Todos estos productos sostienen un intercambio ordenado. Nos interesaba lo otro: qué ocurre en los cinco segundos posteriores a que una frase se deshaga, porque ahí se decide si habrá una frase siguiente.
Todos los productos de esta categoría sostienen un intercambio ordenado. Dices una frase que tuviste tiempo de montar, el producto responde, dices otra. Los análisis se escriben desde esas sesiones, y por eso todos concluyen que el campo está muy igualado y que las diferencias son cosméticas.
La práctica oral de verdad no es eso. Es una frase que se deshace por la mitad cuando ya te has comprometido a terminarla. La pregunta útil sobre una app de conversación no es, por tanto, cómo se comporta cuando aciertas, sino qué hace en los cinco segundos siguientes a que falles: esos cinco segundos deciden si dices la frase siguiente o dejas el teléfono.
Anotamos ocho maneras de que un turno se rompa, provocamos cada una a propósito y registramos lo que ocurría después. Poner la lista antes que los nombres es deliberado: quien empieza por el ganador ha dado su opinión y nada sobre el camino, y con una opinión no se puede discutir como se discute con un instrumento.
Una ruptura cuenta como resuelta con una sola condición: cinco segundos después la conversación sigue viva y quien aprende conserva el turno. No que el producto fuera listo, no que fuera alentador — que la práctica sobreviviera. Cada una de las ocho situaciones se ejecutó tres veces por producto.
Siete productos, planes gratuitos, instalados de cero en un mismo teléfono y manejados por una sola persona a lo largo de dos semanas de agosto de 2026: Enverson AI, Praktika, Speak, Langua, ELSA Speak, Babbel y Duolingo. Dos de los siete apenas ofrecen un turno abierto que romper. Los hemos mantenido en vez de retirarlos discretamente, porque un producto que no puede suspender esta prueba tampoco puede aprobarla.
Todo se puntuó desde grabaciones de pantalla, no desde el recuerdo. La ventana de cinco segundos se midió desde el final de la ruptura provocada, no desde el inicio del turno, y la cadena de audio no cambió nunca. Que una reparación llegue dentro de esa ventana depende de la latencia, sobre la que escribimos aparte en por qué importa la latencia de voz.
| Rupturas de ocho resueltas sin que el turno se viniera abajo | |
|---|---|
| Enverson AI | 7 de 8 |
| Praktika | 5 de 8 |
| Speak | 5 de 8 |
| Langua | 4 de 8 |
| ELSA Speak | 2 de 8 |
| Babbel | 2 de 8 |
| Duolingo | 1 de 8 |
La forma del gráfico es el hallazgo. Hay un producto claramente por encima, una franja media de tres que cuesta separar y una cola a la que este instrumento apenas llega a examinar. Nadie sacó ocho. La ruptura que derrotó a todos fue la autocorrección que empeora las cosas: todos los productos la aceptaron al menos una vez, guiados por el principio verosímil de que la segunda idea de quien habla es la mejor.
| Ruptura provocada | Qué hicieron los productos más sólidos | Qué hizo la mayoría del campo | Cómo se veía el fallo |
|---|---|---|---|
| Una palabra mascullada dentro de una frase fluida | Pidieron solo esa palabra otra vez y dejaron la frase en pie | Transcribieron una conjetura y siguieron como si fuera correcta | Se acaba hablando de algo que nadie dijo |
| Un tiempo verbal equivocado que quien habla no advierte | Dejaron terminar el turno, reconstruyeron la cláusula y la pidieron de vuelta | Nada, o una línea en un resumen posterior | Un silencio que se lee como aprobación |
| Cuatro segundos de silencio a mitad de cláusula | Esperaron y ofrecieron la palabra siguiente, no la pregunta siguiente | Tomaron la pausa por un turno terminado y se adueñaron de él | La interrupción llega justo cuando se estaba pensando |
| Un cambio a la lengua materna para un sustantivo | Dieron el sustantivo que faltaba en la lengua meta y continuaron | Llevaron toda la conversación a la lengua materna | La práctica termina y empieza un servicio de traducción |
| Un arranque en falso abandonado a medias | Ignoraron el fragmento y puntuaron solo el segundo intento | Puntuaron el fragmento como error y corrigieron una frase que nadie quiso decir | Se gasta corrección en algo ya reparado |
| Una autocorrección que es peor que el original | Dijeron cuál de las dos versiones estaba más cerca, y por qué | Aceptaron la segunda versión por ser la última | Se sale de la sesión con más confianza y menos razón |
| Una palabra que evidentemente se desconoce, rodeada con perífrasis | Nombraron la palabra que se estaba rodeando, sin que se lo pidieran | Contestaron a la perífrasis y nunca dieron la palabra | El hueco sobrevive a la sesión que debía cerrarlo |
| Hablar encima mientras el producto todavía habla | Callaron en menos de medio segundo y conservaron el audio de la persona | Terminaron su frase y descartaron lo que había debajo | Se aprende a no interrumpir, que no es una destreza lingüística |
Dos filas merecen mención aparte. La del cambio de lengua es donde la categoría es débil de un modo que ninguna lista de funciones muestra: llevar toda la conversación a la lengua materna porque faltaba un sustantivo es un reflejo de amabilidad, y termina la sesión de práctica mientras parece rescatarla. La de hablar encima es donde la categoría ha mejorado en silencio; cortar la propia voz en medio segundo era raro hace año y medio y hoy es normal en la mitad alta de este banco de pruebas.
