Quante parole servono per capire i video dei madrelingua?
Con le 5.000 parole inglesi più frequenti, un tipico video di madrelingua è fatto al 95,6% di parole che conosci. Lo spagnolo richiede circa 6.800 parole per arrivare al 95% e in 13 lingue su 23 nemmeno 10.000 bastano. Dati da 35.615 video di madrelingua, per lingua e per livello.
Chief Language Geek @ Reelang
Se conosci le 5.000 parole inglesi più frequenti, un tipico video di un madrelingua inglese è fatto al 95,6% di parole che conosci, e il 58,4% dei video arriva al 95%: la soglia alla quale gli studi sull’ascolto rilevano una buona comprensione. Lo spagnolo richiede circa 6.800 parole perché il video tipico arrivi al 95%, e in 13 delle 23 lingue che ho misurato 10.000 parole non bastano.
Questi numeri vengono da 35.615 video di madrelingua in 23 lingue del catalogo Reelang, contati parola per parola rispetto a una lista di frequenza per ogni lingua. Scegli qui sotto una lingua e una quantità di vocaboli per vedere cosa ti permette di capire.
Le prime 1.000 parole fanno quasi tutto il lavoro
La frequenza delle parole è sbilanciata. Poche centinaia di parole (the, and, is, you, que, de) costituiscono gran parte di tutto quello che diciamo, e ogni parola più in basso nella lista compare meno spesso. Questo andamento è noto come legge di Zipf e vale per tutte le lingue qui considerate.
Nelle 18 lingue che posso classificare senza riserve, il video tipico è coperto all’80,7% dalle prime 1.000 parole, all’86,7% dalle prime 2.000 e al 92,4% dalle prime 5.000. Le prime mille parole ti portano a quattro parole note su cinque. Le quattromila successive aggiungono circa dodici punti.
Le soglie che contano per l’ascolto stanno dentro a quegli ultimi punti. Due tornano di continuo nella ricerca su quante parole servono:
- 95%, una parola sconosciuta ogni 20. Batia Laufer l’ha proposta per la lettura nel 1989. Per l’ascolto, van Zeeland e Schmitt (2013) hanno visto che la maggior parte degli ascoltatori se la cavava già al 90%, e che al 95% chi ascolta in seconda lingua capisce bene e con molta meno variabilità tra persone.
- 98%, una parola sconosciuta ogni 50. Hu e Nation (2000) hanno trovato che chi legge narrativa da solo ha bisogno all’incirca di questo livello per una comprensione adeguata.
A 150 parole al minuto, un ritmo normale di parlato, il 95% vuol dire circa sette parole sconosciute al minuto (Nation, 2006). Il 98% ne vuol dire tre. La differenza si sente nella demo qui sotto. Usa battute vere prese dai video dello studio e cancella ogni parola che non rientra tra le più frequenti che scegli tu.
Con 2.000 parole, la battuta sulle polpette è nota al 58,3%: albóndigas, parmesano, rallado e orégano non compaiono proprio nella lista, e perejil (prezzemolo) sta alla posizione 13.520. La battuta sul gatto è nota al 96,2% con le stesse 2.000 parole. Entrambi i video sono in spagnolo ed entrambi sono etichettati A2.
Inglese e spagnolo, in numeri
Inglese. Il video tipico arriva al 90% con 2.021 parole, al 95% con 4.462 e al 98% con 9.403. Con 3.000 parole, il 24,9% dei video in inglese è al 95% o più. Con 5.000 parole lo è il 58,4%, e il 15,2% è al 98% o più.
Spagnolo. Il video tipico arriva al 90% con 2.754 parole e al 95% con 6.781. Non arriva al 98% entro le 10.000. Con 3.000 parole, il 10,8% dei video in spagnolo è al 95% o più. Con 5.000 parole lo è il 32,0%.
Quindi per lo spagnolo, chi conosce 3.000 parole trova circa un video su dieci in cui il 95% delle parole è familiare. È un bacino reale da cui imparare, perché le parole che ancora non conosci compaiono circondate da parole che conosci. Questo video colombiano è uno di quelli: l’88,4% delle sue parole sta nelle prime 1.000 e il 96,3% nelle prime 2.000.
Conoscere le parole non equivale ad afferrarle. Chi parla in quel video va a una mediana di 243 parole al minuto, molto più veloce di una registrazione da manuale. La copertura lessicale ti dice se potresti capire la trascrizione. Non ti dice se riesci a stare dietro alla velocità.
