pico da última sílaba tônica mais proeminente que o primeiro. A diferença é que, na primeira frase, há um movimento de subida com o pico melódico à direita dessa sílaba (pico atrasado), e na segunda o pico ocorre no início da tônica, seguido por um movimento de descida. Figura 9: Frase A pessoa que tá internada vai sair hoje? dita por informante jovem do sexo masculino natural do Rio de Janeiro (Silva, 2011, p. 102) 35

36 Figura 10: Frase A minha alta vai ser hoje? dita por informante jovem do sexo feminino natural do Rio de Janeiro (Silva, 2011, p. 102) Podem-se citar ainda outros trabalhos que contribuem para uma visão geral sobre o tema da prosódia das interrogativas. No português europeu, Mata (1992) descreve três tipos de contornos (descendente, ascendente e estacionário), registrados em proporções diferentes entre as interrogativas estas se dividem em perguntas globais, parciais, alternativas e confirmativas. O trabalho, que se dá no escopo da Fonologia Prosódica, demonstra que há uma significativa variedade de contornos entre as interrogativas. Há ainda trabalhos que tratam da prosódia (inclusive das interrogativas) do ponto de vista da aprendizagem e transferência linguística em língua estrangeira (Pinto, 2009) e do contato entre línguas (Santos, 2008). No que se refere especificamente às interrogativas na fala espontânea do Rio de Janeiro, encontramos apenas o trabalho resultante de pesquisa de iniciação científica de Souza (1995), que utiliza o corpus do projeto NURC para analisar três tipos de perguntas (totais, disjuntivas e parciais). Quanto às perguntas totais, os resultados 36

37 obtidos apontam diferenças em relação àquelas produzidas em contexto de leitura, analisadas por Moraes (1984). O trabalho de Souza mostra que, no contexto de FE, as interrogativas não seguem um padrão melódico tão regular quanto as produzidas em contexto de LE, e dá margem a uma investigação mais aprofundada acerca de quais seriam os fatores determinantes dessas diferenças. 37

38 2. FUNDAMENTAÇÃO TEÓRICO-METODOLÓGICA 2.1. Pressupostos teóricos A partir de enfoques teóricos como o da escola holandesa a teoria conhecida como IPO (sigla para Institute for Perception Research), apresentada em t Hart, Collier & Cohen (1990), desenvolveu-se toda uma linha de análise da entoação a partir de uma perspectiva instrumental e perceptiva que visa à objetividade da descrição. De acordo com a IPO, os contornos melódicos são idealizados como sequências de movimentos de pitch e conexões entre segmentos pontuais na linha melódica. O modelo assume que alguns movimentos de pitch são interpretados como relevantes pelo ouvinte, e que tais movimentos são gerados por comandos discretos que o cérebro do falante envia às cordas vocais e que, portanto, devem ser recuperáveis pelo ouvinte a partir de eventos discretos no contorno melódico. Assim, de acordo com a teoria, a variação que ocorre na linha melódica ao longo de um enunciado consiste basicamente na diferença entre tons relativamente baixos e tons relativamente altos. Essa noção de distinção básica entre tons altos e baixos é que sustenta o sistema binário de análise de tons melódicos defendido por Pierrehumbert (1980) na Teoria Autossegmental. O arcabouço teórico em que se constrói a IPO inspira um método cujos pormenores procedimentais podem variar, mas que consiste essencialmente em aferir a F0 do sinal acústico e reduzir a curva tonal resultante aos movimentos essenciais, aqueles que dão origem a uma curva estilizada, que deve passar por testes de percepção para que seja validada como um padrão fonológico de entoação. 38