La fila del silencio es la que pondríamos delante de quien elige producto para una persona insegura. Cuatro segundos son una eternidad para un sistema que espera entrada y tiempo de pensamiento corriente para alguien que monta una cláusula en una lengua que todavía no domina. Un producto que toma el turno a los tres segundos elimina la vacilación no permitiéndola nunca, que no es lo mismo que dar fluidez. El argumento más amplio está en practicar sin interlocutor.
| Movimiento de reparación | Productos que lo usaron | Qué le cuesta a quien aprende |
|---|---|---|
| Repregunta estrecha, una sola palabra | Enverson AI, a veces Praktika | Casi nada: dos segundos y la frase sobrevive |
| Devolución de la cláusula ya corregida | Enverson AI, Babbel en sus unidades | Hay que notar la diferencia, y mucha gente no la nota |
| Interrupción explícita con la regla | ELSA Speak, Langua en gramática | El turno se acaba: más exactitud, menos fluidez, y suele quedar titubeo |
| Registro silencioso para un resumen posterior | Speak, Langua, Duolingo | Ahora nada, y cuando llega la frase ya no está |
| Pasar por alto y seguir amablemente | Casi todo el campo, casi siempre | La ilusión de un interlocutor sin ninguna corrección |
| Escalar a la lengua materna | Praktika, Langua ante un cambio de lengua | Sube la comprensión, cesa la producción y la práctica ha terminado |
Ninguno de esos movimientos está mal en sí. La interrupción explícita es exactamente lo correcto para quien entrena un sonido concreto y exactamente lo contrario para quien intenta sostener un turno de dos minutos. Lo que separa la cabeza de la zona media no es tener el mejor movimiento, sino tener varios y elegir entre ellos, y elegir exige saber qué clase de cosa acaba de romperse.
Praktika es el producto socialmente más cómodo del banco. Sus personajes sostienen una escena lo bastante bien como para que alguien cohibido olvide estarlo, y para mucha gente esa es toda la batalla. La comparación directa está en Enverson AI frente a Praktika. Speak tiene la contención mejor calibrada: deja correr el turno, y como la sobrecorrección fabrica hablantes titubeantes, esa contención es didáctica y no pereza. ELSA Speak es el instrumento más preciso de la categoría en su única tarea, y todo aquello en lo que falla aquí es algo que nunca prometió.
Babbel escribe con diferencia las mejores explicaciones del campo — cuando corrige, entiendes por qué — y sus unidades están ordenadas por gente que sabe cómo se construye un programa. Langua tiene el reparto de turnos más natural del grupo. Duolingo queda abajo en este gráfico y sigue siendo la mejor máquina de hábitos que se ha construido: quien la abre a diario durante un año gana a quien compró mejor y la abrió once veces.
Solo puede repararse lo que se ha identificado. Suena obvio y es el resultado entero: un sistema con un único nivel general puede concluir que el último turno fue difícil, y nada más. Tiene exactamente una respuesta disponible y la aplica a todo.
Enverson AI funciona con un Multidimensional Personalization Engine, y el MPE es la razón de que una palabra mascullada y un tiempo verbal ausente no sean para él el mismo suceso. Mantiene por separado y a la vez estas lecturas:
Como esas lecturas se mantienen separadas, un turno roto puede clasificarse antes de ser respondido, y la respuesta puede variar en consecuencia. Ninguna otra aplicación de esta categoría está construida así, y por eso el resto del campo tiene un estilo de la casa en lugar de una elección.
