Dividir frases por grupo de sentido — e 2 caminhos errados

Tudo começou com uma publicação no nosso mural de sugestões:

Parecia um ajuste pequeno. Deixar os trechos mais curtos e publicar. Mas quanto mais fundo fomos, mais ficou claro que nunca foi uma questão de tamanho. Era uma questão de onde cortar ou, dito com o nome certo, de como dividir frases em inglês em grupos de sentido. E no instante em que resolvemos isso, nasceu um problema bem mais difícil: como traduzir esses trechos sem ensinar algo falso?

Aqui está a história completa dos dois, incluindo as duas vezes em que erramos com toda a confiança do mundo.

Parte 1 — Cortar curto é fácil; cortar certo não é

A abordagem mais rápida é mecânica: cinco palavras por trecho, ou cortar em toda vírgula. Testamos. Ela produz fragmentos assim:

"the big" / "red car that I" / "bought last week"

Aritmeticamente perfeito. Como prática de listening, inútil. Ninguém faz pausa entre "the big" e "red car", então um trecho cortado desse jeito treina você num ritmo que não existe na fala real. Pior: ele pede que você segure na cabeça um fragmento sem sentido, e a memória de curto prazo é notoriamente ruim com coisas sem sentido.

Aí a pergunta foi reescrita: onde nunca podemos cortar?

Parte 2 — Regras de divisão escritas à mão: por que falharam

Sentamos e listamos as regras de "nunca quebre aqui", baseadas em como o inglês agrupa palavras. Nunca quebre dentro de:

• Determinante + substantivo — the big red car
• Preposição + o objeto dela — in the garden, of a week
• Auxiliar/modal + verbo — has been, did not answer
• Verbo + partícula — give up, look after
• "to" + verbo — to share
• Nomes próprios e títulos — New York City, Dr. Jane Smith
• Números, datas, dinheiro, medidas
• Expressões fixas e substantivos compostos — on the other hand, climate change
• Possessivo + substantivo — John's car

Mais uma que parece óbvia: nunca termine um trecho numa palavra funcional solta — não deixe um trecho pendurado num "of".

Então começamos a implementar. Foi aí que tudo desmoronou.

Para saber qual "of" ficou órfão, é preciso saber a que sintagma ele pertence, o que significa analisar sintaticamente a frase. E foi piorando:

• A mesma palavra "up": em "give up" é uma partícula que precisa ficar colada ao verbo. Em "walked up the hill" é uma preposição que pertence ao que vem depois. Para um código que olha caracteres, as duas são idênticas.
• "New York City" precisa ficar inteiro, mas o código não tem como saber que é nome próprio sem um reconhecedor de entidades acoplado.
• A vírgula em "1,000" nunca é um corte; a vírgula em "In 2020, we…" é um corte ideal. O mesmo caractere.
• O "to" de "to share" é infinitivo; o "to" de "went to London" é preposição.

Cada regra que acrescentávamos gerava três exceções. No meio do caminho, levantamos a cabeça e percebemos o que estávamos construindo: um analisador sintático do inglês. E, mesmo pronto, ele ainda perderia para uma única frase real suficientemente torta.

Então veio uma constatação bem óbvia que demorou vergonhosamente para ser aceita: os modelos de linguagem de hoje são mestres exatamente nisso. Distinguir "give up" de "walked up", saber que "New York City" é um bloco só, saber qual vírgula é uma pausa e qual é separador de milhar: é precisamente o que eles aprenderam com bilhões de frases em inglês. Estávamos codificando à mão uma competência que o modelo já tinha.

Então invertemos os papéis:

• As regras deixaram de ser código e viraram o briefing. A lista inteira de "nunca quebre aqui" acima agora mora no prompt.
• O modelo decide 100% das fronteiras. O código não inventa nada: nada de empacotar para bater uma contagem de palavras, nada de teto de tamanho.
• O código voltou para o que código é realmente bom — verificar:
  1. Conferir cada token contra a lista original de palavras. O modelo pode derrubar pontuação, mas uma palavra trocada ou faltando rejeita o candidato inteiro em favor de um plano B.
  2. Cronometrar cada trecho a partir das marcas de tempo por palavra, para o play cair exatamente no trecho.
  3. Mapear todo trecho de volta à frase de origem, um detalhe que nos salva mais adiante.

Uma mudança pequena que fez muita diferença: entregamos ao modelo a transcrição com pontuação, não uma sequência de palavras cruas remontada. Vírgulas e pontos são as pistas de fraseado mais fortes que a gravação deixa para trás. Tirar aquilo é jogar fora a melhor evidência que temos.

Parte 3 — Por qual critério dividir: grupos de sentido e unidades de entonação

Entregar o corte a um modelo não quer dizer deixar ele improvisar. Ainda precisávamos dizer por qual critério cortar, e aqui era preciso base de verdade, não achismo.