39 O presente trabalho toma por base Método de Análise Melódica da Fala (MAS), cujos procedimentos se enquadram nessa descrição geral, e serão abordados de forma mais detalhada na seção 2.3. Essa metodologia de trabalho constitui-se a partir de alguns pressupostos teóricos básicos que se aproximam da Teoria Autossegmental e Métrica formalizada por Ladd (1996), na medida em que enxergam os sons da fala como uma cadeia hierarquicamente organizada. O elemento central dessa hierarquia, núcleo da fonação e do discurso, sempre é uma vogal, o único som cuja F0 é controlada conscientemente pelo falante e ao redor do qual se organizam os demais sons da fala (consoantes e glides). A vogal (tônica ou átona) é o núcleo da sílaba, a vogal tônica é o núcleo da palavra e a vogal tônica em que se identifica a inflexão final é o núcleo do enunciado, tendo papel definitivo na caracterização dos padrões melódicos. A pressuposição dessas ideias acerca da hierarquia fônica fica clara na metodologia empregada para análise dos dados no MAS, que se utiliza do conceito de segmento tonal. Segmento tonal é cada valor de F0 considerado relevante para a melodia. Uma vez que o som mais importante do discurso é sempre a vogal, núcleo de cada unidade fônica (sílaba, grupo rítmico, grupo fônico), é evidente que o valor de F0 da vogal será mais relevante que o de qualquer outro som, como um glide ou consoante sonora. Isso é ainda mais evidente no caso das vogais tônicas, que conservam sua identidade tímbrica, enquanto as átonas são muitas vezes neutralizadas. Assim, na análise melódica de um enunciado segundo o MAS, o que interessa são os valores vocálicos, exclusivamente, cada um dos quais constitui um segmento tonal da melodia. Somente em casos em que a duração da vogal é significativamente maior, permitindo a percepção de um movimento de subida ou descida melódica que também deve ser significativo, é que se considera que a vogal constitui não um, mas dois segmentos tonais. 39

40 Outro pressuposto teórico que alicerça o método é a distinção fundamental entre F0, melodia e entoação: a F0 é o parâmetro físico em que se baseia a percepção do tom, e por tanto informa os variados fenômenos linguísticos como o acento e a entoação. A sucessão de valores de F0 em um enunciado ou discurso constitui uma melodia na qual devem estar incluídos os traços tonais que formam tanto o acento quanto a entoação. A melodia, desse modo, não equivale diretamente à entoação: esta última é um fenômeno linguístico, enquanto a primeira é um fenômeno físico uma relação paralela àquela existente entre fonema e fone: um é uma unidade abstrata e funcional, enquanto o outro é uma unidade física. Assim, pode-se afirmar que a entoação é a interpretação linguística na melodia. Em outras palavras, a análise da melodia é uma análise fonética, enquanto a análise da entoação é uma análise fonológica. Embora a diferença entre fonética e fonologia não resida na dicotomia da produção (e realização física da fala) e percepção; no método, essa diferenciação acaba coincidindo com as duas etapas de trabalho: a primeira, de análise acústica (física) dos enunciados e a segunda, de análise da percepção dos ouvintes quanto aos enunciados estudados, que determina a relevância fonológica das diferenças entre os contornos melódicos O corpus As pesquisas na área da prosódia costumam enfrentar algumas dificuldades no que concerne à coleta de dados, em especial quando se deseja analisar a fala espontânea. Para que a análise acústica, feita através de software especializado, seja satisfatória, a qualidade das gravações deve atender a um padrão técnico relativamente alto. Infelizmente, a maior parte das gravações dos grandes corpora de fala disponíveis, como as do projeto Norma Urbana Culta (NURC), apresenta ruídos e sobreposição de 40

41 falas que comprometeriam a análise, e, portanto, não pode ser aproveitada para esse tipo de estudo. Levando-se em conta o objetivo desta pesquisa específica, há outro problema que impede o uso dos corpora de fala gerais: em geral, estes são compostos por entrevistas entre informante e documentador, e dificilmente ocorrem interrogativas, e ainda menos frequentemente interrogativas totais. Além disso, o objetivo de se comparar fala espontânea (FE) com leitura (LE) exige que se disponha de duas amostras similares ou seja, cujos dados sejam estruturalmente idênticos mas que difiram quanto à modalidade de fala (FE e LE). Em virtude dessas particularidades, fez-se necessária a coleta de uma nova amostra. Para a obtenção das interrogativas na modalidade de fala espontânea, é preciso que os informantes estejam inseridos em uma situação comunicativa particular que favoreça o aparecimento de perguntas. Elaborou-se, para tanto, um jogo de adivinhação em que os participantes interagem fazendo perguntas um ao outro, como explicaremos com mais detalhes adiante. A ideia é inspirada na estratégia adotada por Pinto (2009), de sugerir aos informantes um jogo da verdade. O método chamou atenção por se tratar de uma situação lúdica, que propicia uma fala mais descontraída e menos monitorada por parte dos informantes e ao mesmo tempo os impele a produzir o tipo de enunciado desejado para a análise. A proposta de um jogo permitiu a obtenção dos dados de fala espontânea. Para a obtenção dos dados de leitura, adotou-se uma estratégia similar à de Serra (2009) em estudo sobre o fraseamento prosódico na fala espontânea e na leitura do PB. A pesquisadora preocupou-se em construir um corpus de LE com base no corpus de FE, solicitando aos mesmos informantes que fizessem a leitura daqueles dados que produziram espontaneamente. Assim, as amostras são comparáveis entre si, isto é, 41

