Pares mínimos de tons em chinês: como ouvir a diferença de verdade

Você sabe nomear os quatro tons, sabe ler os sinais e continua sem conseguir decidir se a pessoa acabou de dizer 白 (bái, “branco”) ou 百 (bǎi, “cem”). Esse é o estágio intermediário normal de quem aprende chinês, e não é problema de memória. Os sinais de tom são conhecimento; ouvir tons é uma habilidade perceptiva treinada, e ela se treina por comparação, não por recitação.

A ferramenta dessa comparação é o par mínimo: duas palavras com a mesma sílaba e tons diferentes, de modo que a única coisa que resta ouvir é a altura da voz. Este guia monta um exercício de dois minutos por dia, na ordem que realmente rende.

Versão curta: aprenda o desenho de cada tom em vez do número dele, treine segundo contra terceiro tom antes de qualquer outra coisa, force-se sempre a escolher entre exatamente duas opções e pontue o exercício para saber quando passar adiante.

Primeiro: o que exatamente você está escutando

Um tom é um movimento de altura ao longo de uma sílaba. A fonética chinesa descreve esses movimentos numa escala de cinco níveis, em que 1 é a parte baixa da sua extensão confortável e 5 é a parte alta. Ler os números como um percurso é mais útil que memorizar um rótulo.

Tom	Percurso de altura	O que ele faz	Exemplo
Primeiro	5 → 5	fica alto e plano, sem cair no fim	妈妈 (māma, “mãe”)
Segundo	3 → 5	começa no meio e sobe até o topo	麻烦 (máfan, “incômodo; complicado”)
Terceiro	2 → 1 → 4	desce, fica embaixo e só sobe no finalzinho	马 (mǎ, “cavalo”)
Quarto	5 → 1	cai do alto, rápido e decidido	骂 (mà, “repreender”)
Neutro	curto, leve	sem desenho próprio, toma o da sílaba anterior	a segunda sílaba de 妈妈 (māma)

Duas coisas dessa tabela importam mais que o resto.

A subida do terceiro tom chega tarde, e muitas vezes não chega. Num dicionário ou num exercício lento, 马 (mǎ) desce e depois sobe. Na fala encadeada, um terceiro tom seguido de qualquer tom que não seja terceiro simplesmente fica embaixo: você desce e permanece ali. Esse é o meio terceiro tom, e é a versão que você vai ouvir muito mais vezes.

O quarto tom se define pela velocidade, não pelo volume. É aqui que começa a parte específica de quem fala português, e ela merece a seção seguinte.

A sua vantagem inicial, e as duas armadilhas ao lado dela

Comece pelo lado bom, porque é uma vantagem concreta: em português a prosódia já distingue palavras. Sabia e sabiá não são a mesma palavra. Nem duvida e dúvida, nem secretaria e secretária, nem cantara e cantará. Um falante de português não precisa ser convencido de que um traço prosódico pode mudar a identidade da palavra — ele já convive com isso. Muitos aprendizes de outras línguas precisam vencer esse salto conceitual antes de começar. Você pode ir direto ao trabalho de ouvido.

A armadilha está em o que carrega a distinção em cada língua. O acento do português se realiza sobretudo com intensidade e duração. Um tom do mandarim é uma direção de altura: o que distingue os tons não é a intensidade nem a duração, mas a voz subir, descer ou se manter. São mecanismos diferentes, e o cérebro, diante de uma tarefa nova, recicla o que já tem. Daí saem sintomas reconhecíveis: 骂 (mà) sai forte e comprido em vez de curto e caindo, e 汤 (tāng, “sopa”) contra 糖 (táng, “açúcar”) acaba sem diferença nenhuma, porque falta o movimento — o primeiro se mantém no alto, o segundo trepa desde o meio.

A armadilha maior: a sílaba engolida

Existe um hábito do português que faz mais estrago aqui do que a confusão entre intensidade e altura: a redução e o fechamento das vogais átonas. Em português, a vogal que não recebe o acento se fecha e encurta — o e e o o finais de “leite” e de “gato” não são as vogais cheias que a escrita sugere, e no português europeu a redução é ainda mais forte, ao ponto de a vogal quase desaparecer. Isso é natural e correto em português.

Em chinês é destrutivo, por um motivo simples: cada sílaba do mandarim mantém a vogal cheia e o tom próprio. Não existe sílaba de segunda classe cuja vogal você possa encurtar. Quando uma sílaba lhe parece átona — porque não está no lugar onde o português colocaria o acento — a tendência automática é engolir a vogal, e o tom vai embora junto com ela. O resultado não é um sotaque simpático: é uma palavra em que só a primeira metade tem informação.

