O ELSA Speak escuta seu inglês e pontua pronúncia, entonação, fluência, gramática e vocabulário, depois trabalha as lacunas com role-plays de entrevista, reunião e apresentação sobre um percurso montado a partir do seu nível e dos seus objetivos.
Já usou esta ferramenta? Avalie-a
Já usou esta ferramenta? Avalie-a
O ELSA Speak é um treinador de inglês falado movido a IA: você fala, o aplicativo pontua o que foi dito e aponta o que corrigir. Como app de pronúncia em inglês, o nome vem de English Language Speech Assistant, e a premissa do produto é que o gargalo da maioria dos estudantes não é vocabulário, mas a clareza e a coragem de soltar a voz. Cada lição termina em um retorno imediato e personalizado sobre fala real, e não em uma nota de múltipla escolha.
Em vez de entregar um programa único, a IA identifica seus pontos fortes e fracos e monta com eles um plano de estudo sob medida. Por isso duas pessoas que abrem o aplicativo no mesmo dia dificilmente verão a mesma próxima lição.
A empresa foi fundada em 2015 e captou uma série B de 15 milhões de dólares em janeiro de 2021, liderada por VI Group e SIG com o retorno da Gradient Ventures, fundo de IA do Google. A mesma cobertura menciona uma parceria com a IDP, uma das proprietárias do exame IELTS, que recomenda o aplicativo para preparação. Os números de alcance dependem de quem conta: a manchete de marketing do próprio fornecedor, com mais de 90 milhões de downloads e nota 4,9, fica acima do que qualquer uma das lojas de aplicativos publica, e são os agregados das lojas que declaram amostra.
Sob esse nome convivem na verdade dois produtos: o aplicativo de consumo vendido a pessoas físicas, escolas e empregadores, e uma API de reconhecimento de fala voltada a plataformas que queiram embutir o motor de pontuação no próprio produto, com preços e documentação à parte.
O motor não para em saber se uma palavra foi reconhecida. O retorno cobre pronúncia até o som individual, entonação medida como variação de altura e volume, fluência medida como ritmo diante de uma faixa-alvo de 100 a 140 palavras por minuto, gramática destrinchada por tipo de erro como ordem das palavras e forma verbal, e distribuição de vocabulário pelos níveis do QECR. Os mesmos indicadores reaparecem na documentação da API, que é a descrição pública mais nítida do que o motor realmente mede.
Os role-plays são organizados como treinadores de cenário com nome próprio, e não como um interlocutor genérico. Os treinadores de Trabalho, Entrevista, Encontros, Reunião e Apresentação enquadram cada um um tipo distinto de conversa, o que importa porque o registro que conta como «bom» difere bastante entre ensaiar uma apresentação e conversar de forma leve.
Para quem se intimida praticando só em inglês, o suporte bilíngue traz as explicações no idioma nativo, de modo que um iniciante não é jogado num ensino só em inglês desde o primeiro minuto. Este coach de inglês falado com IA reduz o atrito inicial em vez de acrescentar um recurso de tradução.
O Speech Analyzer é uma ferramenta de navegador e não parte do aplicativo de celular, e mira trechos longos de fala sem roteiro. Oferece prática solo, em que se fala livremente ou seguindo perguntas guiadas, e conversas em grupo, que podem rodar em paralelo a uma chamada no Zoom ou Google Meet para render retorno sobre como você de fato falou em uma reunião real. Exige permissão de microfone e um cadastro de voz único, e vem incluído no plano premium ou pode ser comprado à parte.
Para empregadores e escolas o diferencial é a medição, não as lições. A trilha corporativa oferece proficiência mapeada ao QECR, ao IELTS e ao TOEIC para que os resultados permaneçam comparáveis entre mercados, além de relatórios de desempenho exportáveis, acompanhamento individual de progresso e dois adicionais opcionais: identidade visual própria e uma Business API que se conecta a um LMS ou HRIS.
Uma sessão não supera a qualidade do áudio sobre o qual é pontuada, e o fornecedor é explícito sobre as condições esperadas: ambiente silencioso, conexão forte e estável, de preferência fones com fio, e evitar dispositivos de áudio Bluetooth, que o fornecedor descreve como propensos a interrupções e quedas de conexão. Uma pontuação baixa de pronúncia gravada com um fone Bluetooth instável numa sala barulhenta fala do microfone, não do seu inglês.
A janela gratuita é curta e sem restrições, então o sensato é testar primeiro aquilo pelo que você realmente pagaria:
Os treinadores de cenário são a parte do produto que se liga mais diretamente a um prazo real:
O encaixe mais claro é quem já sustenta o trabalho lendo e escrevendo em inglês, mas fica para trás ao falar: o profissional que redige e-mails fluentes e depois emudece na reunião. O enquadramento em role-play, o vocabulário setorial e as correspondências com exames miram esse estudante e não um iniciante absoluto.