42 elimina-se a possibilidade de outros fatores que não a modalidade (FE / LE) influenciassem na prosódia das sentenças. Foi construído, portanto, um corpus específico, constituído de um total de 256 enunciados. A amostra conta com dados de FE e LE com conteúdo estrutural idêntico e informados pelos mesmos indivíduos: são, portanto, 128 interrogativas espontâneas e 128 enunciados lidos. As gravações foram realizadas por um gravador de alta performance, modelo Sony PCM-D50 com capacidade de 96KHz/24bit, em uma sala com isolamento acústico adequado Seleção dos informantes A pesquisa contou com um total de oito informantes, todos jovens na faixa etária de 20 e 25 anos, estudantes de diversos cursos de graduação da Universidade Federal do Rio de Janeiro. Uma vez que o objeto de estudo é a fala carioca, todos os participantes são nascidos e passaram a maior parte da vida na cidade do Rio de Janeiro. Embora não haja, na literatura, indícios de que o grau de escolarização seja fator determinante para a prosódia, eliminou-se a possibilidade de a diferença de grau de escolarização estabelecer diferenças nos resultados, já que todos os indivíduos eram estudantes universitários. Além da origem regional e da escolarização, controlou-se também o sexo dos informantes: foram quatro participantes homens e quatro mulheres, a fim de verificar diferenças no nível fonético entre os gêneros, uma vez que já se sabe que todos os falantes de uma língua seguem os mesmos padrões fonológicos. 42

43 Todos os participantes da pesquisa preencheram uma ficha com suas informações pessoais e assinaram um termo concordando com a utilização das gravações para fins acadêmicos (cf. Anexo 1) Gravação de fala espontânea Para a gravação da amostra de fala espontânea, os informantes participaram de um jogo de adivinhação em duplas, elaborado com a intenção de obter interrogativas com a maior espontaneidade possível. Conforme já se observou na seção de introdução deste trabalho, é fato que o grau de espontaneidade desse corpus não é tão alto quanto o de uma conversação livre prototípica, mas a denominação fala espontânea é empregada aqui devido ao fato de a amostra revelar um grau bastante razoável de espontaneidade se comparada a corpora de fala semiespontânea como o do ALiB, bem como em oposição à leitura. Cada jogador escolheu livremente uma personagem (real ou fictícia), cuja identidade deveria ser descoberta pelo outro participante. Foram oferecidos também alguns perfis de personagens previamente descritos em forma de fichas de informações pela pesquisadora. Para descobrir quem é a personagem da vez, o jogador B deve fazer perguntas ao jogador A, mas este último só pode responder sim ou não ou ainda, em caso de perguntas inesperadas, pode dizer que não sabe ou que aquela informação é irrelevante. A título de ilustração, segue um diálogo hipotético em que Marilyn Monroe é a personagem que B está tentando adivinhar. B: Você é um homem? 43

44 A: Não. B: Você é loira? A: Sim. B: Você tem irmãos? A: Irrelevante. B: Você é brasileira? A: Não. (E assim sucessivamente, até que B descubra quem é a personagem de A.) Vale observar que nem todos os participantes dos jogos forneceram, efetivamente, dados para a análise. Alguns colaboraram apenas respondendo às perguntas do colega, ou seja, desempenhando papel do jogador A na situação acima Gravação de leitura Para obtenção dos dados de leitura, primeiramente foi realizada a transcrição grafemática dos diálogos obtidos com o jogo de adivinhação (cf. Anexo 2). Dias depois, solicitou-se aos mesmos informantes que lessem as transcrições, reproduzindo as mesmas sentenças que haviam dito espontaneamente. Dessa maneira, evitam-se as interferências de fatores estruturais e das características idioletais nos resultados da pesquisa no que se refere à comparação entre fala espontânea e leitura. 44