Onde isso aparece:

Em palavras de duas sílabas com a carga na primeira, como 帽子 (màozi, “chapéu”), a segunda sílaba tende a virar um ruído. Aqui ela é de fato neutra, então não há tom a perder — mas o mesmo reflexo se aplica logo depois a sílabas que têm tom.
Em 银行 (yínháng, “banco”), a segunda sílaba carrega um segundo tom completo. Se ela vier reduzida, sobra 银 (yín) e um resto.
Em 米饭 (mǐfàn, “arroz cozido”), a segunda sílaba é o quarto tom, isto é, a parte mais audível da palavra. Encurtá-la desmonta a palavra inteira.

A consigna prática: nenhuma sílaba chinesa é átona. Dê a cada uma a vogal inteira e o seu movimento de altura, mesmo quando o ouvido português pedir para apressar.

A armadilha menor: ouvir o quarto tom como irritação

O quarto tom cai do alto e termina rápido — e em português esse contorno é justamente o de quem está sendo seco, cortando conversa ou perdendo a paciência. Muitos aprendizes lusófonos relatam que 是 (shì, “ser”) ou 卖 (mài, “vender”) dito por um nativo soa impaciente, e por isso hesitam em produzir o tom com a firmeza necessária. Vale nomear isso e deixar de lado: o quarto tom não carrega emoção nenhuma, é só a forma da palavra. Se o seu quarto tom sai suavizado para “não parecer grosseiro”, ele deixa de ser um quarto tom.

Uma nota de compensação: em contrapartida, o português tem um inventário vocálico rico e você já controla contrastes finos de qualidade de vogal. Isso ajuda no resto do pinyin. O que precisa de treino consciente é só a altura — e a recusa a encurtar sílaba.

Por que segundo e terceiro tom são o par a resolver primeiro

Dos seis emparelhamentos possíveis, um causa a maior parte dos problemas, e é segundo contra terceiro. Os dois terminam com a voz subindo, então se você escutar o fim da sílaba — o que é instintivo — os dois soam quase idênticos.

O elemento que os separa está no começo:

O segundo tom começa por volta do meio da sua extensão e sobe imediatamente. Não tem parte baixa.
O terceiro começa embaixo e fica embaixo. Se sobe, sobe tarde; e dentro de uma frase geralmente não sobe.

Então mude a pergunta que você faz a si mesmo. Não “subiu?”, mas “começou embaixo?”. Se a sílaba arranca no porão, é terceiro tom, aconteça o que acontecer depois.

Mesma sílaba	Segundo tom	Terceiro tom
bai	白 (bái), “branco”	百 (bǎi), “cem”
wan	完 (wán), “terminar”	碗 (wǎn), “tigela”
yin	银行 (yínháng), “banco”	饮料 (yǐnliào), “bebida”
xue	学习 (xuéxí), “estudar”	雪 (xuě), “neve”
shi	时候 (shíhou), “momento”	使 (shǐ), “usar; fazer com que”

Não tente aprender as cinco linhas de uma vez. Pegue a primeira, deixe-a confiável e acrescente a seguinte amanhã.

Os outros contrastes, por ordem de utilidade

Quando segundo contra terceiro estiver estável, o resto cai rápido, porque cada um difere em dois traços ao mesmo tempo, e não em um.

Contraste	A pista que os separa	Par de prática
Terceiro / quarto	o terceiro fica embaixo, o quarto cai do alto	买 (mǎi), “comprar” / 卖 (mài), “vender”
Primeiro / segundo	o primeiro é plano, o segundo trepa	汤 (tāng), “sopa” / 糖 (táng), “açúcar”
Segundo / quarto	direções opostas: sobe contra desce	十 (shí), “dez” / 是 (shì), “ser”
Primeiro / quarto	o primeiro fica no alto, o quarto abandona o alto	书 (shū), “livro” / 树 (shù), “árvore”
Terceiro / primeiro	o terceiro é baixo, o primeiro é alto e plano	洗 (xǐ), “lavar” / 西 (xī), “oeste”

Mais alguns pares verificados para ir alternando quando esses ficarem fáceis: 好 (hǎo, “bom”) e 号 (hào, “número; data”); 九 (jiǔ, “nove”) e 就 (jiù, “então; justamente”); 狗 (gǒu, “cachorro”) e 够 (gòu, “suficiente”); 茶 (chá, “chá”) e 差 (chà, “ruim; que falta”); 猫 (māo, “gato”) e 毛 (máo, “pelo”); 醒 (xǐng, “acordar”) e 姓 (xìng, “sobrenome”); 数 (shǔ, “contar”) e 树 (shù, “árvore”).

O grupo de quatro, só depois que os de dois funcionarem

Grupos de quatro parecem o ponto de partida óbvio, e são o pior lugar para começar. Escolher entre quatro opções ao mesmo tempo é uma tarefa mais difícil que ouvir uma diferença, então um erro não diz qual contraste está faltando: você pode ter acertado por eliminação ou errado por dois motivos diferentes sem saber qual.