As pessoas não falam em palavras separadas. A fala se organiza em grupos de sentido.

Um grupo de sentido é um punhado de palavras carregando uma ideia, dito num fôlego só — e as pausas caem nas fronteiras entre grupos, nunca dentro de um.

Na linguística, essa unidade é o que Wallace Chafe descreveu como Unidade de Entonação, um sintagma prosódico de nível intermediário que recorta o fluxo contínuo da fala em pedaços do tamanho do foco de atenção limitado de quem ouve. Isso não é um ponto estético: há pesquisa dedicada ao papel das Unidades de Entonação na memória do inglês falado.

Junte um pedaço da psicologia cognitiva: a memória de trabalho segura mais ou menos 7±2 unidades (Miller, 1956), número revisado para baixo por trabalhos posteriores, para cerca de 4±1 (Cowan, 2001). É exatamente por isso que o nosso nível mais curto tem 2 a 4 palavras: não é "curto por ser curto", é curto o bastante para caber na memória de curto prazo enquanto você ainda está brigando para pegar os sons.

E a parte que mais nos tranquilizou: quem faz legenda profissionalmente resolveu isso faz tempo. As BBC Subtitle Guidelines exigem que a legenda seja segmentada numa quebra linguística natural, para cada linha formar uma unidade linguística íntegra, e nomeiam os cortes a evitar de saída: artigo e substantivo, preposição e o sintagma que a segue, conjunção e a oração que a segue, pronome e verbo, ao mesmo tempo em que preferem a segmentação nas fronteiras de oração.

A lista de "nunca quebre aqui" que escrevemos na Parte 2 bate quase exatamente. Não é coincidência: as duas vêm da mesma fonte, o jeito como o inglês agrupa palavras. Estávamos refazendo um caminho que quem legenda para a TV já tinha pavimentado, e foi isso que nos convenceu de que estávamos indo pelo lado certo.

Três níveis de divisão em trechos — e por que três

Com essa base, os três níveis deixam de ser números arbitrários:

Nível	Tamanho	Base	Melhor para
Firme	2 a 4 palavras	Limite de blocos da memória de trabalho (≈4±1)	Começar, ou fala rápida
Natural	5 a 9 palavras, do tamanho de uma oração	Unidades de entonação + "prefira fronteiras de oração"	Prática do dia a dia
Fluente	Frases inteiras	A unidade semântica completa	Quando você já segura uma linha mais longa

Cada nível guarda o próprio progresso, então trocar no meio da aula nunca custa o trabalho que você já fez.

Um benefício que não estava no plano: prática de fala

Cortar em grupos de sentido abriu outra coisa. Como cada trecho é exatamente um fôlego, dá para fazer shadowing trecho a trecho: dizer o trecho inteiro sem ficar sem ar, pausando onde quem é nativo pausa.

Tente fazer shadowing de uma frase de 25 palavras de uma vez e você trava no meio e quebra num lugar onde ninguém quebra. Shadowing por trecho é outro exercício: você está treinando o ritmo do inglês falado, não só a pronúncia de palavras soltas. Uma divisão só, servindo à escuta e à fala.

Ainda não conhece os três estágios da prática de listening (ouvir → ditar → shadowing)? Leia o nosso artigo anterior — este aqui parte do princípio de que você já está no estágio 2 ou 3.

Lição um: segmentar é uma decisão linguística, não um ato de dividir. E quando um problema é puramente linguístico, quem melhor resolve não é o código que escrevemos, é o modelo que aprendeu a língua. O nosso trabalho é dar o briefing com precisão e verificar sem dó.

Parte 4 — Tradução trecho a trecho: o problema mais difícil

Com a divisão resolvida, apareceu uma emenda feia: cada trecho de quatro palavras continuava mostrando a tradução da frase inteira. Você digitava "our brain is working" com uma linha inteira de tradução embaixo — redundante, e ainda estragava a parte que você ainda não tinha ouvido.

"É só traduzir cada trecho separadamente" parece óbvio. Mas isso carrega três restrições que brigam entre si:

1. O fragmento precisa significar o que ele significa → o que exige o contexto da frase inteira.
2. Mas ele não pode revelar o resto da frase.
3. E ele não pode pegar emprestadas palavras do trecho vizinho.

Caminho errado nº 1: fatiar a tradução completa para encaixar

A ideia parecia à prova de balas: a tradução da frase já está certa, então basta reparti-la entre os trechos. Junte os pedaços e você tem o original de volta, nada acrescentado, nada perdido.

Em frases comportadas, era uma beleza:

"I was appointed six months ago," → "Fui nomeada seis meses atrás," "and the more I've spoken about feminism," → "e quanto mais eu falava sobre feminismo,"

Aí batemos nesta:

"It's an environmental issue which, like the growing amounts of plastic waste, isn't going away."

Ao trecho "of plastic waste," coube: "maior de lixo plástico,".