45 Seleção dos enunciados A gravação do jogo de adivinhação resultou em um número bem maior de enunciados do que aqueles que de fato passaram à fase de análise acústica (aproximadamente 600, somando-se FE e LE). Muitos desses dados, porém, apresentavam problemas que poderiam interferir na análise, como, por exemplo, falas sobrepostas, ruídos diversos e, principalmente, risadas. Essas sentenças foram, portanto, excluídas da análise, bem como aquelas em que havia muita hesitação, com prolongadas pausas ao longo do enunciado. Nesses casos, em que o informante pensava muito para formular uma pergunta, considerou-se que o enunciado não possuía o grau de fluidez desejado, havendo rupturas na linha melódica que poderiam atrapalhar a análise. Na figura 11, a seguir, está ilustrado um exemplo de dado excluído da análise devido à hesitação do falante. Figura 11: Forma de onda do enunciado Você é de, sei lá, de uma história inventada?, excluída da análise devido à hesitação (FE) 45

46 2.3. Metodologia de análise A metodologia empregada na análise dos dados baseia-se no Método de Análise Melódica da Fala (MAS) desenvolvido pelos professores Francisco José Cantero e Dolors Font-Rotchés, da Universidade de Barcelona e aplicado em diversos trabalhos (CANTERO, 2002; FONT-ROTCHÉS, 2007; CANTERO & FONT- ROTCHÉS, 2009, 2013, entre outros). O método permite analisar com bastante rigor os enunciados no nível acústico, e utiliza-se dos testes de percepção para confirmar o estatuto fonológico dos padrões melódicos. Oferece um critério de segmentação das melodias da fala exclusivamente fônico, desenvolvido com o objetivo de analisar dados de fala espontânea, e apresenta um sistema de processamento dos dados que permite obter valores acústicos relativos em porcentagem para classificar, analisar e submeter os dados a experimentos com síntese melódica, sendo ao mesmo tempo uma medida mais intuitiva que o semitom musical. O método, cujo protocolo está detalhadamente descrito em Cantero & Font- Rotchés (2009), é dividido em duas fases: a fase acústica, que consiste na preparação e análise acústica dos dados; e a fase perceptiva, em que os resultados obtidos na fase acústica são validados a partir de testes de percepção com ouvintes-juízes nativos da mesma variedade linguística estudada. 46

47 Fase acústica Na fase acústica da análise, é feita, primeiramente, a preparação dos dados: os enunciados a ser estudados são recortados, a partir das gravações originais, em pequenos arquivos de áudio; e organizados em uma tabela em que constam o número do dado, a transcrição do enunciado, iniciais e sexo do informante. A essa mesma tabela foram acrescidas, mais tarde, as classificações quanto à inflexão final (cf. Tabela 2, p. 57). Em seguida, para a análise propriamente dita, foi realizada a segmentação das frases em sílabas e a medição da F0 das vogais de cada sílaba, isto é, aferição dos valores absolutos em Hz de um ponto central da vogal. Naqueles casos em que, dentro da mesma sílaba, havia um aumento ou diminuição de mais de 10% no valor de F0, considerou-se a diferença como significativa e mediram-se dois pontos dentro da mesma sílaba, de acordo com o protocolo estabelecido para o MAS. Nesses casos, a sílaba em questão é representada, no gráfico, de forma prolongada, marcada com um asterisco no segundo ponto de medição da F0, como se pode conferir na sílaba tônica de protagonista no enunciado Ele é o protagonista?, representado no Gráfico 1. Após a medição em Hz da F0 de um ponto central de cada sílaba, foi feita a estandardização construção de um gráfico a partir da distância tonal em porcentagens entre uma vogal e a seguinte, começando pelo número arbitrário 100 (cf. Gráfico 1). 47

