Divisão silábica na prática
Ao analisar sílabas de palavras em português, o que importa não é a ortografia, mas o som real. Vou usar como exemplo a pergunta mais básica que vejo em fóruns de português: amor tem quantas sílabas. A resposta direta é duas. A-mor. O 'a' forma a sílaba aberta inicial, e o 'or' forma a sílaba fechada com a consoante final que também atua como coda da primeira sílaba fonologicamente. Na verdade, na divisão silábica, o 'm' fecha a segunda sílaba e o 'or' é o núcleo. Parece confuso no papel, mas na pronúncia natural fica claro: uma sílaba tônica ('mor') e uma átona ('a').
Como eu me deparei com esse problema
Trabalhando com processamento de texto, encontrei um caso interessante envolvendo o ditongo 'or'. Alguns algoritmos simples se confundem porque tentam separar vogal de consoante de forma rígida. A palavra 'amor' tem estrutura VC-CV na verdade se olharmos apenas as letras, mas foneticamente é uma sílaba tônica com núcleo vocálico ditongado (ou melhor, vogal + r como núcleos). O problema real aparece com palavras como 'caranguejo' ou 'paraguai', onde a fronteira silábica não segue a separação alfabética convencional. O meu trabalho-around foi criar uma lista interna de exceções para ditongos e tritongos, além de usar regras baseadas no padrão CV (consoante-vogal) do português brasileiro. Para palavras mais simples como 'amor', até uma regex básica funciona, mas para textos longos com poesia ou nomes próprios, a abordagem precisa ser mais sofisticada.
Regras práticas que funcionam
O primeiro passo é identificar o núcleo vocálico de cada sílaba. Em português, o núcleo geralmente é uma vogal ou ditongo. A partir daí, cada consoante solta que aparece entre vogais vai com a sílaba seguinte. Consoantes duplicadas se separam: 'bb', 'cc', 'pp' etc. Mas consoantes geminadas reais são raras no português. As sílabas são separadas antes das consoantes quando elas formam grupos impossíveis de iniciar sílaba em português. Por exemplo, 'bl' e 'pr' podem começar sílaba, mas 'lb' não. Então em 'planta', o 'pl' fica com a primeira sílaba, e o 'n' inicia a segunda: plan-ta.
No caso de 'amor', temos apenas duas vogais distintas (o e o), separadas por uma consoante (m). Isso gera dois núcleos e, portanto, duas sílabas. Não há ditongo, não há tritongo, não há hiato complexo. É uma divisão linear: a-mor.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Pegadinhas comuns
Muita gente acha que palavras terminadas em ditongo sempre têm três sílabas. Errado. 'Pão' tem duas sílabas porque o 'ão' é um ditongo nasal que forma um único núcleo silábico. O mesmo vale para 'céu' (duas sílabas no total se tiver artigo) ou 'maçã' (duas: ma-çã). Outra confusão frequente: a letra 'h'. Ela nunca forma sílaba sozinha porque é muda. Em 'havia', por exemplo, o 'h' é ignorado na contagem silábica. A divisão é ha-via, e o 'h' não conta. Isso é importante porque alguns scripts automáticos contam o 'h' como parte de uma sílaba e geram divisões erradas.
Acentuação também influencia. Palavras oxítonas, paroxítonas e proparoxítonas têm a tônica em posições diferentes, mas isso não muda o número de sílabas. Apenas a tonicidade muda. 'Amor' é oxítona (tônica na última sílaba), mas isso não altera a contagem de duas sílabas.
Quando as ferramentas falham
Li bibliotecas de tokenização silábica como o NLTK e outros segmentadores, e todas elas tropeçam em casos como 'globo', 'exército', 'químico'. A regra geral é: consoante + consoante se separa, mas consoante + vogal pode ficar junta dependendo da posição. Porém, existem exceções históricas e dialetais que tornam impossível confiar cegamente em qualquer script pronto. Para projetos de longa duração, recomendo manter uma lista própria de exceções e validar manualmente os primeiros 500 tokens contra uma fonte confiável como o Vocabulário Ortográfico da Língua Portuguesa (VOLP) do Dicionário Infopanet. Isso reduz significativamente os erros de segmentação antes de escalar para corpus maiores.
Resumo do processo
Para contar sílabas de qualquer palavra em português: identifique o número de núcleos vocálicos (vogais ou ditongos), separe consoantes soltas entre vogais, mantenha encontros consonantais que podem iniciar sílaba juntos, ignore o 'h', e verifique exceções conhecidas. Para 'amor', isso resulta em duas sílabas: a-mor.
