Qual é a velocidade da fala dos nativos? Taxas em 44 idiomas
Em vídeos de nativos, quem fala tâmil, japonês, turco, português, italiano e espanhol diz cerca de 6 sílabas por segundo; em inglês e alemão, cerca de 4,7. Medimos 16.293 clipes em 44 idiomas, com a velocidade por nível do QECR, por dialeto e comparada ao estudo clássico de laboratório.
Chief Language Pedagogy Geek @ Reelang
Em vídeos curtos feitos por falantes nativos, os idiomas mais rápidos chegam a cerca de 6 sílabas por segundo: tâmil (6,20), japonês (6,19), turco (6,14), português (6,02), italiano (6,00), grego (5,99), télugo (5,99), espanhol (5,92) e russo (5,90) estão tão próximos que a ordem entre eles cabe na margem de erro. Os mais lentos são o vietnamita (4,22), o tailandês (4,59), o inglês (4,70) e o alemão (4,76). Ou seja, o clipe mediano em espanhol tem cerca de um quarto mais sílabas por segundo que o clipe mediano em inglês.
Medi isso em 16.293 clipes nativos do YouTube em 44 idiomas, sorteados a partir de 230.754 clipes (9.850 horas, cerca de 41.000 canais) do catálogo da Reelang. A maioria das taxas de fala publicadas vem de pessoas lendo frases em voz alta num laboratório. Aqui são vlogs, esquetes, receitas, vídeos explicativos e trechos de telejornal: o tipo de fala que quem aprende encontra de verdade.
Nove idiomas dividem o topo
Cada barra do gráfico é o clipe mediano de um idioma. A linha fina que a atravessa mostra a metade central dos clipes, do percentil 25 ao 75. Toque ou passe o mouse sobre um idioma para ver o tamanho da amostra.
Os nove primeiros ficam dentro de 0,3 sílaba por segundo uns dos outros, e seus intervalos de confiança se sobrepõem. A mediana do tâmil está entre 6,04 e 6,49 com 95% de confiança; a do espanhol, entre 5,82 e 6,02. Então leia o topo do gráfico como um grupo rápido, não como um pódio. Embaixo acontece o mesmo: norueguês, alemão, sueco, tagalo, bielorrusso e inglês ficam todos entre 4,70 e 4,78, com tailandês e vietnamita abaixo deles.
A variação dentro de um mesmo idioma é maior que a diferença entre a maioria dos idiomas. Um clipe no percentil 75 do inglês (5,16 sílabas por segundo) é tão rápido quanto um clipe no percentil 25 do espanhol (5,17). Qual pessoa você está ouvindo importa mais do que qual idioma ela fala.
O japonês merece uma observação. Falantes e professores de japonês costumam contar em morae, não em sílabas. Tōkyō tem duas sílabas (tō-kyō), mas quatro morae (to-o-kyo-o). Contei sílabas, como fez o estudo de laboratório citado abaixo, para que o japonês possa ser comparado com outros idiomas. Contado em morae, o clipe mediano em japonês roda a 7,45 por segundo, e a metade central dos clipes fica entre 6,04 e 8,95.
Este esquete de colégio está na ponta rápida do japonês: um aluno dá desculpas pelo atraso, em dialeto de Kansai, e o clipe roda a 7,84 sílabas por segundo. Os sete segundos abaixo trazem seis falas.
Palavras por minuto inverte tudo
A forma mais comum de falar de velocidade é palavras por minuto. Mude o gráfico acima para palavras por minuto e a classificação quase se inverte. Mandarim, vietnamita e tailandês vão para o topo, com 303, 253 e 232 palavras por minuto. Canarês (122), coreano (132), tâmil (137) e télugo (140) caem para o fim. Nos 44 idiomas, a correlação de postos entre as duas medidas é -0,25: levemente negativa.
O motivo é que “palavra” significa coisas diferentes em cada idioma. Em transcrições de mandarim, cada caractere conta como uma palavra, e um caractere é uma sílaba. Uma “palavra” coreana é tudo que está entre dois espaços, em geral uma palavra com suas partículas. Uma palavra em tâmil ou turco costuma carregar várias terminações. Assim, a palavra mediana em inglês tem 1,31 sílaba e a em tâmil, 2,65. Nesses clipes, falantes de inglês dizem 210 palavras por minuto e falantes de tâmil, 137, mas os de tâmil dizem mais sílabas. Palavras por minuto funciona bem para comparar dois clipes do mesmo idioma. Entre idiomas, mede sobretudo o tamanho das palavras.
