¿Cuánto se tarda en mejorar la pronunciación en inglés?
Plazos realistas para la pronunciación del inglés, según los metaanálisis: unas cinco horas de práctica enfocada para mover un sonido, semanas para tus palabras de uso diario, y por qué el acento global va en otro reloj.
Respuesta directa
Depende por completo de qué estés midiendo: un contraste de sonidos se mueve en unas cinco horas de práctica enfocada repartidas en semanas, las palabras concretas que más usas se aclaran en uno o dos meses, y el acento global cambia despacio y de forma poco fiable. Son tres relojes distintos, y casi toda la frustración viene de arrancar uno y mirar otro.
| Qué estás midiendo | Plazo realista | Solidez de la evidencia |
|---|---|---|
| Oír un contraste nuevo (ship vs sheep) | ~5 horas de entrenamiento, en semanas | Alta — metaanálisis de 79 estudios |
| Producir un sonido concreto en habla controlada | Semanas de sesiones cortas | Alta |
| Tus propias palabras y frases frecuentes | 3–8 semanas | Razonable |
| Esos mismos sonidos en conversación espontánea | Meses, con trabajo de transferencia | Baja e inconsistente |
| El “acento” global según los oyentes | Lento, poco fiable, a menudo mal objetivo | Baja |
Oír un contraste nuevo: unas cinco horas
La mejor respuesta documentada a “cuánto se tarda” viene de la investigación sobre entrenamiento perceptivo. Un metaanálisis de 2025 en Studies in Second Language Acquisition reunió 79 estudios de entrenamiento fonético de alta variabilidad —el método en el que el estudiante oye el sonido objetivo en muchas voces y contextos distintos, con feedback tras cada intento— y encontró efectos de medios a grandes sobre la percepción del habla (Uchihara, Karas y Thomson, 2025, acceso abierto).
Los números que afectan a tu calendario:
- El programa medio fueron 8,9 sesiones de unos 36 minutos, es decir unos 294 minutos, poco menos de cinco horas de entrenamiento total.
- La mejora típica al percibir el sonido objetivo fue del 10–15%, con estudios individuales entre el 5% y el 29%.
- Más entrenamiento ayudó hasta unos 400 minutos, y a partir de ahí las ganancias se estancaron. Seis o siete horas sobre un contraste están cerca del techo; veinte horas no rinden cuatro veces más.
- Las mejoras seguían siendo medibles entre dos semanas y seis meses después de acabar el entrenamiento.
Un contraste, cinco horas, repartidas en ocho o nueve sesiones. Dos semanas de sesiones de veinte minutos lo cubren. En 79 estudios de entrenamiento perceptivo, el programa medio fueron unas 8,9 sesiones de 36 minutos, alrededor de cinco horas en total, y las mejoras siguieron creciendo hasta unos 400 minutos de entrenamiento antes de estancarse.
La palabra que hace el trabajo ahí es un. Cinco horas te compran un solo contraste: /r/ y /l/, o /iː/ e /ɪ/, o /θ/ y /s/. Elige el contraste que de verdad te cuesta comprensión y lo cierras en semanas. Intenta arreglarlo todo y no tienes plazo ninguno.
Producirlo: primero en habla controlada, luego en la real
La percepción es la parte rápida. La producción va detrás, y la investigación es bastante más sobria al respecto.
Un metaanálisis de 77 estudios de enseñanza de la pronunciación publicados entre 1982 y 2017 concluyó que la instrucción explícita funciona, pero que cuánto parece funcionar depende mucho de qué se mida (Saito y Plonsky, 2019). Sus resultados, en el orden que importa para planificar:
- La instrucción es claramente eficaz a nivel específico: consonantes, vocales y patrones de acento concretos.
- Es mucho menos clara a nivel global: el acento o la fluidez generales juzgados por oyentes.
- Las mejoras aparecen en tareas controladas como leer en voz alta, y no son fiables en habla espontánea como una entrevista.
Esa distancia es el resultado habitual antes que un fallo personal: las mejoras aparecen con claridad en tareas controladas como leer en voz alta y de forma mucho menos fiable en el habla espontánea, por eso la transferencia hay que practicarla a propósito. Tu pronunciación es realmente mejor practicando que conversando, y la literatura lo predice.
El punto dos explica por qué perseguir un “acento nativo” rinde tan poco por hora invertida. El acento global es la medida que menos se mueve con instrucción; los sonidos concretos son la que más. Inteligibilidad vs. acento desarrolla por qué la primera es el objetivo útil.