Use-os como verificação, não como treino. Quando você passa por um grupo de quatro em velocidade normal, sem que as palavras venham em ordem fixa, aquele contraste está de fato no seu ouvido. Grupos completos de quatro feitos com palavras comuns são mais raros do que os manuais sugerem, mas este é todo vocabulário oficial do HSK:

tang: 汤 (tāng, “sopa”) — 糖 (táng, “açúcar”) — 躺 (tǎng, “deitar-se”) — 烫 (tàng, “fervendo”)

Um grupo de três serve igualmente bem como verificação, e há mais opções: 包 (bāo, “embrulhar; bolsa”) — 饱 (bǎo, “satisfeito, de ter comido o bastante”) — 抱 (bào, “segurar; abraçar”).

O quarteto clássico dos livros — 妈 (mā), 麻 (má), 马 (mǎ), 骂 (mà) — presta um bom serviço como demonstração de que o tom muda a palavra, mas como prática tem o mesmo defeito: quatro opções ao mesmo tempo.

O exercício de dois minutos

O exercício tem de ser de escolha forçada: você se compromete com uma resposta antes de vê-la. Reconhecer sem se comprometer parece produtivo e treina quase nada.

Escolha um par. Um, não cinco. Digamos 白 (bái) e 百 (bǎi).
Escute e decida. Toque um dos dois ao acaso e diga em voz alta qual era, antes de conferir. Dez tentativas.
Diga cada um três vezes e grave a terceira. Gravar é a única forma de ouvir a distância entre o que você quis fazer e o que fez.
Confira exatamente um traço na reprodução. Para este par: a sílaba começou embaixo ou começou no meio? Nada mais.
Coloque num grupo de palavras. Um tom que só sobrevive isolado ainda não é utilizável. Passe por 米饭 (mǐfàn, “arroz cozido”) e 牛奶 (niúnǎi, “leite”) quando o par solto já sair, e confira se a segunda sílaba manteve a vogal cheia.

De onde vem o áudio importa menos que duas condições: que seja voz nativa e que você possa repetir uma sílaba quando quiser. Gravações de um curso, um dicionário com áudio ou o próprio áudio de material de compreensão auditiva do HSK servem. O que não serve é ler o pinyin em voz alta e se corrigir sozinho: isso só testa se você sabe ler o seu próprio palpite.

Como montar o áudio sem material especial

Não é preciso nada feito sob medida. Você precisa de duas gravações nativas da mesma sílaba com tons diferentes e de um jeito de tocá-las sem ver qual é.

Do dicionário. Procure as duas palavras do par, deixe as duas entradas abertas e toque uma delas sem olhar a tela. Se precisa olhar para tocar, feche os olhos no momento de tocar.
De material do HSK. Os áudios de compreensão auditiva vêm com transcrição, então você localiza uma palavra específica e volta àquele segundo quantas vezes quiser. A vantagem é que a palavra está dita em velocidade real e dentro de uma frase.
De uma lista sua. Escreva as dez tentativas num papel em ordem aleatória antes de começar (cinco vezes cada palavra, misturadas) e depois tape o papel. Assim você tem o gabarito sem depender da memória.

O que importa é o pedido não ser previsível. No instante em que você sabe que agora vem o terceiro tom, para de ouvir e começa a confirmar.

Quatro erros na autoavaliação

Estes quatro fazem o exercício parecer funcionar quando não está funcionando.

Ouvir o par sempre na mesma ordem. Se vem sempre 白 (bái) primeiro e 百 (bǎi) depois, o que você memoriza é a sequência, não o contraste. Sorteie a ordem ou peça a outra pessoa para tocar.
Repetir o áudio antes de responder. A segunda passada dá uma informação que numa conversa real você não vai ter. Uma escuta, uma resposta.
Contar como acerto um “acho que era o terceiro”. Só valem respostas ditas em voz alta e sem ressalva. Uma dúvida conta como erro — e está tudo bem, é informação.
Treinar só o par que já sai. A sensação de acertar é viciante. Se você está há três dias com nove ou dez de dez, esse par acabou; o trabalho está no seguinte.

Um plano de duas semanas

Esta é uma divisão possível. Os pares saem das tabelas acima, e a ordem vai do contraste mais rentável ao menos.

Dias	Par	O que conferir na sua gravação
1–2	白 (bái) / 百 (bǎi)	começou embaixo?
3–4	完 (wán) / 碗 (wǎn)	começou embaixo?
5–6	银行 (yínháng) / 饮料 (yǐnliào)	a primeira sílaba começou embaixo?
7	revisão misturada dos três	os três pares em ordem sorteada
8–9	买 (mǎi) / 卖 (mài)	caiu do alto ou ficou embaixo?
10–11	汤 (tāng) / 糖 (táng)	ficou plano ou trepou?
12–13	十 (shí) / 是 (shì)	subiu ou desceu?
14	verificação com o grupo de quatro de tang	os quatro em ordem sorteada, velocidade normal

Acrescente uma conferência diária de dez segundos, própria de quem fala português: em cada palavra de duas sílabas, a segunda sílaba saiu com a vogal inteira? Se saiu apagada, o tom dela não existe, independentemente de você ter acertado a escolha.