A sílaba é o que mais se aproxima de uma unidade comum, mas também não carrega a mesma quantidade de significado em todo lugar. Num estudo de laboratório bem conhecido, Pellegrino, Coupé e Marsico (2011) viram que idiomas que colocam menos informação em cada sílaba são falados com mais sílabas por segundo. Japonês e espanhol eram rápidos e com pouca informação por sílaba; vietnamita e mandarim, lentos e com muita. Um estudo posterior com 17 idiomas achou que a quantidade de informação por segundo fica parecida entre os idiomas, em torno de 39 bits por segundo (Coupé et al., 2019). Minha classificação segue esse padrão: japonês no topo, vietnamita no fim e mandarim na metade de baixo.
Comparando com o laboratório
Pellegrino, Coupé e Marsico gravaram 59 falantes de sete idiomas, cada um lendo os mesmos 20 textos curtos traduzidos para a sua língua, e usaram as traduções em vietnamita como referência. Mediram sílabas por segundo depois de remover todo silêncio maior que 150 ms. Os oito idiomas da tabela deles estão nos meus dados:
| Idioma | Laboratório, leitura em voz alta (2011) | Vídeos nativos (2026) | Vídeos em % do laboratório |
|---|---|---|---|
| Japonês | 7,84 | 6,19 | 79% |
| Espanhol | 7,82 | 5,92 | 76% |
| Francês | 7,18 | 5,12 | 71% |
| Italiano | 6,99 | 6,00 | 86% |
| Inglês | 6,19 | 4,70 | 76% |
| Alemão | 5,97 | 4,76 | 80% |
| Vietnamita | 5,22 | 4,22 | 81% |
| Mandarim | 5,18 | 5,05 | 97% |
Os vídeos rodam entre 71% e 86% dos valores do laboratório, com o mandarim como exceção. A ordem é parecida: a correlação de postos entre as duas colunas é 0,76 nos 8 idiomas. A maior parte da diferença vem, provavelmente, de como o relógio corre. O laboratório removeu todas as pausas acima de 150 ms. Eu só pulo os intervalos entre frases, então as pausas curtas dentro de uma frase, o “é…” e a respirada antes da piada contam como tempo de fala. A fala real tem muitas delas.
O francês tem a maior diferença. O laboratório contou sílabas “como pronunciadas na fala cuidadosa”, o que em francês pode manter alguns e que a fala do dia a dia derruba. Eu conto como os franceses costumam dizer: petite tem duas sílabas, não três. O mandarim é o outro ponto fora da curva. Seus clipes vêm de um único motor de transcrição (veja a seção de método), que lê cerca de 3% mais rápido que os outros nos mesmos canais. Isso explica só parte da diferença, e não tenho uma boa explicação para o resto.
Clipes de iniciante são mais lentos, e depois a velocidade para de mudar
Todo clipe do catálogo tem um nível do QECR (A1 a C2). Um modelo atribui o nível lendo a transcrição, às vezes com correção de um revisor humano. O modelo nunca vê os tempos, então nível e velocidade são duas medidas separadas.
Os clipes classificados como A1 são claramente mais lentos. Nos 17 idiomas com clipes A1 suficientes, o clipe A1 mediano roda a 71% da velocidade dos clipes B1. O A1 coreano está em 57% do B1; o francês, 65%; o inglês, 74%; e o espanhol, 90%.
De A2 a C1, a velocidade quase não muda. Entre os idiomas, a diferença entre o mais rápido e o mais lento dos quatro níveis é de 11% da mediana do nível. Em espanhol, é 1,7%: clipes A2 rodam a 5,87 sílabas por segundo, B1 a 5,88, B2 a 5,97 e C1 a 5,93. Em alemão são 3%; em inglês, 3,7%. O C1 também não é confiavelmente mais rápido que o B1. Em espanhol e neerlandês é um pouco mais rápido (5,93 contra 5,88; 5,27 contra 5,15), em inglês um pouco mais lento (4,60 contra 4,75), e em francês, japonês e russo claramente mais lento (4,89 contra 5,34; 6,16 contra 6,85; 4,99 contra 6,07). Clipes C1 incluem muito telejornal, aula e vídeo explicativo: densos, mas calmos.
Ou seja, acima do A1, nível mais alto significa palavras e gramática mais difíceis, não fala mais rápida. Os dois clipes em espanhol abaixo mostram a diferença. Primeiro, um clipe colombiano classificado como A1: falas curtas, pausas entre elas, 4,73 sílabas por segundo no trecho abaixo. Depois, um casal rio-platense discutindo por causa de uma sobremesa, classificado como A2 pelas palavras simples, a 7,69.
