Como pronunciar o Pinyin: iniciais, finais e tons

As letras do pinyin também mentem para quem já lê em português, só que mentem de um jeito diferente do que mentem para quem lê em inglês. Você conhece o alfabeto latino, então no momento em que vê “c”, “q”, “x” ou “zh” escritos numa sílaba, alguma parte do seu cérebro tenta emprestar o som que essas letras fariam em português. Quase todas essas suposições estão erradas. O “c” do pinyin não é o “c” de “casa” nem o de “cinema”, é mais parecido com um “ts” soprado. O “q” não tem nada a ver com o “q” de “quatro”. O “x” não é “ks”, nem o “ch” espanhol, nem lembra o “x” de “xícara”. E “zh” definitivamente não é um “z” seguido de um “h” mudo. O pinyin pegou emprestadas as formas das letras do alfabeto latino e descartou quase todas as promessas de som que você aprendeu junto com elas, e ninguém avisa isso antes de você tentar ler sua primeira sílaba em voz alta.

A solução de sempre é uma tabela: umas trinta e poucas finais e vinte e uma iniciais numa grade, para decorar do jeito que se decora uma tabuada. Isso funciona mais ou menos tão bem quanto decorar tabuada costuma funcionar: produz alguém capaz de recitar a tabela inteira e ainda assim hesitar diante da sílaba que tem na frente. Este artigo faz diferente. O pinyin não é uma lista de sons soltos, é um conjunto pequeno de peças (um punhado de posições da língua, um punhado de formatos de vogal) combinadas por poucas regras consistentes. Aprenda as peças e as regras, e a tabela para de ser algo que você decora e vira algo que você consegue reconstruir na hora.

O que o Pinyin realmente é

O pinyin é jovem. O mandarim é falado há muitíssimo tempo, mas o Hanyu Pinyin, o sistema de romanização ensinado neste artigo, só existe desde o fim dos anos 1950. Um comitê liderado pelo linguista Zhou Youguang o desenvolveu como parte de um esforço mais amplo de alfabetização e padronização, e o governo chinês o adotou oficialmente em 1958. Depois, em 1982, ele se tornou o padrão internacional para romanizar o mandarim sob a norma ISO 7098, motivo pelo qual aparece em placas de rua, em dicionários e em praticamente todo material didático que você vai abrir hoje em dia.

Essa história importa por um motivo prático: o pinyin foi desenhado por pessoas que já sabiam exatamente como o mandarim soa e precisavam de um jeito de escrever isso usando letras emprestadas do alfabeto de outro idioma. É uma convenção de escrita, não uma promessa de pronúncia. A letra “x”, por exemplo, estava sobrando no alfabeto latino (o português não tem, em lugar nenhum, um som de consoante parecido com o que o mandarim precisava representar), então o comitê deu a ela uma função. Nada no formato da letra “x” avisa como ela deveria soar. Você precisa aprender isso à parte, do mesmo jeito que uma criança lusófona aprende que “x” soa diferente em “xícara”, “exame” e “táxi”, sem nenhuma lógica visual óbvia por trás. Assim que você aceita que as letras do pinyin são etiquetas, e não promessas, o resto deste sistema para de parecer uma lista de exceções e passa a parecer exatamente o que é: um código, aplicado com consistência, que se aprende uma vez e se usa para sempre.

As 21 iniciais, como um sistema

As sílabas do mandarim costumam ser construídas com uma inicial (o som de consoante que abre a sílaba) mais uma final (a vogal, ou vogal seguida de terminação, que vem depois). Existem 21 iniciais no conjunto padrão, e a ordem tradicional de ensino as agrupa por onde na boca o som é produzido, o que é uma forma muito mais útil de aprendê-las do que a ordem alfabética. Duas letras extras, “y” e “w”, aparecem no início de certas sílabas, mas não são consoantes próprias de verdade. São convenções de escrita que marcam o glide “i” e o glide “u”, e você vai reencontrá-las devidamente na seção sobre finais, mais adiante.