Lingue piatte e lingue ripide
Le curve non hanno tutte la stessa forma. In danese, svedese e olandese, le prime 1.000 parole coprono già dall’84,4% all’86,5% di un video tipico, e passare da 1.000 a 5.000 parole aggiunge solo da 8,3 a 9,3 punti. Inglese, francese, spagnolo, portoghese e italiano aggiungono da 11,5 a 12,6 punti nello stesso intervallo. Le curve più ripide sono indonesiano (+20,8), ucraino (+18,3), arabo (+18,1), russo (+16,5), finlandese (+15,3), turco (+15,2) e polacco (+14,3).
Una curva ripida vuol dire che le prime mille parole lasciano sconosciuta una parte maggiore del video, e che ogni migliaio in più vale di più. In parte dipende dalla lingua. In parte da come si contano le parole, e questo va spiegato prima di confrontare due lingue.
Le liste qui usate sono lemmatizzate: dije, dijo e decir contano tutte come una parola sola, decir. È corretto verso lo spagnolo, che ha moltissime forme verbali. Ma un lemmatizzatore funziona solo quando riconosce la forma. In ceco, finlandese, ungherese, russo e ucraino, dal 9,0% al 10,8% delle parole di un video tipico sono forme che la lista non è riuscita ad associare a nessun lemma. Molte sono parole comuni con una desinenza di caso che lo strumento non ha tolto. Qui contano come sconosciute, quindi per quelle cinque lingue i numeri sono un minimo: la copertura reale è più alta. Nella tabella qui sotto sono segnate con un asterisco.
I composti penalizzano tedesco, olandese e lingue nordiche in modo simile. Un composto tedesco come Küchenschrank (mobile da cucina) conta come sconosciuto se l’intero composto non è nella lista, anche se conosci entrambe le parti.
L’etichetta di livello cambia poco il lessico
Ogni video del catalogo ha un livello QCER, assegnato da un modello che legge la trascrizione. Qui sono raggruppati in cinque fasce, da A1 (l’A0 conta come A1) a C1 (il C2 conta come C1). Se l’etichetta seguisse il lessico, i livelli più alti richiederebbero più parole. Per le prime 2.000 parole non è quasi così. Prendendo la mediana tra le lingue (l’A1 ha abbastanza video in 11 di esse, il C1 in 20), le prime 2.000 parole coprono l’84,0% di un video A1, l’84,0% in A2, l’85,2% in B1, l’86,1% in B2 e l’84,1% in C1.
Il livello si vede nella parte alta della scala. Con 5.000 parole conosceresti il 95% delle parole nel 30,2% dei video A1, nel 20,6% degli A2, nel 22,6% dei B1, nel 15,5% dei B2 e nel 4,5% dei C1. La lunghezza c’entra: il video C1 mediano del campione ha 338 parole, quello A1 mediano 81. Un video corto ha meno occasioni di usare una parola rara.
I video con la copertura più bassa parlano quasi sempre di cibo. Dei 25 video in inglese del campione con la copertura più bassa a 2.000 parole, circa due terzi sono ricette, recensioni gastronomiche o assaggi di snack, e 21 sono etichettati A1 o A2. In spagnolo, 11 dei 25 più bassi parlano di cibo e tre sono canzoni per bambini. La grammatica di una ricetta è semplice («aggiungi l’aglio, mescola, fatto»), ed è per questo che riceve un’etichetta bassa. I sostantivi no. Nella lista inglese, garlic è la parola 6.395 e tablespoon la 11.551. In spagnolo, ajo è la 6.605 e sartén (padella) la 11.125.
Ecco due video in inglese. Il primo è un trailer etichettato B2: il 96,9% delle sue parole sta nelle prime 2.000 e supera il 95% con 1.300 parole. Il secondo è una ricetta per pentola a cottura lenta etichettata A2: il 72,3% delle sue parole sta nelle prime 2.000 e supera il 95% solo a 11.551 parole, la posizione di tablespoon.
Nemmeno il trailer è facile, ma per un altro motivo: chi parla va a una mediana di 215 parole al minuto. Un’etichetta di livello mescola velocità, grammatica e lessico in una sola lettera, e la parte lessicale è quella che si perde. Se conosci tra le 2.000 e le 5.000 parole, guarda anche l’argomento di un video, non solo il livello: cibo, cucina e recensioni di prodotti usano molte parole che stanno in fondo alla lista.
