Quantas palavras você precisa para entender vídeos de nativos?
Com as 5.000 palavras mais comuns do inglês, o clipe nativo típico tem 95,6% de palavras que você conhece. O espanhol precisa de cerca de 6.800 palavras para chegar a 95%, e em 13 de 23 idiomas nem 10.000 bastam. Dados de 35.615 clipes nativos, por idioma e por nível.
Chief Language Geek @ Reelang
Se você conhece as 5.000 palavras mais comuns do inglês, o clipe típico de vídeo nativo em inglês tem 95,6% de palavras que você conhece, e 58,4% dos clipes chegam a 95%, o nível em que os estudos de compreensão oral mostram que quem aprende entende bem. O espanhol precisa de cerca de 6.800 palavras para o clipe típico chegar a 95%, e em 13 dos 23 idiomas que medi, 10.000 palavras não bastam.
Esses números vêm de 35.615 clipes nativos em 23 idiomas do catálogo da Reelang, contados palavra por palavra contra uma lista de frequência de cada idioma. Escolha um idioma e um tamanho de vocabulário abaixo para ver o que isso te dá.
As primeiras 1.000 palavras fazem quase todo o trabalho
A frequência das palavras é desequilibrada. Algumas centenas de palavras (the, and, is, you, que, de) formam uma fatia enorme de tudo o que alguém fala, e cada palavra mais abaixo na lista aparece menos. Esse padrão é conhecido como lei de Zipf, e vale em todos os idiomas aqui.
Nos 18 idiomas que consigo classificar sem ressalvas, o clipe típico tem 80,7% de cobertura com as 1.000 primeiras palavras, 86,7% com as 2.000 primeiras e 92,4% com as 5.000 primeiras. As primeiras mil palavras te levam a quatro palavras conhecidas em cada cinco. As quatro mil seguintes acrescentam cerca de doze pontos.
Os limiares que importam para a compreensão oral ficam dentro desses últimos pontos. Dois deles aparecem o tempo todo nas pesquisas sobre quantas palavras você precisa:
- 95%, uma palavra desconhecida a cada 20. Batia Laufer propôs esse número para leitura em 1989. Para a escuta, van Zeeland e Schmitt (2013) viram que a maioria já se virava com 90%, e que em 95% quem ouve numa segunda língua entendia bem, com muito menos variação entre as pessoas.
- 98%, uma palavra desconhecida a cada 50. Hu e Nation (2000) viram que quem lia ficção por conta própria precisava mais ou menos disso para uma compreensão adequada.
A 150 palavras por minuto, um ritmo normal de fala, 95% significa cerca de sete palavras desconhecidas por minuto (Nation, 2006). 98% significa três. Dá para sentir essa diferença na demonstração abaixo. Ela usa falas reais de clipes do estudo e apaga toda palavra que não está entre as palavras mais frequentes que você escolher.
Com 2.000 palavras, a fala das almôndegas tem 58,3% de palavras conhecidas: albóndigas, parmesano, rallado e orégano nem estão na lista, e perejil (salsinha) está na posição 13.520. A fala sobre o gato tem 96,2% de palavras conhecidas com as mesmas 2.000 palavras. Os dois clipes são em espanhol e os dois estão marcados como A2.
Inglês e espanhol, em números
Inglês. O clipe típico chega a 90% com 2.021 palavras, a 95% com 4.462 e a 98% com 9.403. Com 3.000 palavras, 24,9% dos clipes em inglês estão em 95% ou mais. Com 5.000 palavras, 58,4% estão, e 15,2% estão em 98% ou mais.
Espanhol. O clipe típico chega a 90% com 2.754 palavras e a 95% com 6.781. Não chega a 98% dentro de 10.000 palavras. Com 3.000 palavras, 10,8% dos clipes em espanhol estão em 95% ou mais. Com 5.000 palavras, 32,0% estão.
Ou seja, no espanhol, quem tem 3.000 palavras encontra mais ou menos um clipe em cada dez em que 95% das palavras são conhecidas. Isso já é um bom conjunto para aprender, porque as palavras que você ainda não sabe aparecem cercadas por palavras que você sabe. Este clipe colombiano é um deles: 88,4% das palavras estão entre as 1.000 mais frequentes e 96,3% entre as 2.000.