48 E le é o pro ta go nis nis* ta? Hz Perc. 100,0 0,0% -4,9% -2,1% -2,6% 3,3% 22,1%-20,7% C. Est Gráfico 1: Curva estandardizada do enunciado Ele é o protagonista (LE) Na linha dos valores de Hz, logo abaixo da transcrição do enunciado, temos os valores absolutos de F0. Logo abaixo, na linha intitulada Perc., estão os valores de diferença percentual entre sílabas vizinhas. O ponto de partida é a sílaba inicial do enunciado, para a qual é sempre atribuído o valor de 100%. Na segunda sílaba, a porcentagem refere-se à diferença proporcional do valor de F0 em relação à primeira sílaba (no caso do gráfico 2, esse valor é de zero por cento na sílaba le é o pois não há diferença de F0 entre as duas primeiras sílabas). Na terceira sílaba, o valor em porcentagem refere-se à diferença entre esta e a segunda sílaba, e assim por diante o cálculo é sempre feito com base na diferença entre o valor de F0 de uma sílaba e a sílaba imediatamente anterior a ela. Assim, se o movimento entre uma sílaba e outra for ascendente, o valor fica positivo; se for descendente, fica negativo. Finalmente, na última linha ( C. Est. ), encontram-se os valores que servem de base para a construção da curva estandardizada. A primeira sílaba do enunciado sempre corresponde ao número 100, escolhido arbitrariamente e, a partir dele, são descritos os movimentos de subida ou descida da curva: por exemplo, entre a segunda e a terceira 48

49 sílabas do enunciado Ele é o / protagonista?, houve um decréscimo de 4,9% no valor de F0. O valor da curva, portanto, passa de 100 para 95, depois de 95 para 93, e assim sucessivamente, permitindo gerar um gráfico padronizado. O procedimento de estandardização é um ponto chave na metodologia: uma vez que a utilização de medidas relativas é o que permite a comparação de dados de diferentes informantes, independentemente do sexo, idade ou altura média da voz, além de permitir a comparação de enunciados de durações distintas. Esse passo se faz necessário porque a percepção da entoação se dá de maneira proporcional, e não absoluta. Por exemplo, se um homem de voz grave fala na faixa dos 100 Hz e produz uma subida para 200 Hz, essa subida representa uma diferença de 100% na F0. No caso de uma mulher cuja voz esteja na faixa dos 200 Hz, seria necessária uma subida para 400 Hz para resultar no mesmo efeito perceptivo, isto é, em uma diferença tonal de 100% na linha melódica. Essa equivalência está ilustrada, a seguir, a partir da reprodução da linha de pitch vista no programa Praat (Figuras 12 e 14) e da curva estandardizada (Figuras 13 e 15) de duas subidas melódicas: uma de 100 para 200 Hz e outra de 200 para 400 Hz. Embora a inclinação da linha de pitch seja visivelmente maior na subida de 200 para 400 Hz, o gráfico estandardizado é idêntico nos dois casos, mostrando que as duas subidas correspondem fonologicamente à mesma entoação. 49

50 Figura 12: Imagem do Praat de curva de melodia sintetizada (subida de 100 a 200 Hz) Figura 13: Curva estandardizada de melodia sintetizada (subida de 100 a 200 Hz) Figura 14: Imagem do Praat de curva de melodia sintetizada (subida de 200 a 400 Hz) Figura 15: Curva estandardizada de melodia sintetizada (subida de 200 a 400 Hz) 50

51 Classificação dos enunciados de acordo com a inflexão final Segundo a metodologia adotada, a sentença se divide em três partes, conforme se observa na figura 16, abaixo: a anacruse, isto é, sílaba ou conjunto de sílabas que [...] precedem a sílaba forte que marca o acento métrico (Dicionário Aulete Digital); o primeiro pico, o corpo e a inflexão final, que corresponde ao acento nuclear do enunciado. É importante mencionar que nem todos os enunciados possuem anacruse e o pico inicial. Nesses casos, o chamado corpo inclui desde a primeira sílaba até a sílaba tônica final. A parte mais importante do contorno é justamente a sílaba tônica final (núcleo) e aquelas que se seguem a ela; já que a direção da inflexão final e os valores percentuais dos movimentos tonais associados a ela é que são os critérios básicos para estabelecer os diferentes tipos de padrões melódicos. Figura 16: Diagrama das três partes do contorno melódico segundo o MAS Trabalhos anteriores que utilizam o MAS, como o já mencionado trabalho de Cantero & Font-Rotchés (2013), apontam três padrões melódicos para as interrogativas, os quais também foram encontrados por Mendes (2013) para o português São Paulo e 51