Anche le varietà cambiano
L’arabo è misurato con una lista di frequenza separata per ogni dialetto. Le altre lingue usano un’unica lista per tutte le loro varietà. Con 2.000 parole, il tipico video in arabo egiziano è coperto all’86,1%, quello iracheno al 79,6% e quello marocchino al 72,5%. Per il marocchino, il 9,5% delle parole di un video tipico non compare proprio nella sua lista, quindi parte di quello scarto dipende dalla lista. In francese, i video del Québec arrivano al 90,6% contro l’87,6% di quelli dalla Francia. Il portoghese brasiliano è all’87,4%, quello europeo all’80,3%, ma solo 61 video in portoghese europeo hanno passato i filtri e sono valutati su una lista diversa: quel dato va preso con cautela.
Confronto con la stima di Nation
La cifra più nota per l’inglese parlato viene dall’articolo di Paul Nation del 2006 «How large a vocabulary is needed for reading and listening?». Usando un corpus di inglese parlato neozelandese, ha trovato che 3.000 famiglie di parole più i nomi propri danno oltre il 95% di copertura, e che per il 98% ne servono dalle 6.000 alle 7.000. Webb e Rodgers (2009) hanno ottenuto numeri simili per le sceneggiature di film: 3.000 famiglie più nomi propri e parole marginali per il 95,76%, e 6.000 famiglie con le stesse aggiunte per il 98,15%.
I miei numeri per l’inglese sono più alti: 4.462 parole perché il video tipico arrivi al 95%, 9.403 per il 98%. Prendendo tutti i video in inglese come un unico lungo testo, 5.000 parole coprono il 95,1%. I numeri differiscono per tre motivi, e nessuno significa che uno studio sia sbagliato:
- Le famiglie sono più grandi dei lemmi. Una famiglia di parole raggruppa happy, unhappy, happiness e happily in un’unica unità. Una lista di lemmi ne conta quattro. Quindi 3.000 famiglie corrispondono a un numero maggiore di lemmi.
- La lista è costruita soprattutto su testi scritti. Le parole del parlato quotidiano ci stanno più in basso di quanto ti aspetteresti: alright è la parola 3.102, kinda la 2.333 e bye la 3.273.
- I video brevi restano su un solo argomento. Una ricetta di due minuti spende quasi tutte le sue parole sul lessico di un unico tema, mentre una conversazione lunga si sposta e riusa più parole generiche.
Cosa significa se stai imparando una lingua
Vale la pena imparare le prime 2.000 o 3.000 parole in modo mirato, con un mazzo di carte o un corso ordinato per frequenza. A quel punto una quota reale di video di madrelingua è alla tua portata al 95%, e da lì puoi raccogliere molte parole nuove dal contesto invece che da una lista. La guida per principianti di Christian Lauer spiega come arrivarci in fretta.
Dopo, scegli i video per argomento, non solo per livello. Chi conosce 3.000 parole di spagnolo riesce a seguire la scenetta del gatto qui sopra e può comunque perdersi nella ricetta delle polpette, anche se entrambi sono etichettati A2. E per ceco, finlandese, ungherese, russo e ucraino, aspettati che questi numeri sembrino più duri di quanto siano: buona parte di ciò che conta come sconosciuto è una parola che conosci con una desinenza che non hai ancora incontrato.
Se vuoi esercitarti con video come quelli qui sopra, le pagine spagnolo, inglese e tedesco elencano video di madrelingua per livello, con gli stessi sottotitoli parola per parola dei video di questa pagina. Altro sul perché la comprensione viene prima del parlato: come smettere di tradurre nella tua testa.
Come ho misurato tutto questo
I video. Tutti i video erano nel catalogo Reelang il 29 settembre 2026 e in rotazione: visibili pubblicamente, con parlato, contenuti di madrelingua (non lezioni di lingua), non doppiati e in una sola lingua. Per ogni lingua ho campionato fino a 500 video per livello QCER e ho pesato ogni livello in base alla sua quota nel catalogo, così i numeri descrivono il catalogo nel suo insieme. Sono stati esclusi i video con meno di 50 parole, quelli in cui una riga di sottotitoli si ripete (più del 30% delle righe), quelli più veloci di 330 parole per minuto di durata e quelli in cui più del 35% delle parole non è nella lista della lingua (di solito una trascrizione nella lingua sbagliata). Dopo questo filtro sono rimasti 35.615 video nelle 23 lingue classificate, con 13,8 milioni di parole. Il video mediano dura 81 secondi. 35.600 vengono da YouTube, 8 da TikTok e 7 da Instagram.