Conhecer as palavras não é a mesma coisa que captá-las. As pessoas nesse clipe falam a uma mediana de 243 palavras por minuto, bem mais rápido que uma gravação de livro didático. A cobertura de vocabulário diz se você conseguiria entender a transcrição. Não diz se você consegue acompanhar a velocidade.
Idiomas com curva plana e curva íngreme
As curvas não têm todas o mesmo formato. Em dinamarquês, sueco e holandês, as 1.000 primeiras palavras já cobrem de 84,4% a 86,5% de um clipe típico, e ir de 1.000 para 5.000 palavras acrescenta só de 8,3 a 9,3 pontos. Inglês, francês, espanhol, português e italiano ganham de 11,5 a 12,6 pontos no mesmo intervalo. As curvas mais íngremes são as do indonésio (+20,8), ucraniano (+18,3), árabe (+18,1), russo (+16,5), finlandês (+15,3), turco (+15,2) e polonês (+14,3).
Uma curva íngreme quer dizer que as primeiras mil palavras deixam mais parte do clipe desconhecida, e cada mil palavras a mais valem mais. Parte disso é o idioma. Parte é a forma de contar as palavras, e isso precisa de explicação antes de você comparar dois idiomas.
As listas aqui são lematizadas: dije, dijo e decir contam como uma palavra só, decir. Isso é justo com o espanhol, que tem muitas formas verbais. Mas um lematizador só funciona quando reconhece a forma. Em tcheco, finlandês, húngaro, russo e ucraniano, de 9,0% a 10,8% das palavras corridas de um clipe típico são formas que a lista não conseguiu ligar a nenhum lema. Muitas delas são palavras comuns com uma desinência de caso que a ferramenta não removeu. Aqui elas contam como desconhecidas, então para esses cinco idiomas os números são um piso: a cobertura real é maior. Eles estão marcados com um asterisco na tabela abaixo.
As palavras compostas jogam contra o alemão, o holandês e as línguas nórdicas de um jeito parecido. Um composto alemão como Küchenschrank (armário de cozinha) conta como desconhecido a não ser que o composto inteiro esteja na lista, mesmo que você conheça as duas partes.
O rótulo de nível quase não muda o vocabulário
Todo clipe do catálogo tem um nível do QECR, definido por um modelo que lê a transcrição. Aqui eles estão agrupados em cinco faixas, de A1 (A0 conta como A1) a C1 (C2 conta como C1). Se o rótulo acompanhasse o vocabulário, níveis mais altos precisariam de mais palavras. Nas primeiras 2.000 palavras, quase não precisam. Pegando a mediana entre os idiomas (A1 tem clipes suficientes em 11 deles, C1 em 20), as 2.000 palavras mais frequentes cobrem 84,0% de um clipe A1, 84,0% em A2, 85,2% em B1, 86,1% em B2 e 84,1% em C1.
O nível aparece mesmo é no topo da faixa. Com 5.000 palavras, você conheceria 95% das palavras em 30,2% dos clipes A1, 20,6% dos A2, 22,6% dos B1, 15,5% dos B2 e 4,5% dos C1. A duração explica parte disso: o clipe C1 mediano da amostra tem 338 palavras corridas, e o A1 mediano, 81. Um clipe curto tem menos chances de usar uma palavra rara.
Os clipes com a menor cobertura são quase todos sobre comida. Dos 25 clipes em inglês da amostra com a menor cobertura em 2.000 palavras, cerca de dois terços são receitas, avaliações de comida ou degustações de lanches, e 21 estão marcados como A1 ou A2. No espanhol, 11 dos 25 mais baixos são sobre comida, e três são canções infantis. A gramática de uma receita é simples (“coloque o alho, mexa, pronto”), e é por isso que o rótulo fica baixo. Os substantivos não são simples. Na lista do inglês, garlic é a palavra 6.395 e tablespoon a 11.551. No espanhol, ajo é 6.605 e sartén (frigideira) 11.125.