Quem fala rápido faz menos pausas
A velocidade tem duas partes: quão rápido as palavras são ditas e com que frequência a pessoa para. Medi a segunda parte com dois números tirados dos tempos de palavra das transcrições. O comprimento médio de sequência é a média de palavras entre duas pausas, sendo pausa um silêncio de 250 ms ou mais (o limiar que funcionou melhor em De Jong e Bosker (2013), um estudo sobre fluência em segunda língua). A razão de fonação é a fração do tempo em que alguém está de fato falando.
Dentro de um idioma, clipes rápidos têm sequências mais longas. A correlação de postos entre sílabas por segundo e comprimento médio de sequência é 0,82 (mediana em 34 idiomas), e 0,66 com a razão de fonação. Parte disso está embutida na medida, porque meu relógio inclui as pausas curtas dentro da frase. Então leia como uma descrição simples: clipes rápidos pausam menos.
É nas pausas que os clipes de iniciante mais se diferenciam. Clipes A1 em espanhol são só 10% mais lentos que os B1 em sílabas, mas suas sequências são bem mais curtas: 5,6 palavras entre pausas no A1 contra 9,6 no B1. Em inglês são 4,0 contra 10,8; em alemão, 3,6 contra 8,9. Falantes do A1 em inglês estão falando 41% do tempo; no B1, 79%. Para quem aprende, esse silêncio é o tempo de processar o que acabou de ser dito.
Entre idiomas, esses números são mais difíceis de comparar, porque a palavra é mais longa em alguns que em outros. Grego (6,6 palavras por sequência) e turco (6,9) têm sequências curtas de palavras longas; neerlandês (10,4) e francês (9,9), sequências longas de palavras curtas. Multiplique pelas sílabas por palavra e todos os quatro ficam em torno de 13 a 16 sílabas por sequência.
Dialetos: diferenças reais, menores que a fama
Quando um dialeto tinha pelo menos 60 clipes medidos, eu o trago separado. Para a comparação ser justa, essas medianas são ajustadas à mesma mistura de níveis do idioma inteiro, para que um dialeto com muitos clipes A1 não pareça lento por esse motivo. Escolha dois abaixo.
Espanhol
Clipes da Espanha (6,05 sílabas por segundo), clipes rio-platenses da Argentina e do Uruguai (6,03) e clipes colombianos (6,03) são mais rápidos que os mexicanos (5,75) e os andinos (5,55). Palavras por minuto não mostra nada disso: Espanha, rio-platense e México ficam todos em 198 ou 199 palavras por minuto. Os intervalos de confiança de Espanha e México apenas se tocam. Rio-platense e mexicano não se sobrepõem.
Português
O português brasileiro roda a 6,06 sílabas por segundo; o europeu, a 5,56. O português europeu tem fama de ser rápido e difícil de acompanhar, mas em sílabas por segundo ele é o mais lento aqui. A fama vem mais provavelmente do som: falantes europeus costumam reduzir ou derrubar vogais átonas, então as palavras soam comprimidas. Minha contagem parte das palavras escritas, então ainda conta essas vogais. Se tem algum efeito, é fazer o português europeu parecer mais rápido do que é. A amostra europeia também é pequena (80 clipes), e seu intervalo de confiança se sobrepõe ao brasileiro.
Os dois vídeos com narração abaixo, um sobre colocar película de celular e outro com uma receita, são próximos em velocidade pela minha contagem: 6,12 sílabas por segundo no trecho brasileiro, 6,39 no europeu. Preste atenção em quantas vogais você consegue ouvir em cada um.
Francês
Clipes da França rodam a 5,29; clipes do Québec, a 4,90, e os intervalos de confiança não se sobrepõem.
Japonês
A fala de Kansai tem fama de ser rápida. Os números brutos parecem concordar (6,28 contra 6,16 do japonês padrão), mas, uma vez igualada a mistura de níveis, Kansai fica em 6,13 e o japonês padrão em 6,21. Ou seja, a diferença bruta vem dos níveis em que os clipes de Kansai são classificados, não do dialeto, e os dois intervalos de confiança são largos (5,77 a 6,81 e 5,64 a 6,86).
Árabe
O árabe egípcio é a variedade mais rápida, com 6,12, à frente do marroquino (5,68), do árabe padrão moderno (5,56), do levantino (5,53) e do árabe do Golfo (5,37). O tunisiano é o mais lento, com 4,66. As contagens do árabe são estimativas, porque as vogais curtas não são escritas (veja a seção de método) e exigiram validação humana.