52 Araújo (2014) para Minas Gerais. Ocorre, ainda, um quarto padrão, característico de assertivas e, portanto, de traço /-interrogativo/; mas que pode aparecer em perguntas quando o contexto permite identificá-las, tornando o contorno melódico interrogativo prescindível. Na análise acústica dos 256 dados desta pesquisa, foram encontrados dados compatíveis com os quatro padrões previstos no método, e, portanto, os enunciados analisados foram classificados de acordo com sua IF em três tipos: i. Inflexão final ascendente-descendente Neste tipo de contorno, também chamado de contorno final circunflexo, não há necessariamente um primeiro pico, o corpo é plano ou levemente descendente. A iflexão final começa na última sílaba tônica, o núcleo, e tem dois movimentos, um ascendente e outro descendente (entre 15% e 75%), com retorno da curva para um ponto próximo de onde começou (cf. Figura 17); Figura 17: Modelo de inflexão final ascendente-descendente 52

53 ii. Inflexão final ascendente: Este padrão caracteriza-se pela presença de um primeiro pico, corpo ligeiramente descendente e inflexão final com subida entre 30% e 50%, aproximadamente, podendo ser ainda maior nos casos em que há ênfase (cf. Figura 18). Figura 18: Modelo de inflexão final ascendente iii. Inflexão final de núcleo elevado (high nucleous): Este contorno é caracterizado por uma anacruse opcional, com uma subida entre 30% e 40% até o primeiro pico, uma queda suave até a sílaba pré-tônica final e outra subida, de amplitude bastante variável (entre 10% e 50%), até chegar ao núcleo na última sílaba tônica. Em seguida, há uma descida até o ponto mais baixo da curva melódica no final do enunciado, após o acento nuclear. A principal característica deste contorno, e que o distingue da IF ascendente-descendente ou circunflexa é que, neste caso, o pico melódico se encontra em um ponto elevado e a linha melódica tem direção descendente. (cf. Figura 19). 53

54 Figura 19: Modelo de inflexão final de núcleo elevado (high nucleous) iv. Inflexão final descendente: O contorno descendente é típico das assertivas ou de perguntas parciais (iniciadas por um pronome interrogativo), e por isso é caracterizado pelo traço /- interrogativo/, ou seja, não imprime à frase o status pragmático de pergunta. Apesar disso, alguns dados do corpus apresentaram esse tipo de IF, como veremos mais adiante. Nos dados de Mendes (2013) e Araújo (2014), este contorno também aparece, mas em pouquíssimos casos ele se refere a questões totais. Quando isso ocorre, as autoras justificam a ocorrência dessa IF pelo contexto pragmático, em que ficava muito claro que o enunciado só poderia ser uma pergunta. Figura 20: Modelo de inflexão final descendente 54

55 Fase perceptiva Após a análise acústica dos enunciados, deu-se início aos testes de percepção para validar os resultados obtidos na primeira etapa da pesquisa. Para a realização desses testes, foram produzidas cópias ressintetizadas dos enunciados utilizando o método PSOLA (Pitch Sincronous OverLap Add), que elimina variações micromelódicas dos enunciados. De acordo com o procedimento padrão desse método, os valores de pitch de um enunciado são apagados e substituídos por valores estandardizados, por meio da manipulação da melodia original pelo programa Praat. Utilizando a função To Manipulation do programa, edita-se a melodia do enunciado original (cf. Figuras 21a e 21b), removendo-se todos os pontos na curva de pitch que não aqueles pontos centrais de cada sílaba, considerados para a formulação dos gráficos na fase de análise acústica. Obtém-se, dessa maneira, uma melodia ressintetizada, que corresponde precisamente aos gráficos elaborados para a classificação dos contornos a partir da estandardização dos valores percentuais de variação de F0 (cf. Figuras 22a e 22b). 55

56 Figura 21a: Imagem do Praat do enunciado original É de uma novela? (FE) forma de onda, espectrograma e curva de pitch Figura 21b: Imagem do Praat do enunciado original É de uma novela? (FE) forma de onda e pontos de pitch para manipulação acústica 56

57 Figura 22a: Imagem do Praat do enunciado acusticamente manipulado / ressintetizado É de uma novela? (FE) forma de onda, espectrograma e curva de pitch Figura 22b: Imagem do Praat do enunciado acusticamente manipulado / ressintetizado É de uma novela? (FE) forma de onda e pontos de pitch selecionados no centro de cada sílaba Dessa maneira é possível verificar se a análise melódica está correta e se reflete a melodia original sem variações micromelódicas e com os valores normalizados. A 57