Aqui estão dois clipes em inglês. O primeiro é um trailer de filme marcado como B2: 96,9% das palavras estão entre as 2.000 mais frequentes, e ele passa de 95% com 1.300 palavras. O segundo é uma receita de panela elétrica marcada como A2: 72,3% das palavras estão entre as 2.000 mais frequentes, e ele só passa de 95% com 11.551 palavras, a posição de tablespoon.
O trailer também não é fácil, por outro motivo: as pessoas falam a uma mediana de 215 palavras por minuto. Um rótulo de nível mistura velocidade, gramática e vocabulário numa letra só, e a parte do vocabulário é a que se perde. Se você conhece entre 2.000 e 5.000 palavras, olhe o assunto do clipe, não só o nível: comida, culinária e conversa sobre produtos usam muitas palavras lá do fim da lista.
As variedades também são diferentes
O árabe é medido com uma lista de frequência separada para cada dialeto. Os outros idiomas usam uma lista só para todas as variedades. Com 2.000 palavras, o clipe típico em árabe egípcio tem 86,1% de cobertura, o iraquiano 79,6% e o marroquino 72,5%. No marroquino, 9,5% das palavras de um clipe típico nem estão na lista, então parte dessa diferença é da lista. No francês, os clipes do Québec ficam em 90,6% contra 87,6% dos clipes da França. O português brasileiro está em 87,4% e o português europeu em 80,3%, mas só 61 clipes de português europeu passaram pelos filtros e eles são avaliados contra outra lista, então olhe esse número com cuidado.
Como isso se compara com a estimativa de Nation
O número mais conhecido para o inglês falado vem do artigo de Paul Nation de 2006, “How large a vocabulary is needed for reading and listening?”. Usando um corpus de inglês falado da Nova Zelândia, ele viu que 3.000 famílias de palavras mais nomes próprios dão mais de 95% de cobertura, e que são precisas de 6.000 a 7.000 famílias para 98%. Webb e Rodgers (2009) chegaram a números parecidos para roteiros de filmes: 3.000 famílias mais nomes próprios e palavras marginais para 95,76%, e 6.000 famílias com os mesmos extras para 98,15%.
Meus números para o inglês são mais altos: 4.462 palavras para o clipe típico chegar a 95% e 9.403 para 98%. Juntando todos os clipes em inglês num texto longo só, 5.000 palavras cobrem 95,1%. Há três motivos para os números diferirem, e nenhum deles quer dizer que um estudo está errado:
- Famílias são maiores que lemas. Uma família de palavras junta happy, unhappy, happiness e happily numa unidade só. Uma lista de lemas conta quatro. Então 3.000 famílias correspondem a um número maior de lemas.
- A lista é construída sobretudo a partir de texto escrito. Palavras do dia a dia da fala ficam mais abaixo do que você esperaria: alright é a palavra 3.102, kinda a 2.333 e bye a 3.273.
- Vídeos curtos ficam num assunto só. Uma receita de dois minutos gasta quase todas as palavras no vocabulário de um tema, enquanto uma conversa longa passeia e reaproveita mais palavras gerais.
O que isso significa se você está aprendendo um idioma
Vale aprender de propósito as primeiras 2.000 ou 3.000 palavras, com um baralho ou curso ordenado por frequência. A partir daí, uma parcela real dos clipes nativos fica ao alcance em 95%, e você já consegue pegar muitas palavras novas pelo contexto em vez de por lista. O guia para iniciantes de Christian Lauer explica como chegar lá rápido.
Depois disso, escolha os clipes pelo assunto, não só pelo nível. Quem tem 3.000 palavras de espanhol acompanha o esquete do gato acima e ainda assim se perde na receita de almôndegas, mesmo os dois sendo A2. E, para tcheco, finlandês, húngaro, russo e ucraniano, espere que os números aqui pareçam mais duros do que são: boa parte do que conta como desconhecido é uma palavra que você sabe com uma desinência que você ainda não viu.
Se você quer praticar com clipes como os de cima, as páginas de espanhol, inglês e alemão listam clipes nativos por nível, com as mesmas legendas palavra por palavra dos clipes desta página. Mais sobre por que entender vem antes de falar: como parar de traduzir na cabeça.