Se num dia você não alcançar o limite, não avança de dia: repete. O calendário é guia, o limite é regra.

Como pontuar e quando passar adiante

Estabeleça um limite real em vez de uma sensação. Oito de dez tentativas de escolha forçada, dois dias seguidos, num par que você não praticou imediatamente antes. Abaixo disso, continue com o par. Nesse ponto ou acima, aposente-o e pegue o seguinte.

Vale nomear dois padrões de falha, porque exigem consertos diferentes:

Você ouve mas não consegue dizer. Sua percepção está à frente da produção, o que é a ordem normal. Conserta-se gravando e exagerando: faça o movimento duas ou três vezes maior do que parece natural e depois reduza quando ele já estiver audível de forma confiável. Se o problema for o quarto tom, exagere a queda, não o volume.
Você consegue dizer mas não ouve. Quase sempre você está escutando o fim da sílaba. Volte à pergunta “começou embaixo?” e reduza a velocidade do áudio em vez de repeti-lo em velocidade normal.

Não pare na sílaba isolada

Exercícios de sílaba isolada são andaime. A fala real entrega os tons em sequência, com cada um colorido pelos vizinhos, então alguém impecável em sílabas soltas ainda pode perder o fio numa frase.

Duas coisas mudam assim que você combina sílabas. A primeira é o sândi tonal: dois terceiros tons seguidos transformam o primeiro em algo próximo de um segundo tom, então 你好 (nǐ hǎo, “olá”) sai mais ou menos como ní hǎo. A segunda é o tom neutro, que absorve o desenho do que veio antes: 妈妈 (māma) não são dois primeiros tons, é um primeiro tom com uma cauda leve.

Palavras que carregam um contraste de tom dentro de si mesmas são a melhor ponte, porque nelas não dá para disfarçar: 牛奶 (niúnǎi, “leite”) é um segundo tom seguido de um terceiro, e 米饭 (mǐfàn, “arroz cozido”) é um terceiro seguido de um quarto. Diga essas duas e você já está fazendo a coisa real.

Quando estiver pronto, siga nesta ordem:

Os quatro tons do chinês para os quatro desenhos e como se escrevem.
Sândi tonal em chinês para a mudança do terceiro tom e os tons variáveis de 一 (yī) e 不 (bù).
Exercícios de frases tonais para prática de duas sílabas e de oração.
Tom neutro e erhua para o quinto tom sem sinal.
Da pronúncia à compreensão auditiva para levar o ouvido treinado a áudios inteiros.

O que isso rende na compreensão auditiva do HSK

A compreensão auditiva do HSK não avalia tons diretamente, e é exatamente por isso que a discriminação tonal decide a sua pontuação. Nos níveis iniciais, os distratores são frequentemente construídos com palavras que compartilham a sílaba e diferem no tom, então um contraste instável transforma uma pergunta que você entendeu num cara ou coroa. Mais para cima o custo é diferente e maior: cada sílaba que você precisa parar para resolver é uma sílaba que não dedica à frase, e o áudio não espera.

A consequência prática é que o treino de tons pertence à sua prática de compreensão auditiva, não a um espaço separado de pronúncia. Quando você errar uma palavra num exercício de áudio, verifique se ouviu o tom errado ou se simplesmente não conhecia a palavra. São problemas distintos, e só um deles se resolve aprendendo mais vocabulário.

Resumo

Aprenda cada tom como um percurso de altura, e lembre que a subida do terceiro quase nunca chega na fala real.
Aproveite que o português já distingue palavras pela prosódia, mas troque o mecanismo: direção de altura, não intensidade nem duração.
Nunca reduza uma sílaba chinesa: cada uma tem vogal cheia e tom próprio, e a vogal engolida leva o tom com ela.
Resolva segundo contra terceiro tom primeiro, e use o começo da sílaba como pista, não o fim.
Treine em pares de dois, com escolha forçada, e guarde os grupos de quatro como prova, não como prática.
Grave-se, confira um único traço por escuta e exagere antes de refinar.
Passe adiante com oito de dez em dois dias, e depois leve o contraste para palavras de duas sílabas e frases.

LISTENING MINI DRILL

Minidrill de escuta: escolha o tom

Aperte ouvir, cubra a grafia e escolha o contorno ouvido. Usa uma voz chinesa do navegador quando existir; ao final compare com um áudio didático claro.