Labiais: b, p, m, f

Essas quatro são produzidas com os lábios, e três das quatro (b, m, f) se comportam de um jeito próximo o bastante do português para você confiar nos seus hábitos já existentes. A novidade de verdade aqui não é m nem f. É que b e p não são exatamente o que seu alfabeto te treinou a esperar, e a seção seguinte explica exatamente por quê.

Alveolares: d, t, n, l

Produzidas com a ponta da língua contra a região logo atrás dos dentes superiores, no mesmo lugar que o português usa para essas mesmas quatro letras. N e l são diretos, sem pegadinha nenhuma. D e t carregam a mesma torção que b e p, coberta na próxima seção.

Velares: g, k, h

G e k são produzidas no fundo da boca, contra o véu palatino, e seguem exatamente o mesmo padrão de b/p e d/t (de novo, a explicação completa vem a seguir). H é o intruso do grupo: o “h” do português é mudo, então aqui você está literalmente aprendendo um som novo, não reaproveitando um velho hábito. Pense num atrito mais áspero, produzido no fundo da garganta, quase um raspar de ar.

Palatais: j, q, x

Aqui o português simplesmente não tem uma boa equivalência pronta, então vale mais a pena descrever a posição da língua do que forçar uma comparação capenga. Nas três, a parte média da língua sobe perto do céu da boca (não a ponta, o meio), enquanto os cantos da boca se esticam levemente, quase como um sorriso pequeno e discreto. Nessa posição, j sai como uma consoante suave e sem sopro de ar, q sai na mesma posição mas com um sopro de ar forte adicionado, e x sai como um assobio contínuo em vez de uma explosão.

Retroflexas: zh, ch, sh, r

Esta é a série em que o português brasileiro te dá uma vantagem de verdade, e vale comemorar isso, porque é rara entre os idiomas. O detalhe completo está na tabela abaixo e vale a pena ler com atenção: zh e ch têm um ponto de partida genuinamente nativo no seu ouvido, graças a um hábito que o português brasileiro já tem e nem percebe que tem.

Sibilantes: z, c, s

Z soa como um “ds” rápido e sem sopro de ar (pense no final de uma palavra como “pods” dita depressa). C é a versão soprada do mesmo gesto, um “ts” com um sopro de ar real logo depois. S é, finalmente, uma final tranquila: soa exatamente como o s do português.

Aspiração: o conceito que explica metade do alfabeto

Repare que os pares b/p, d/t, g/k, j/q, zh/ch e z/c apareceram lado a lado seis vezes nas seções acima. Não é coincidência, e entender por que esses pares existem resolve de uma vez seis das vinte e uma iniciais, ou seja, mais da metade do alfabeto que você acabou de ler.

A maioria dos alfabetos ocidentais ensina você a pensar nesses pares como sonoro contra surdo: “b” vibra as cordas vocais, “p” não vibra, e é essa vibração que separa as duas letras. É exatamente assim que o português organiza pares parecidos, e é exatamente a categoria errada para usar no mandarim. O que separa b de p, d de t, g de k, j de q, zh de ch e z de c no mandarim não é a vibração das cordas vocais. É a aspiração: um sopro de ar audível solto logo depois que a consoante é liberada. Segure a palma da mão a alguns centímetros da boca e diga “pá” com força em português. Você talvez sinta um pouco de ar, porque o inglês e o alemão aspiram consoantes iniciais um pouco sem perceber, mas o português não faz isso, nunca. O p, o t e o k do português saem sempre sem nenhum sopro de ar, o que é uma ótima notícia para a metade “não aspirada” desses pares (b, d, g, j, zh, z): as suas consoantes portuguesas normais já servem perfeitamente para elas, sem nenhum ajuste.