Le parole. Ogni trascrizione è divisa in parole su spazi e punteggiatura, messa in minuscolo e ripulita dalle cifre. Ogni parola è cercata in una lista di frequenza per la sua lingua, costruita da wordfreq 3.1.1 (Speer, 2022): le 25.000 forme più frequenti, raggruppate per lemma con simplemma (altri strumenti per arabo, ebraico e lingue asiatiche) e ordinate per frequenza totale di ciascun lemma. Le forme non presenti nella lista vengono lemmatizzate con simplemma come ripiego. I nomi propri (con la maiuscola, non a inizio frase, non in lista) e parole marginali come uh, mhm e haha contano come note, come fanno Nation (2006) e Webb e Rodgers (2009). Il tedesco scrive con la maiuscola ogni sostantivo, e hindi e arabo non hanno maiuscole, quindi per quelle lingue non c’è alcun bonus sui nomi propri. In inglese, le metà delle contrazioni contano come parola intera (didn't conta come did e not).
I numeri. La copertura è la quota di parole di un video il cui lemma rientra tra le prime N. Le percentuali qui sopra sono mediane tra i video. Per i dati sui «video al 95%», la soglia esatta di ciascun video è calcolata dalle sue posizioni di frequenza, quindi non c’è interpolazione. Il dato «il video tipico arriva al 95% a» è la quantità minima di vocaboli con cui il video mediano supera il 95%.
Non classificate. I prefissi dell’ebraico (ve-, ha-, be-, le-) non vengono separati, quindi parole note contano come sconosciute. Le trascrizioni in tamil sono in tamil parlato mentre la lista è in tamil scritto. Giapponese, cinese e coreano sono contati solo per parole piene, e il vietnamita per sillabe, quindi i loro numeri non sono confrontabili con gli altri. Per essere classificata, una lingua deve avere almeno 300 video. Il norvegese ne ha 449; tutte le altre lingue classificate ne hanno più di 1.000. La lista turca ha solo 9.088 lemmi, quindi per il turco i grafici si fermano a 8.000 parole, e «10.000+» significa che il video tipico non arriva al 95% nemmeno con l’intera lista.
Distorsioni note. I numeri descrivono trascrizioni, non audio, quindi anche gli errori di riconoscimento vocale contano come parole. Conoscere alla perfezione le prime N parole è un caso ideale, e le espressioni idiomatiche non sono contate come unità. Il livello QCER è il giudizio di un modello sulla trascrizione. E il catalogo è scelto per chi impara: tende a video con parlato chiaro e ampio interesse, quindi non è un campione casuale di tutto ciò che c’è su YouTube o TikTok.
Usa questi dati
Puoi riutilizzare i grafici e i numeri di questa pagina nei tuoi testi, nelle tue lezioni o nella tua ricerca. Ti chiediamo solo di citare questa pagina come fonte.
| Lingua | Video | 1.000 | 2.000 | 5.000 | 95%+ | 98%+ | 95% a |
|---|---|---|---|---|---|---|---|
| Danese | 1.122 | 86,5% | 91,1% | 94,8% | 47,0% | 8,4% | 5.292 |
| Inglese | 2.002 | 83,7% | 89,9% | 95,6% | 58,4% | 15,2% | 4.462 |
| Svedese | 1.325 | 85,6% | 89,8% | 94,0% | 37,6% | 5,6% | 6.768 |
| Olandese | 1.841 | 84,4% | 89,0% | 93,7% | 32,2% | 3,5% | 7.109 |
| Francese | 1.961 | 82,7% | 88,4% | 94,2% | 40,1% | 5,8% | 5.804 |
| Norvegese | 449 | 83,5% | 88,1% | 93,0% | 25,0% | 3,8% | 9.478 |
| Spagnolo | 2.195 | 81,6% | 87,3% | 93,5% | 32,0% | 5,4% | 6.781 |
| Portoghese | 1.865 | 81,4% | 87,2% | 94,0% | 38,4% | 7,3% | 6.121 |
| Rumeno | 1.602 | 81,4% | 87,0% | 92,5% | 25,3% | 5,8% | 9.586 |
| Esperanto | 1.007 | 80,0% | 86,3% | 92,3% | 28,6% | 4,5% | 10.000+ |
| Italiano | 1.880 | 79,7% | 85,6% | 91,9% | 21,2% | 2,7% | 9.269 |
| Turco | 1.322 | 77,1% | 85,6% | 92,3% | 25,4% | 5,5% | 10.000+ † |
| Tedesco | 1.933 | 80,0% | 84,8% | 90,3% | 11,3% | 1,1% | 10.000+ |
| Greco | 1.796 | 78,0% | 83,5% | 89,0% | 6,7% | 1,0% | 10.000+ |