Como eu medi isso
Os clipes. Todos os clipes estavam no catálogo da Reelang em 29 de setembro de 2026 e em circulação: visíveis publicamente, com fala, conteúdo nativo (não aulas de idioma), sem dublagem e em um idioma só. Para cada idioma, amostrei até 500 clipes por nível do QECR e ponderei cada nível pela sua fatia do catálogo, para que os números descrevam o catálogo como um todo. Foram removidos clipes com menos de 50 palavras, clipes em que uma linha de legenda se repete (mais de 30% das linhas), clipes mais rápidos que 330 palavras por minuto de duração e clipes em que mais de 35% das palavras não estão na lista do idioma (em geral, transcrição no idioma errado). Depois disso, sobraram 35.615 clipes nos 23 idiomas classificados, com 13,8 milhões de palavras corridas. O clipe mediano tem 81 segundos. 35.600 são do YouTube, 8 do TikTok e 7 do Instagram.
As palavras. Cada transcrição é dividida em palavras por espaços e pontuação, passada para minúsculas e com os dígitos removidos. Cada palavra é buscada numa lista de frequência do seu idioma, construída a partir do wordfreq 3.1.1 (Speer, 2022): as 25.000 formas mais frequentes, agrupadas por lema com o simplemma (outras ferramentas para árabe, hebraico e os idiomas asiáticos) e ordenadas pela frequência total de cada lema. Formas fora da lista são lematizadas com o simplemma como alternativa. Nomes próprios (com maiúscula, fora do início da frase, fora da lista) e palavras marginais como uh, mhm e haha contam como conhecidas, como fazem Nation (2006) e Webb e Rodgers (2009). O alemão usa maiúscula em todo substantivo, e o hindi e o árabe não têm letras maiúsculas, então esses idiomas não recebem crédito por nomes próprios. No inglês, as metades de contrações contam como a palavra inteira (didn't conta como did e not).
Os números. A cobertura é a parcela de palavras corridas de um clipe cujo lema está entre as N mais frequentes. As porcentagens acima são medianas entre os clipes. Para os números de “clipes em 95%”, o limiar exato de cada clipe é calculado a partir das posições das suas próprias palavras, então não há interpolação. O número de “o clipe típico chega a 95% com” é o menor tamanho de vocabulário em que o clipe mediano passa de 95%.
Não classificados. Os prefixos do hebraico (ve-, ha-, be-, le-) não são separados, então palavras conhecidas contam como desconhecidas. As transcrições em tâmil são de tâmil falado e a lista é de tâmil escrito. Japonês, chinês e coreano são contados só em palavras de conteúdo, e o vietnamita em sílabas, então esses números não podem ser comparados com o resto. Um idioma precisa de pelo menos 300 clipes para ser classificado. O norueguês tem 449; todos os outros idiomas classificados têm mais de 1.000. A lista do turco tem só 9.088 lemas, então para o turco os gráficos param em 8.000 palavras, e “10.000+” quer dizer que o clipe típico não chega a 95% nem com a lista inteira.
Vieses conhecidos. Os números descrevem transcrições, não áudio, então erros de reconhecimento de fala contam como palavras. Conhecer perfeitamente as N palavras mais frequentes é um caso ideal, e expressões idiomáticas não são contadas como unidades. O nível do QECR é o julgamento de um modelo sobre a transcrição. E o catálogo é escolhido para quem aprende: ele puxa para clipes com fala clara e apelo amplo, então não é uma amostra aleatória de tudo o que existe no YouTube ou no TikTok.