Tus propias palabras: de tres a ocho semanas
Entre “un sonido” y “todo mi acento” está lo que de verdad necesitas: las sesenta y pico palabras y frases que dices cada semana en el trabajo.
De eso no hay metaanálisis, así que tómalo como estimación y no como hallazgo. En la práctica, una lista corta de elementos frecuentes (tu puesto, los nombres de tus productos, las cuatro preguntas que siempre respondes) se vuelve notablemente más estable en tres a ocho semanas de práctica diaria breve, porque repites un conjunto pequeño exactamente en el contexto donde lo necesitas.
Es la victoria útil más rápida disponible, y resulta invisible para cualquier plazo de la investigación porque ningún estudio mide tu vocabulario. Cómo medir el progreso de pronunciación explica cómo llevar la cuenta.
Qué lo acelera
Un objetivo estrecho. Un contraste cada vez. La cifra de cinco horas es por contraste; llevar tres a la vez no comprime el total.
Sesiones espaciadas antes que maratones. Los estudios que funcionan reparten unas pocas horas en muchas sesiones cortas. Diez minutos concentrados al día se parecen más a la forma de la investigación que una sesión larga de fin de semana, porque los estudios que funcionan reparten unas pocas horas de entrenamiento en muchas sesiones cortas en lugar de concentrarlas.
Feedback en cada intento. El feedback intento a intento es rasgo definitorio del paradigma de entrenamiento con mejores resultados. Repetir sin ninguna señal de si el intento fue correcto es una intervención mucho más débil, y eso separa la práctica del shadowing hecho a ciegas.
Variedad en lo que oyes. La parte de “alta variabilidad” hace trabajo real: oír el sonido en muchas voces y muchas palabras es lo que hace que el aprendizaje generalice en vez de pegarse a una grabación.
Practicar tus propias frases. Como la transferencia al habla espontánea es el eslabón débil, practicar el material que vas a decir de verdad acorta la distancia que el aprendizaje tiene que recorrer.
Qué lo frena
Arreglarlo todo a la vez. Atención repartida entre ocho sonidos son cinco horas de nada.
Practicar sin comprobar. Oyes la palabra que querías decir antes que la que dijiste, así que la práctica sin verificación puede estar ensayando el error.
Practicar solo en condiciones controladas. Leer en voz alta es donde las mejoras aparecen primero y donde se quedan si nunca las empujas hacia la conversación.
Esperar que los demás lo noten pronto. Una mejora de percepción del 10–15% es real y medible, y a la vez invisible para un compañero en una reunión. El progreso llega antes de que alguien lo comente.
Un plan realista de ocho semanas
| Semanas | Foco | Tiempo |
|---|---|---|
| 1–2 | Un contraste, solo escucha: ¿lo distingues con fiabilidad? | 15 min/día |
| 3–4 | El mismo contraste en producción, palabras sueltas y frases cortas | 15 min/día |
| 5–6 | Veinte palabras tuyas de uso frecuente con ese sonido | 10 min/día |
| 7–8 | Frases completas y mensajes reales; transferencia deliberada | 10 min/día |
Son unas siete horas en dos meses, algo por encima del punto en el que la investigación dice que un contraste se satura, y suficiente para llevarlo a tu propia habla. Después, eliges el siguiente contraste.
¿La edad cambia el plazo?
Sí. La evidencia metaanalítica cubre a estudiantes adultos y encuentra mejoras de tamaño medio a grande con entrenamiento enfocado, todavía medibles entre dos semanas y seis meses después de terminarlo. La edad no es el obstáculo que dice el folclore; lo que los estudios varían de verdad es la atención y lo estrecho del objetivo.
Cómo encaja Phonema
Las dos cosas que la evidencia señala como decisivas, feedback en cada intento y practicar material propio, son lo que un móvil puede dar a diario y una clase semanal no. Phonema puntúa tus propias frases palabra por palabra en el iPhone, sin límite diario, así que los quince minutos que pide la investigación son quince minutos de repetición comprobada y no de repetición esperanzada. No comprime cinco horas en una. Hace que esas cinco horas cuenten.
Conclusión
Cinco horas para cambiar cómo oyes un sonido. Unas semanas para producirlo con fiabilidad en habla controlada. Uno o dos meses para las palabras que de verdad usas. Meses, y trabajo deliberado, antes de que aguante en conversación no planificada. Y el acento global, lo que casi todo el mundo quiere decir al hacer esta pregunta, es justo la medida que apenas se mueve. Cambia la pregunta y el plazo se acorta muchísimo.