El español le da a cada vocal su valor completo y cuenta la frase por sílabas. El inglés no: golpea unas sílabas y se traga las otras, y lo que queda entre golpe y golpe se reduce hasta desaparecer. Por eso comfortable has three syllables cuando se dice, y no cuatro como se escribe, y chocolate has two syllables, no tres. Nadie se comió nada por hablar rápido. Esa es la forma normal de la palabra.
Ahí está la distancia que casi nadie nombra bien. Un lector hispanohablante entiende un artículo técnico y no entiende a dos personas hablando en una llamada, concluye que le faltan palabras y compra más vocabulario. No le faltan palabras. Le falta reconocer las palabras que ya sabe cuando llegan sin sus vocales, y eso no se arregla estudiando léxico, porque el problema es de ritmo.
Cinco vocales contra veinte
El español tiene cinco vocales limpias y el inglés anda cerca de veinte, así que varias parejas inglesas caen dentro de una sola casilla española y se oyen idénticas. Tres que hay que separar antes que nada: ship and sheep, dos palabras distintas que suelen salir iguales; peace and peas, donde el inglés distingue una s sorda de una sonora que el español no tiene; y she and see, donde el sonido de she existe en México en palabras de origen náhuatl y no separa nada, así que el oído lo produce sin oírlo.
La consonante sale igual de cara por un motivo viejo. El español fundió la b y la v hace siglos y las escribe distinto por costumbre ortográfica, no porque suenen diferente. En inglés no están fundidas: berry and very son dos palabras, y la segunda se hace con el labio de abajo contra los dientes de arriba, no con los dos labios. Y falta la aspiración: en inglés la p de pin sale con un soplido y sin él se oye otra cosa, de modo que pin is not bin para el oído de quien escucha.
La e que se cuela delante de la s
El español no tiene ninguna palabra que empiece por s más consonante, así que la boca mete una e para poder arrancar. school is not eschool y Spanish is not Espanish, y este no es un descuido personal: es una regla de la lengua materna aplicándose a otra, y por eso lo hacen todos y casi nadie sabe que es una regla.
Mariana Zepeda ensaya en Guadalajara la frase con la que abre una entrevista por video, y la frase lleva dentro tres eses iniciales y dos veces la letra v. Dice I have a very stable schedule y le sale «ai jav a beri esteibol eskeyul». Tres hábitos del español en seis palabras: la v convertida en b dos veces, y dos palabras que empiezan por s con una e adelante. Cada uno se arregla en una tarde distinta, y la lista de cuáles son está en las consonantes y en las vocales del inglés.
La sílaba equivocada borra la palabra entera
De todo lo anterior, lo que más cuesta no es un sonido: es el golpe. PREsent and preSENT son un sustantivo y un verbo, y mover el golpe cambia la palabra y no solo el acento. Cuando la sílaba tónica cae donde no toca, quien escucha no oye una palabra con acento raro, no oye ninguna palabra y se detiene a buscarla, que es el medio segundo en el que se pierde la frase siguiente. El acento de palabra es lo primero que conviene arreglar porque es una decisión, no un músculo.
Lo que cuesta cada error
Los errores que un hispanohablante trabaja, y los que le cuestan una palabra
No todos los sonidos mal hechos cuestan lo mismo. Unos marcan un acento y otros hacen que quien escucha oiga otra palabra, o ninguna.
Colocados por cuántas parejas de palabras inglesas corrientes sostiene cada contraste. Las posiciones son el juicio de esta página, no una medición.
- La th dicha como t o como dApenas una pareja corriente depende de ella, y el contexto cierra el resto
- La r vibrante del españolUbica de dónde eres y no cuesta nada más
- La b y la v como un solo sonidoBerry y very son dos palabras, y rara vez caen en la misma frase
- La e que se cuela delante de la sAñade una sílaba y corre el golpe de sitio
- Ship y sheep sostenidas como una vocalDecenas de parejas, y las dos palabras son de todos los días
- La sílaba tónica en el lugar equivocadoQuien escucha no oye ninguna palabra y se detiene a buscarla
Lo que el riel no alcanza a mostrar es que el extremo caro es también el barato de reparar. Los de la derecha son decisiones sobre qué sílaba golpear; los de la izquierda son cambios en un músculo.
Antes de practicar, averiguar cuál de las dos mitades toca
Hay dos problemas distintos y se tratan al revés. Si la pareja no se distingue al oírla dicha por otra persona, el oído todavía no tiene la categoría y practicar en voz alta solo fija la copia equivocada; el trabajo es escuchar pares mínimos sin decir nada. Si se distingue siempre y aun así sale mal, la categoría está y el músculo no llegó, y entonces sí toca grabarse. La prueba toma cuatro minutos y casi nadie la hace, porque todos suponen la segunda mitad, que es la halagadora.
Con qué se comprueba desde México o Colombia, y qué cuesta
La tecla de dictado del teclado del celular, en 2026, es el juez más barato que existe. Reemplazó a preguntarle a un amigo si eso sonó bien, que devuelve amabilidad en vez de datos. Es gratis y ya está instalada, y es lo bastante indulgente como para que solo una transcripción equivocada signifique algo: si al dictar sheep escribe ship, ahí está el hallazgo. Ninguna aplicación de pronunciación de pago, todas cobradas en dólares sin precio local, hace algo que esta tecla no haga.
Para ver el sonido en lugar de oírlo está Praat, gratuito desde la Universidad de Ámsterdam y vigente en 2026, que reemplazó a pedir hora en un laboratorio de fonética para llegar a ver un espectrograma. Sirve exactamente para una cosa aquí: poner la grabación propia encima de la de un nativo y mirar dónde está el golpe en cada una.
El error: darle el año entero a la th
La th es el sonido del que todo el mundo habla y casi ninguna pareja de palabras corrientes depende de él; decir tink por think marca un acento y no cuesta un malentendido. Mientras tanto la pareja de ship and sheep sostiene decenas de pares y las dos son palabras de todos los días. Un año de th es un año que no se le dio al golpe ni a la vocal, que es donde el inglés de verdad se pierde.
Falta la otra mitad del asunto, porque un oído que separa estos sonidos en una grabación lenta todavía no los separa en una conversación de dos personas que se interrumpen. Eso ya es comprensión auditiva, y empieza donde esta página termina.