O problema, e a razão de esta seção existir separadamente, é a outra metade. A série aspirada do mandarim (p, t, k, q, ch, c) não tem nenhum atalho nativo no português. Você vai precisar adicionar, de propósito e conscientemente, um sopro de ar real logo depois da consoante, bem mais forte do que imagina ser necessário na primeira tentativa. Uma boa forma de calibrar isso: imagine uma vela acesa bem na frente da sua boca, e que sua tarefa é apagá-la com o próprio sopro que sai junto da consoante. 怕 (pà, “ter medo”) deveria quase apagar essa vela. Sem esse sopro, 怕 simplesmente vira outra palavra na cabeça de quem escuta, porque no mandarim aspiração não é sotaque, é a fronteira inteira entre dois fonemas diferentes, do mesmo jeito que a diferença entre “b” e “p” já é decisiva em português.

No mandarim, aspiração não é uma questão de sotaque. É a fronteira inteira entre duas palavras diferentes.

Merry Mandarin

Vale a pena praticar isolado antes de seguir adiante: diga 八 (bā, sem sopro nenhum) e depois 怕 (pà, com sopro forte) em sequência, exagerando o sopro de ar na segunda sílaba até parecer exagerado demais. Esse exagero inicial é normal, e desaparece sozinho conforme o ouvido se acostuma a tratar aspiração como informação, e não como ênfase.

As finais, como um sistema

Se as iniciais são sobre onde e como a língua toca a boca, as finais são sobre o formato que a boca faz depois. E aqui, de novo, vale mais a pena pensar em peças básicas que se combinam do que numa lista de umas trinta e cinco finais para decorar uma por uma.

As 6 finais simples

Existem seis vogais básicas de verdade no pinyin, e cinco delas usam letras que você já reconhece: a, o, e, i, u. A sexta, ü, carrega um trema porque representa um som que nenhuma letra do alfabeto latino padrão cobre sozinha.

Vale marcar e e ü como as duas finais mais contra-intuitivas para quem fala português, e por motivos diferentes. Nenhuma vogal portuguesa soa parecida com e, então ela exige um som genuinamente novo na boca. E o português não tem nenhuma vogal arredondada anterior nativa, então em ü não existe atalho nenhum escondido: é a mesma técnica que qualquer pessoa sem esse som no próprio idioma precisaria usar, dizer “i” arredondando os lábios como se fosse dizer “u”, e depois manter essa posição sem deixar o som escorregar de volta para um “u” puro.

4 finais compostas

Quatro combinações de vogais formam ditongos que deslizam de um som para o outro dentro da mesma sílaba: ai (爱 ài, “amor”), ei (累 lèi, “cansado”), ao (猫 māo, “gato”) e ou (头 tóu, “cabeça”). Nenhuma surpresa aqui: pronuncie a primeira vogal e deslize suavemente até a segunda, do jeito que o português já faz naturalmente em ditongos como os de “pai” ou “meu”.

Terminações nasais: -n contra -ng

Aqui está uma vantagem real, e vale comemorar com o mesmo entusiasmo genuíno reservado para zh/ch mais acima. O português tem vogais e ditongos nasais nativos (mão, bem, som, muito), então seu ouvido já está treinado a prestar atenção em ressonância nasal, de um jeito que falta a idiomas sem nenhuma vogal nasal própria. Isso não elimina o trabalho, porque o mecanismo do mandarim é diferente: -ng não é uma vogal nasalizada como em português, é uma vogal oral pura seguida de uma consoante nasal produzida no fundo da garganta (o mesmo lugar do “ng” de “sing” em inglês, sem nenhum “g” solto no final). -n, por outro lado, termina como o “n” do português mesmo, com a ponta da língua tocando atrás dos dentes. A diferença entre os dois está inteiramente no lugar da boca onde o ar nasal escapa: na frente para -n, no fundo da garganta para -ng. Compare 忙 (máng, “ocupado”) com um hipotético “man” dito à portuguesa, e a diferença deveria ficar bem clara ao ouvido assim que você souber o que procurar.

As nove combinações valem ser aprendidas como peças, não como itens soltos e sem relação: an (三 sān, “três”), en (很 hěn, “muito”), in (心 xīn, “coração”), un (春 chūn, “primavera”), ün (群 qún, “grupo”), ang (忙 máng, “ocupado”), eng (冷 lěng, “frio”), ing (明 míng, “brilhante”) e ong (红 hóng, “vermelho”).