Use estes dados
Você pode reaproveitar os gráficos e os números desta página nos seus textos, aulas ou pesquisas. Por favor, cite esta página como fonte.
| Idioma | Clipes | 1.000 | 2.000 | 5.000 | 95%+ | 98%+ | 95% com |
|---|---|---|---|---|---|---|---|
| Dinamarquês | 1.122 | 86,5% | 91,1% | 94,8% | 47,0% | 8,4% | 5.292 |
| Inglês | 2.002 | 83,7% | 89,9% | 95,6% | 58,4% | 15,2% | 4.462 |
| Sueco | 1.325 | 85,6% | 89,8% | 94,0% | 37,6% | 5,6% | 6.768 |
| Holandês | 1.841 | 84,4% | 89,0% | 93,7% | 32,2% | 3,5% | 7.109 |
| Francês | 1.961 | 82,7% | 88,4% | 94,2% | 40,1% | 5,8% | 5.804 |
| Norueguês | 449 | 83,5% | 88,1% | 93,0% | 25,0% | 3,8% | 9.478 |
| Espanhol | 2.195 | 81,6% | 87,3% | 93,5% | 32,0% | 5,4% | 6.781 |
| Português | 1.865 | 81,4% | 87,2% | 94,0% | 38,4% | 7,3% | 6.121 |
| Romeno | 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+ † |
| Alemão | 1.933 | 80,0% | 84,8% | 90,3% | 11,3% | 1,1% | 10.000+ |
| Grego | 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+ |
| Árabe | 1.916 | 73,1% | 82,2% | 91,2% | 17,8% | 2,7% | 10.000+ |
| Polonês | 1.503 | 73,9% | 81,0% | 88,2% | 8,2% | 1,0% | 10.000+ |
| Indonésio | 1.582 | 68,6% | 80,6% | 89,4% | 10,4% | 2,3% | 10.000+ |
| Tcheco * | 1.239 | 73,4% | 80,0% | 86,8% | 3,9% | 0,5% | 10.000+ |
| Finlandês * | 1.565 | 71,7% | 79,3% | 87,0% | 3,6% | 0,8% | 10.000+ |
| Húngaro * | 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+ |
| Ucraniano * | 1.056 | 65,4% | 73,4% | 83,7% | 0,8% | 0,0% | 10.000+ |
Colunas 1.000, 2.000 e 5.000: a parcela mediana de palavras corridas de um clipe coberta pelos 1.000, 2.000 ou 5.000 lemas mais frequentes. 95%+ e 98%+: a parcela de clipes em que alguém que conhece os 5.000 lemas mais frequentes conhece pelo menos 95% ou 98% das palavras. 95% com: o tamanho de vocabulário em que o clipe mediano passa de 95% (10.000+ quer dizer que não acontece dentro de 10.000). * Limite inferior: 9% ou mais das palavras de um clipe típico não puderam ser ligadas à lista, então a cobertura real é maior. † A lista do turco tem só 9.088 lemas: o clipe turco típico não chega a 95% nem com a lista inteira.
Fontes
- 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 (texto 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. Registro
- 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 [dados e software]. Zenodo. doi.org/10.5281/zenodo.7199437. Este estudo usou a versão 3.1.1 de 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
Comece a assistir
Escolha um idioma e comece o feed. Fala nativa real, classificada por dificuldade. Sem prova, sem cadastro.
Escolha um idiomaLeia também
Input compreensível para iniciantes
O input compreensível só funciona quando você já consegue acompanhar o que está sendo dito. Christian Lauer explica como chegar lá rápido e como saber que você chegou.
Como parar de traduzir na cabeça: por que a compreensão vem antes da fala
Você para de traduzir na cabeça quando dá ao seu cérebro tanta fala compreensível que ele deixa de precisar traduzir. A tradução é um atalho que o cérebro cria quando não tem experiência direta suficiente com a língua. A solução não é um truque nem disciplina mental: é volume. Horas ouvindo fala real que você entende na maior parte, até o cérebro construir um caminho direto do som ao sentido, sem passar pela sua primeira língua.
Por que o input compreensível funciona para quem aprende mandarim
O input compreensível funciona para o mandarim porque os maiores obstáculos da língua (os tons, a leitura por caracteres e a distância entre a fala e a escrita) são coisas que você aprende de ouvido antes de aprender por regra. Exercícios de gramática e flashcards te ensinam a reconhecer o mandarim isolado. O input compreensível te ensina a reconhecê-lo do jeito que os nativos realmente falam: em velocidade natural, em contexto, com os padrões de tom e ritmo preservados. Essa diferença é o artigo inteiro.