Alemão
O alemão padrão roda a 5,00; o suábio, a 4,63; o austríaco, a 4,46; o bávaro, a 4,41; e o alemão suíço, a 3,98.
Inglês e mandarim
Inglês americano, britânico, australiano e canadense ficam todos entre 4,69 e 4,75. O inglês nigeriano é mais lento, com 4,30. O mandarim continental roda a 5,27; o mandarim de Taiwan, a 4,80, a partir de uma amostra menor, de 65 clipes taiwaneses.
O que isso significa se você está aprendendo um idioma
As diferenças entre idiomas são reais, mas modestas. Quem aprende espanhol e quem aprende inglês enfrentam falas que diferem cerca de um quarto em sílabas por segundo, e nos dois idiomas a metade central dos clipes abrange mais que isso. O que muda muito mais é o salto do material de iniciante para todo o resto. Depois do A1, os clipes não ficam mais lentos conforme o nível desce: clipes A2 são mais ou menos tão rápidos quanto clipes C1. O caminho prático é começar com clipes de pausas longas e falas curtas e depois escolher clipes por tema e por quem fala, em vez de esperar um nível em que as pessoas falem mais devagar.
Se quiser testar, as páginas de espanhol, português, francês, inglês e japonês listam clipes nativos por nível, com as mesmas legendas palavra por palavra dos clipes desta página. A velocidade é metade do que torna a escuta difícil. A outra metade é vocabulário e gramática, que medi em quantas palavras você precisa para entender vídeos nativos. E o guia para iniciantes de Christian Lauer cobre os primeiros meses, quando o objetivo é chegar a uma compreensão básica.
Como medimos isso
Os clipes
Todos os clipes estavam no catálogo da Reelang em 29 de setembro de 2026: exibidos publicamente, com fala, conteúdo nativo e não aulas de idioma, sem dublagem, em um só idioma e não marcados como inutilizáveis por um revisor humano. Quase todos vêm do YouTube. Desses 230.754 clipes, tirei uma amostra estratificada por idioma, dialeto e nível do QECR: até 60 clipes por grupo, escolhidos por um hash fixo para que a amostra possa ser reconstruída. Usei as 30 primeiras frases de cada clipe. Músicas foram removidas (1.617 clipes da amostra) com base em rotulagem humana dos dados, e nenhum canal podia contribuir com mais de 3 clipes por grupo. Cada clipe foi então ponderado pelo tamanho do seu grupo no catálogo, para que os números descrevam o catálogo, não a amostra. Todos os valores são medianas ponderadas, com os percentis 25 e 75 como “metade central”. Os intervalos de confiança vêm de 300 reamostragens por bootstrap.
Quais idiomas entram na classificação
Um idioma precisa de pelo menos 150 clipes e 40 canais no catálogo, e de pelo menos 75 clipes restantes depois de todos os filtros. 44 idiomas passam. O esperanto passa nos números, mas ficou de fora, porque tem pouquíssimos falantes nativos. Dialetos precisam de pelo menos 100 clipes e 20 canais no catálogo, e 60 clipes medidos.
Sílabas por segundo
Para cada frase, pego o instante em que a primeira palavra começa e o instante em que a última palavra começa, e divido as sílabas de todas as palavras, menos a última, por esse intervalo. Os tempos de início de palavra são a única marcação precisa em todas as fontes de transcrição; os tempos de fim são em parte estimados por alguns dos motores. Por clipe, somam-se as sílabas e os intervalos de todas as frases. Um clipe precisa de pelo menos 5 frases utilizáveis e 10 segundos de fala. O intervalo inclui pausas curtas dentro da frase, mas não os intervalos entre frases. Palavras por minuto usa o mesmo intervalo.
Como contamos sílabas
As sílabas vêm do texto, conforme cada palavra é normalmente pronunciada:
- Em 30 idiomas, entre eles inglês, espanhol, francês, alemão, italiano, português, russo, turco e as línguas indianas, cada palavra passa pelo motor de pronúncia espeak-ng, e cada som vocálico ou consoante silábica conta como uma sílaba.
- Croata, sérvio, bósnio, macedônio, tcheco e eslovaco são contados com regras de letras que incluem r e l silábicos (Hrvatska tem três sílabas). O tagalo conta letras vogais.
- O mandarim conta uma sílaba por caractere chinês; o coreano, uma por bloco hangul; o vietnamita, uma por sílaba escrita.
- O japonês é convertido em kana com pykakasi e então contado em sílabas e em morae.
- O tailandês usa o separador de sílabas por dicionário do PyThaiNLP, que conta um pouco a menos.