Empregadores e escolas são tratados como compradores separados com seus próprios relatórios, e os limiares de tamanho mostram onde o fornecedor traça a linha entre autosserviço e venda assistida: o ELSA Business é oferecido a partir de 50 estudantes e o ELSA Schools a partir de 21, ambos com preço sob consulta.
O primeiro reúne quem precisa praticar no computador. O aplicativo não pode ser usado em PC, notebook, BlackBerry nem telefones Windows, de modo que ao estudante sem celular ou tablet adequados resta apenas o Speech Analyzer no navegador, que cobre uma fatia mais estreita do produto.
O segundo reúne quem tem exigências rígidas sobre quem controla seus dados no trabalho ou na escola. Estudantes cadastrados por um empregador ou por uma escola ficam expressamente fora do aviso de privacidade público, o que significa que suas perguntas sobre dados são respondidas pelo contrato da instituição e não pelo que o fornecedor publica. É um arranjo corporativo comum, mas vale saber antes de supor que o aviso publicado se aplica a você.
O aplicativo de celular e a ferramenta de navegador cobrem terrenos diferentes e nenhum substitui o outro. O aplicativo principal roda em celulares e tablets Android e iOS, e uma mesma conta pode estar conectada em vários deles; máquinas de mesa e telefones Windows ficam fora do escopo. O Speech Analyzer roda num navegador de desktop, e o fornecedor indica esse ambiente como o ideal.
Tudo exige conexão. O aplicativo precisa de uma conexão de dados forte e estável para se comunicar com o servidor do fornecedor, de modo que as lições não podem ser baixadas para um voo ou um trajeto sem sinal. Num produto construído sobre reconhecimento de fala isso decorre da arquitetura — a pontuação acontece no servidor —, mas descarta a prática offline que alguns aplicativos de idiomas suportam.
As compras também ficam presas à plataforma, algo que pesa depois. Uma assinatura feita dentro do aplicativo é uma transação da Apple ou do Google, enquanto uma feita no site é uma transação da ELSA, e as duas seguem regras diferentes de cancelamento e reembolso.
O que o nível gratuito compra é tempo, não uma cota permanente. Criar uma conta dá sete dias de acesso irrestrito sem meio de pagamento, e depois as duas primeiras lições de cada módulo continuam gratuitas. Suficiente para avaliar a qualidade da pontuação, insuficiente para concluir um percurso.
Além disso, o quadro público fica ralo. Os planos individuais são vendidos pelo aplicativo e pelo fluxo de checkout, e a própria página de preços não publica números nem tabela comparativa de planos — só texto de posicionamento e um chamado ao teste, de modo que os preços de consumo não puderam ser lidos do site nesta verificação. Um detalhe estrutural, porém, está documentado: as assinaturas vitalícias são distribuídas apenas pelo site do próprio fornecedor e por parceiros oficiais de distribuição, não como compra dentro do aplicativo, então a lista de preços visível no app não esgota as opções.
A API é a única parte do produto com preços integralmente publicados e é cobrada a cada 15 segundos de áudio.
| Nível da API | Com roteiro | Sem roteiro | Áudio máximo por requisição | Alcance da avaliação |
|---|---|---|---|---|
| Padrão | US$ 0,008 | US$ 0,02 | 20 s com roteiro, 20 s sem | Pronúncia de palavras, frases e múltipla escolha; sem roteiro também fala espontânea e gramática |
| Premium | US$ 0,01 | US$ 0,025 | 45 s com roteiro, 150 s sem | Acrescenta fluência e entonação; sem roteiro também IELTS, transcrição e vocabulário |
A diferença entre níveis não está só no preço unitário. O Padrão limita uma requisição a 20 segundos nos dois modos, o que serve para ler uma frase mas não para avaliar um parágrafo de fala livre, e a tabela de avaliações se separa tanto por modo quanto por nível: a avaliação de fala espontânea e a pontuação gramatical aparecem como disponíveis no modo não roteirizado do Padrão, enquanto a avaliação IELTS, a transcrição e a pontuação lexical só aparecem no modo não roteirizado do Premium. Essa fronteira decide também se dá para montar sobre o motor uma prática de speaking IELTS: pontuar respostas abertas pelo critério IELTS leva ao Premium seja qual for a tarifa anunciada.
Para o aplicativo de consumo, diretórios independentes o colocam ao lado de tutores de conversa com IA, bibliotecas de referência de pronúncia e fornecedores de avaliação de fala — três formatos de produto que resolvem problemas sobrepostos de maneiras distintas. Um tutor de conversa otimiza manter você falando; uma referência de pronúncia otimiza mostrar uma realização correta; o ELSA fica mais perto da avaliação, pontuando o que você produziu contra um modelo. Para a API o conjunto de comparação são outros fornecedores de avaliação de fala, e ali os preços por segundo publicados e os tetos de áudio por requisição pesam mais que o número de lições.