| Hindi | 1.417 | 77,2% | 82,4% | 88,3% | 6,6% | 1,2% | 10.000+ |
| Arabo | 1.916 | 73,1% | 82,2% | 91,2% | 17,8% | 2,7% | 10.000+ |
| Polacco | 1.503 | 73,9% | 81,0% | 88,2% | 8,2% | 1,0% | 10.000+ |
| Indonesiano | 1.582 | 68,6% | 80,6% | 89,4% | 10,4% | 2,3% | 10.000+ |
| Ceco * | 1.239 | 73,4% | 80,0% | 86,8% | 3,9% | 0,5% | 10.000+ |
| Finlandese * | 1.565 | 71,7% | 79,3% | 87,0% | 3,6% | 0,8% | 10.000+ |
| Ungherese * | 1.732 | 71,7% | 78,1% | 84,5% | 0,4% | 0,0% | 10.000+ |
| Russo * | 1.305 | 70,0% | 77,8% | 86,5% | 2,9% | 0,1% | 10.000+ |
| Ucraino * | 1.056 | 65,4% | 73,4% | 83,7% | 0,8% | 0,0% | 10.000+ |
Colonne 1.000, 2.000 e 5.000: la quota mediana di parole di un video coperta dai primi 1.000, 2.000 o 5.000 lemmi. 95%+ e 98%+: la quota di video in cui chi conosce i primi 5.000 lemmi conosce almeno il 95% o il 98% delle parole. 95% a: la quantità di vocaboli con cui il video mediano supera il 95% (10.000+ significa non entro le 10.000). * Limite inferiore: il 9% o più delle parole di un video tipico non è stato associato alla lista, quindi la copertura reale è più alta. † La lista turca ha solo 9.088 lemmi: il tipico video in turco non arriva al 95% nemmeno con l’intera lista.
Fonti
- Hu, M. H.-c., & Nation, I. S. P. (2000). Unknown vocabulary density and reading comprehension. Reading in a Foreign Language, 13(1), 403-430. doi.org/10.64152/10125/66973 (testo completo gratuito)
- Laufer, B. (1989). What percentage of text-lexis is essential for comprehension? In C. Lauren & M. Nordman (Eds.), Special language: From humans thinking to thinking machines (pp. 316-323). Multilingual Matters. Scheda
- Nation, I. S. P. (2006). How large a vocabulary is needed for reading and listening? The Canadian Modern Language Review, 63(1), 59-82. doi.org/10.3138/cmlr.63.1.59, PDF gratuito
- Speer, R. (2022). wordfreq v3.0 [dati e software]. Zenodo. doi.org/10.5281/zenodo.7199437. Questo studio ha usato la release 3.1.1 da github.com/rspeer/wordfreq.
- van Zeeland, H., & Schmitt, N. (2013). Lexical coverage in L1 and L2 listening comprehension: The same or different from reading comprehension? Applied Linguistics, 34(4), 457-479. doi.org/10.1093/applin/ams074
- Webb, S., & Rodgers, M. P. H. (2009). The lexical coverage of movies. Applied Linguistics, 30(3), 407-427. doi.org/10.1093/applin/amp010
Inizia a guardare
Scegli una lingua e avvia il feed. Parlato autentico di madrelingua, classificato per difficoltà. Niente quiz, niente registrazione.
Scegli una linguaLeggi anche
Input comprensibile per chi inizia da zero
L’input comprensibile funziona solo quando riesci a seguire ciò che senti. Christian Lauer spiega come arrivare in fretta a quel punto e come capire di esserci arrivato.
Come smettere di tradurre nella testa: prima si capisce, poi si parla
Smetti di tradurre nella testa quando dai al tuo cervello così tanta lingua comprensibile che tradurre non serve più. La traduzione è una scorciatoia che il cervello costruisce quando non ha abbastanza esperienza diretta con una lingua. La soluzione non è un trucco né una disciplina mentale: è quantità. Ore di ascolto di parlato vero che capisci quasi tutto, finché il cervello non crea una via diretta dal suono al significato, senza passare dalla tua prima lingua.
Perché l’input comprensibile funziona per chi studia il mandarino
L’input comprensibile funziona con il mandarino perché i suoi ostacoli più grandi, i toni, la scrittura con i caratteri e la distanza tra parlato e scritto, si imparano prima con l’orecchio che con le regole. Gli esercizi di grammatica e le flashcard ti insegnano a riconoscere il mandarino isolato: l’input comprensibile te lo insegna come lo producono davvero i madrelingua, a velocità naturale, in contesto, con i toni e il ritmo intatti.