Juntando tudo, a frase continua perfeita ("a quantidade cada vez maior de lixo plástico"). Mas quem está estudando está olhando para quatro palavras, "of plastic waste", e sendo informado de que elas querem dizer "maior de lixo plástico". A palavra "growing" pertence ao trecho anterior. Acabávamos de ensinar algo falso.

Repare no detalhe: é o "of" de novo. Ele nos quebrou na segmentação e voltou para nos quebrar na tradução.

Estar certo depois de remontado não é a mesma coisa que estar certo em cada pedaço. Cada língua reordena as palavras de um jeito, então uma divisão fiel no todo pode estar errada localmente.

Caminho errado nº 2: traduzir cada trecho, mas ainda entregar a tradução completa

De orelha em pé, passamos a traduzir cada trecho por conta própria, passando como contexto tanto a frase inteira em inglês quanto a tradução já existente, imaginando que aquilo manteria a escolha de palavras coerente.

O resultado:

"of plastic waste," → "lixo plástico cada vez maior,"

Ainda contaminado. Porque, com uma tradução pronta na frente dele, o modelo para de traduzir e volta a repartir aquela tradução. Nós mesmos entregamos a muleta que estávamos tentando tirar.

O tipo errado de contexto é pior do que contexto nenhum.

O que funcionou de verdade

Tirar a tradução completa do prompt por inteiro. Manter só a frase inteira em inglês, e usá-la para exatamente uma tarefa: desambiguar o sentido das palavras. Somar uma instrução sem rodeios: traduza apenas as palavras deste trecho; se uma palavra pertence a outro trecho, ela não pode aparecer aqui.

"of plastic waste," → "de lixo plástico," ✓ "the growing amounts" → mantém o growing onde ele pertence

As três restrições que brigavam se resolvem assim que os papéis são separados: a frase em inglês dá o contexto, mas só as palavras do próprio trecho são traduzidas.

Uma última armadilha: estar certo não basta, tem que estar certo de forma confiável

Nossa primeira versão empacotava 25 frases numa chamada só para economizar. O modelo começou a errar a contagem de quantos trechos cada frase tinha, e uma contagem que não bate invalida aquela frase inteira. A taxa de preenchimento foi de 58 trechos em 137. Mais da metade das pessoas continuaria vendo a velha tradução da frase inteira.

Duas correções bem comuns:

• Lotes menores — menos itens por chamada e o modelo para de se perder.
• Repetir cada frase que falhou sozinha — chamadas de um item só quase nunca erram.

Resultado: 137 de 137. E para não pagar isso em demora, as chamadas rodam em paralelo com um teto sensato.

Parte 5 — A experiência: tradução do trecho, mais a frase inteira

Depois de tudo isso, o que quem estuda vê é discreto e simples:

• Cada trecho mostra a própria tradução. Você entende exatamente até onde digitou.
• No último trecho da frase, a tradução da frase inteira também aparece. Você tem o pedaço e o todo, e nada é estragado, porque ela só chega depois de você terminar a frase.
• A falta cai num plano B com elegância. Uma frase de trecho único, ou uma que o modelo não deu conta, volta caladamente para a tradução da frase inteira. Nunca fica em branco.

E as traduções não são só em vietnamita. Elas seguem o idioma nativo que você escolher nas Configurações, mutável quando quiser, então a mesma aula aparece na sua própria língua:

O que ficou com a gente

Olhe a distância percorrida. No começo a gente se apoiava nas legendas gratuitas do YouTube. Elas tinham erro de grafia, erro de pontuação, às vezes palavra simplesmente errada, e o pior para a prática de listening: elas quebravam a linha para caber no quadro do vídeo, não para caber no sentido. Onde uma linha de legenda terminava era uma decisão tomada por um player de vídeo, não pelo inglês.

Hoje o mesmo vídeo passa por: transcrição por IA → divisão em três níveis com base linguística → verificação token a token → marcação de tempo por palavra → uma tradução dedicada para cada trecho no seu próprio idioma nativo → e uma nova tentativa para tudo o que não saiu direito. Tudo isso já está no ar — veja as novidades.

O custo subiu várias vezes. Cada vídeo agora consome muito mais chamadas ao modelo, mais as repetições, multiplicado de novo por idioma. Essa é uma conta de verdade.

Mas os dois problemas deste artigo partiram do mesmo lugar: algo que já funcionava e que a gente não achava bom o bastante. A divisão mecânica funcionava. Mostrar a tradução da frase inteira em todo trecho funcionava. Fatiar a tradução para encaixar, sinceramente, até parecia elegante.

Só que não estava certo. E a distância entre funcionar e estar certo é justamente a parte que quem estuda sente.

Este artigo começou como exatamente um comentário: a captura de tela lá no topo. Se alguma coisa no produto ainda te parece "funciona, mas está torto", manda para a gente.