Glides: construindo finais maiores a partir das peças

A maior parte do resto das cerca de trinta e cinco finais não são peças novas: são as seis vogais básicas com um glide (um deslize rápido de i, u ou ü) grudado na frente, seguido às vezes por uma das terminações nasais que você acabou de ver. Em vez de decorar cada combinação separadamente, é mais rápido aprender o padrão: peça básica mais glide igual final maior, com duas irregularidades de grafia para lembrar (a ordem das letras às vezes muda na escrita, e a vogal do meio às vezes some do papel mesmo continuando presente no som).

É aqui, aliás, que y e w finalmente reaparecem. Quando uma dessas sílabas com glide não tem nenhuma inicial na frente (a sílaba começa direto pela vogal), o pinyin escreve y no lugar do glide i e w no lugar do glide u, só por convenção visual. 月 (yuè, “lua”) é simplesmente üe sem nenhuma inicial na frente; a pronúncia não muda nadinha, só a grafia.

A exceção que zumbe

Depois de zh, ch, sh, r, z, c ou s, a letra “i” para de significar a vogal “i” e passa a representar outra coisa completamente diferente: uma espécie de vogal zumbida, quase consonantal, que prolonga o gesto da consoante anterior em vez de abrir a boca para uma vogal de verdade. Compare 是 (shì, “ser”), onde o “i” é esse zumbido retroflexo que soa quase como um prolongamento do próprio “sh”, com 四 (sì, “quatro”), onde o “i” é um zumbido diferente e mais fino, que prolonga o gesto sibilante do “s”. Nenhum dos dois soa nem remotamente como o “i” de 米 (mǐ, “arroz”). É a mesma letra fazendo um trabalho totalmente diferente conforme a companhia, e vale saber disso de antemão para não passar meses tentando encaixar um “i” de verdade onde nunca existiu um.

Os quatro tons (mais um quinto que não é bem um tom)

Cada uma dessas cerca de 400 sílabas sem tom pode, em princípio, ser dita com qualquer um dos quatro tons do mandarim, e o tom muda o significado tão completamente quanto trocar uma consoante inteira mudaria. O exemplo clássico, e vale a pena decorar exatamente estes cinco, é a sílaba “ma”: mā (妈) é “mãe”, má (麻) é “cânhamo”, mǎ (马) é “cavalo”, mà (骂) é “repreender”, e ma (吗), sem nenhum tom marcado, é só uma partícula que transforma a frase numa pergunta de sim ou não. Cinco palavras completamente diferentes, cinco significados sem relação nenhuma entre si, a mesma sequência exata de consoante e vogal.

O primeiro tom é alto e plano, sustentado como uma nota cantada sem subir nem descer do início ao fim da sílaba. O segundo tom sobe, do médio para o alto, com o mesmo contorno de quando você faz uma pergunta em português (“Sério?”). O terceiro tom começa baixo e desce ainda mais antes de, na fala isolada e cuidadosa, subir de novo no final (na fala corrida, ele quase sempre perde essa subida final, um detalhe que a próxima seção explica). O quarto tom cai abruptamente do alto para o baixo, rápido e decidido, como uma ordem seca (“Pare!”). E o “quinto tom”, chamado tom neutro, não é bem um tom próprio: é uma sílaba curta, sem acento e sem contorno de altura definido por si mesma, cujo tom real depende inteiramente da sílaba anterior. 吗 (ma) é o exemplo perfeito disso: ele pega emprestada a altura que sobra depois do tom da sílaba anterior, em vez de carregar a sua própria.