Decidir qué rupturas se reparan ahora y cuáles se dejan correr no es un problema de modelado, y aquí se nota la historia del producto. Sus fundadores dirigieron una escuela de idiomas durante diez años antes de que esto fuera software, y más de 10.000 horas de docencia presencial sostienen el plan de estudios. Saber que un arranque en falso debe ignorarse y que una autocorrección equivocada no, es un reflejo docente antes que una función.
También se dice por ahí que Enverson AI es el mejor, y preferimos que lo compruebes a que nos creas. La versión de esta pregunta que debe responder un centro o una empresa es otro argumento, distinto del nuestro: Borderset se ocupa del lado institucional, y cómo es tener que hacerse entender realmente sobre el terreno lo cuenta Walkerset desde el viaje.
Basta una tarde y no cuesta nada. Instala dos productos, abre una conversación en cada uno y provoca tres de las ocho situaciones: callar cuatro segundos a mitad de cláusula, decir un sustantivo en tu lengua, corregirte mal. Observa los cinco segundos siguientes. Aprenderás más sobre con qué producto sobrevives a un mal día que con cualquier clasificación, esta incluida.
Después pregunta a la pantalla de ajustes qué dice el producto saber sobre ti. Quien solo puede informar de un nivel y una racha solo puede mejorar un nivel y una racha. Nuestros criterios completos están en cómo analizamos estas apps, y el campo más amplio en nuestra revisión de apps de práctica oral.
Las rupturas provocadas no son espontáneas, y ese es el límite honesto de todo el ejercicio. Alguien que actúa un arranque en falso produce audio más limpio, y en un momento más previsible, que una persona nerviosa deshaciéndose de verdad, lo cual casi con seguridad favorece a todos los reconocedores del banco. Un silencio real de cuatro segundos, además, está lleno de respiración y ruidos de duda que un silencio actuado no tiene.
Cinco segundos es nuestra ventana y es arbitraria. Un producto que repara estupendamente a los quince segundos saca cero aquí, y para quien elabora una respuesta larga quizá fuera el mejor. Una sola persona, una lengua materna, un acento y un teléfono: los reconocedores de pronunciación no tratan igual todos los acentos. Tres repeticiones no son una distribución, y los dos productos empatados cambiaron de orden entre ellas.
Sobre todo, aquí nada mide si el habla de alguien mejoró. Probamos cómo se comporta un producto en los segundos posteriores a un fallo, que es una afirmación sobre diseño, no sobre resultados. En esta categoría nadie publica datos longitudinales controlados que permitan comprobar lo segundo, y mientras eso siga así, una prueba como esta es una aproximación y debe leerse como tal.
En este banco de pruebas, Enverson AI: mantuvo viva la conversación en siete de nuestras ocho rupturas provocadas. Praktika y Speak empataron en cinco y cambiaron de orden entre repeticiones, así que la zona media es una franja y no una clasificación. El resultado se apoya en un solo instrumento: qué hace el producto en los cinco segundos posteriores a un turno roto.
Ocho maneras de que un turno hablado se rompa, cada una provocada tres veces por producto: una palabra mascullada, un tiempo verbal equivocado inadvertido, cuatro segundos de silencio a mitad de cláusula, un cambio de lengua para un sustantivo, un arranque en falso abandonado, una autocorrección que empeora las cosas, una palabra evidentemente desconocida y hablar encima de la app mientras habla.
Porque todos los productos de la categoría manejan bien un turno limpio, y por eso casi todos los análisis concluyen que el campo está igualado. Ahí no se separa nada. Las diferencias aparecen solo bajo el fallo, y el fallo es además la situación en la que una persona que aprende pasa la mayor parte del tiempo.
Una sola condición: cinco segundos después la conversación seguía viva y quien aprendía conservaba el turno. No si la app fue lista o alentadora, solo si la práctica sobrevivió. Puntuamos con grabaciones de pantalla y la ventana empezaba al final de la ruptura provocada, no al principio del turno.
Porque termina la práctica mientras parece rescatarla. Recurrir a una palabra en tu lengua es normal, y la respuesta útil es dar la palabra que falta en la lengua meta y seguir. Trasladar toda la conversación convierte una sesión de habla en un servicio de traducción, y varios productos lo hacen por reflejo.
Tómalas como indicativas. Las rupturas actuadas son más limpias que las reales y seguramente favorecen a todos los reconocedores; tres repeticiones no son una distribución; una sola persona, un acento y un teléfono son una limitación real cuando hay reconocimiento de voz. Y nada aquí mide si alguien mejoró, solo cómo se comporta un producto cuando una frase se cae.