As condições de cobrança são a parte deste produto com maior probabilidade de produzir uma surpresa desagradável, e merecem leitura antes do teste e não depois.
Há ainda uma incoerência documentada que convém apontar em vez de resolver: sob o título dedicado à renovação dos planos pré-pagos, o texto repete palavra por palavra as instruções do plano mensal, de modo que as condições não enunciam nenhum procedimento de cancelamento próprio do pré-pago.
Dois limites operacionais fecham o quadro: praticar exige conexão o tempo todo e a qualidade da pontuação depende das condições de gravação descritas acima, o que torna o produto sensível ao ambiente do estudante de um jeito que um aplicativo de leitura não é.
Do lado independente, as notas agregadas são fortes — 4,8 sobre cerca de 110.000 avaliações no iOS e 4,6 sobre cerca de um milhão de resenhas no Android —, enquanto uma plataforma de resenhas de software empresarial registra 4,5 sobre 174 resenhas. Ler a ponta negativa dessa amostra menor informa mais que a média, embora as resenhas visíveis sejam poucas demais para descrever uma distribuição: entre as exibidas, alguém diz ter pago 80 £ e ter tido o reembolso negado após dois dias, outra pessoa considera a compra quase dinheiro perdido e uma terceira reclama de falhas constantes. Cobrança e estabilidade aparecem; a pontuação de fala em si, não.
Praticar fala significa entregar gravações da própria voz, e a licença ligada a essas gravações é ampla. Enviar conteúdo concede ao fornecedor uma licença mundial, isenta de royalties, irrevogável e transferível, com direito de sublicenciar, e as condições descrevem o alcance como as gravações somadas às análises de pronúncia, entonação, volume, ritmo, gramática e vocabulário extraídas delas. O aviso de privacidade lista à parte o que se coleta de usuários individuais: prompts, entradas de texto, imagens, gravações de áudio e vídeo, comentários e cenários.
Onde esses dados ficam está divulgado. O tratamento abrange Estados Unidos, Europa, Japão, Índia, Vietnã e Singapura, com armazenamento na AWS na Irlanda, nos Estados Unidos, no Japão e em Singapura.
Mais três pontos afetam usos específicos. Quem grava uma conversa deve notar que o dever de avisar e obter consentimento das demais pessoas na gravação recai sobre o usuário e não sobre o fornecedor — relevante se você pretende rodar o Speech Analyzer durante uma reunião real. O serviço não se destina a crianças menores de 13 anos, e menores de 18 são orientados a usá-lo apenas com a participação de um responsável. E apagar uma conta é um pedido por e-mail ao suporte, não um botão dentro do aplicativo, o que vale saber se você quer uma saída limpa.
Existe um nível gratuito, mas ele estreita bastante depois da primeira semana. Uma conta nova recebe uma semana inteira de acesso irrestrito sem informar cartão, e quando ela vence só as duas primeiras lições de cada módulo continuam abertas. Dá para julgar a pontuação, não para terminar um percurso.
Segundo as condições publicadas, não. Um prazo pré-pago rola para outro prazo de igual duração e cobra a taxa de renovação, a menos que a renovação seja desligada, e a opção vitalícia consta entre esses prazos pré-pagos. Trate-a como um pré-pagamento longo com renovação automática e confira o ajuste logo após comprar.
Depende inteiramente de onde você comprou. Uma compra no site tem uma janela de reembolso de sete dias tratada pelo fornecedor. Uma compra dentro do aplicativo não: o fornecedor não pode reembolsá-la, então o pedido vai para a Apple ou o Google e é decidido pela política da loja.
Envie aviso pelo menos um dia útil antes da renovação, por e-mail ou pela loja onde assinou. Duas armadilhas merecem nome: tirar o aplicativo do celular não interrompe cobrança alguma, e cancelar não é o mesmo que pedir o dinheiro de volta, então talvez você precise das duas coisas.
Não. As lições precisam de conexão ativa porque a pontuação de fala roda nos servidores do fornecedor e não no celular, e também não há um modo de baixar lições para recorrer.
Só em parte. O aplicativo principal se limita a Android e iOS, com uso em desktop e telefones Windows descartado. O Speech Analyzer, ao contrário, foi desenhado para um navegador de desktop, então um computador lhe dá a análise de fala livre mas não o currículo de lições.
Elas são licenciadas de forma ampla. A licença de conteúdo prevista nas condições é mundial, isenta de royalties, irrevogável e sublicenciável, e alcança tanto as gravações quanto as análises extraídas delas. O aviso de privacidade nomeia as categorias coletadas e situa o armazenamento em quatro regiões da AWS distribuídas entre Europa, América do Norte e Ásia.
Sim, pela API de voz separada, cujo uso é medido em unidades de 15 segundos de áudio. Examine com cuidado a fronteira entre níveis: o nível inferior limita uma requisição a 20 segundos e exclui as avaliações abertas, então pontuar fala livre exige o nível superior.