Se você fala português, na verdade você já tem uma vantagem conceitual real aqui, mesmo que o mecanismo específico seja novo. O português tem acento lexical contrastivo: mudar onde cai a ênfase numa palavra muda o significado dela (“sabia” contra “sabiá”, por exemplo, ou pares que dependem só do lugar do acento para se distinguir). Você já sabe, na prática e não só na teoria, que a mesma sequência de sons pode virar duas palavras diferentes dependendo de como ela é pronunciada. O mandarim faz algo parecido, só que com o formato inteiro do tom, a curva de altura da sílaba, no lugar de força ou duração. Não é o mesmo mecanismo, então não dá para simplesmente reciclar de graça o ouvido que você já tem para acento. Mas a ideia de fundo, que a pronúncia carrega significado além das próprias consoantes e vogais, já não é estranha para você. Isso já é meio caminho andado.

Sandhi tonal: quando os tons mudam na hora

Os quatro tons acima descrevem como cada sílaba soa isolada, mas o mandarim falado quase nunca deixa uma sílaba sozinha, e várias combinações previsíveis de tons mudam automaticamente quando as sílabas se encontram na fala real. Essas mudanças têm um nome, sandhi tonal, e a boa notícia é que elas seguem regras fixas, não exceções aleatórias para decorar caso a caso.

1. Dois terceiros tons seguidos

   O primeiro dos dois vira um segundo tom. 你好 (nǐhǎo) na verdade se pronuncia ní hǎo, não nǐ hǎo.

2. Três ou mais terceiros tons seguidos

   Só o último da sequência fica mesmo no terceiro tom. Todos os que vêm antes dele viram segundo tom.

3. 不 (bù) antes de um quarto tom

   不 muda do quarto tom para o segundo tom. 不是 se pronuncia bú shì, e não bù shì.

4. 一 (yī) muda dependendo do que vem depois

   一 vira quarto tom antes de uma sílaba de primeiro, segundo ou terceiro tom (一天 é yì tiān), mas vira segundo tom antes de outra sílaba de quarto tom (一样 é yí yàng). Sozinho ou no final de um número, 一 permanece no primeiro tom.

Repare que nenhuma dessas quatro regras é arbitrária: elas existem porque encadear certos contornos de tom sem nenhum ajuste seria fisicamente estranho de articular depressa, e o mandarim resolve esse atrito do mesmo jeito que qualquer idioma falado resolve atrito articulatório, suavizando a transição em vez de forçar o encontro cru. Saber essas quatro regras de cor muda a forma como você lê qualquer frase nova em pinyin, porque agora você sabe de antemão quando o tom escrito na página não é exatamente o tom que sai da boca.

Ouvir de verdade

Tudo isso, iniciais, finais, tons e sandhi, é a arquitetura do sistema. Mas o pinyin escrito só ensina a arquitetura; só o som real faz ela grudar no ouvido e na boca. Ler sobre aspiração é uma coisa; sentir a diferença entre 八 e 怕 ditas por uma voz de verdade é outra bem diferente. E ler as quatro regras de sandhi tonal é uma coisa; ouvir 你好 e perceber, pela primeira vez, que ninguém realmente diz “nǐ hǎo” com dois terceiros tons crus, é outra.

Se você já passou pelo processo de tentar decorar caracteres soltos, sabe como reconhecer um radical muda completamente a forma como um caractere novo gruda na memória (a gente escreveu sobre isso em detalhe aqui); o mesmo princípio vale para pronúncia. Reconhecer o sistema por trás do pinyin é o que transforma cada sílaba nova de um enigma isolado em mais uma combinação previsível de peças que você já conhece.

Assim que as iniciais e as finais tiverem parado de ser um mistério, o sandhi tonal é o próximo lugar onde ler e ouvir realmente divergem, porque nenhuma regra escrita substitui notar a mudança de tom acontecendo, ao vivo, numa palavra que você já reconhece.

Nenhuma tabela de pinyin, nem esta, substitui a prática de dizer as sílabas em voz alta até a boca aprender o caminho sozinha. Mas uma tabela que faz sentido como sistema, em vez de uma lista de trinta e cinco linhas soltas para decorar, é o que separa alguém que reconhece o padrão de alguém que está adivinhando cada sílaba nova a partir do zero.