- Árabe e hebraico não escrevem as vogais curtas, então suas sílabas são estimadas a partir de letras e palavras com uma fórmula ajustada em 25 frases contadas à mão em cada idioma (cerca de 9% e 12% de erro por frase, menos de 1% no total) sobre um conjunto validado por humanos.
Frases com algarismos foram descartadas, porque números são lidos de forma diferente em cada idioma. Em 102 frases aleatórias de 12 idiomas, a contagem automática bateu exatamente com a contagem à mão em 98, e os totais foram iguais (1.267 sílabas em cada). As contagens à mão foram feitas com a contagem automática à vista, então isso é uma verificação, não um teste cego. Árabe, hebraico, persa e tailandês estão marcados como estimativas.
Transcrições
As transcrições são feitas por máquina, por três motores. Para clipes do mesmo canal, um dos motores dá taxas cerca de 0,18 sílaba por segundo (3%) mais altas que os outros. Parte dos dados foi validada por humanos, por quem aprende na plataforma da Reelang (4,3%); o restante vem de reconhecimento automático de fala. O mandarim foi medido em 293 clipes de um único motor.
Pausas
O comprimento médio de sequência e a razão de fonação precisam do tempo de fim de cada palavra, que dois dos motores de análise de padrões de fala estimam da mesma forma. Só uso clipes desses dois motores para essas medidas, e não as comparo entre idiomas cujas palavras são caracteres ou grupos de caracteres.
O que esta amostra não é
O catálogo é escolhido para quem aprende idiomas. Ele pende para clipes curtos, com fala clara e apelo amplo: esquetes, vlogs, culinária, vídeos explicativos. Não é uma amostra aleatória de como as pessoas falam. A unidade é o clipe, não a pessoa que fala, porque as transcrições não separam falantes de forma confiável. As sílabas são contadas a partir do texto, então, quando alguém rápido engole uma sílaba que a transcrição ainda traz, o clipe conta assim mesmo, e clipes rápidos podem estar um pouco superestimados. O nível do QECR é a leitura que um modelo fez da transcrição.
Use estes dados
Você pode reutilizar os gráficos e os números desta página em artigos, materiais de ensino e pesquisa. Por favor, cite esta página como fonte, com link.
| # | Idioma | Sílabas/s | Metade central dos clipes | Palavras/min | Sílabas por palavra | Clipes | Horas | Canais | Medidos |
|---|---|---|---|---|---|---|---|---|---|
| 1 | Tâmil | 6,20 | 5,35 a 7,18 | 137 | 2,65 | 1.619 | 45 | 257 | 219 |
| 2 | Japonês | 6,19 | 5,17 a 7,43 | 224 | 1,71 | 2.837 | 150 | 868 | 441 |
| 3 | Turco | 6,14 | 5,16 a 7,10 | 161 | 2,29 | 3.849 | 144 | 1.011 | 376 |
| 4 | Português | 6,02 | 5,12 a 6,86 | 202 | 1,81 | 14.642 | 652 | 2.278 | 435 |
| 5 | Italiano | 6,00 | 5,39 a 6,59 | 186 | 1,91 | 9.180 | 294 | 1.226 | 631 |
| 6 | Grego | 5,99 | 5,25 a 6,60 | 178 | 2,01 | 3.770 | 124 | 484 | 237 |
| 7 | Télugo | 5,99 | 5,38 a 6,58 | 140 | 2,62 | 2.390 | 85 | 640 | 177 |
| 8 | Espanhol | 5,92 | 5,17 a 6,55 | 196 | 1,76 | 30.969 | 1.501 | 3.111 | 1.467 |
| 9 | Russo | 5,90 | 4,93 a 6,77 | 175 | 2,02 | 3.611 | 83 | 984 | 350 |
| 10 | Malaio | 5,77 | 5,11 a 6,30 | 152 | 2,10 | 1.570 | 55 | 343 | 211 |
| 11 | Canarês | 5,74 | 5,08 a 6,32 | 122 | 2,74 | 1.668 | 74 | 508 | 216 |
| 12 | Finlandês | 5,65 | 4,89 a 6,28 | 154 | 2,16 | 3.550 | 106 | 349 | 247 |
| 13 | Árabe * | 5,63 | 4,75 a 6,52 | 158 | 2,14 | 26.232 | 778 | 3.206 | 1.350 |
| 14 | Indonésio | 5,62 | 4,81 a 6,39 | 153 | 2,17 | 4.249 | 131 | 1.465 | 479 |
| 15 | Macedônio | 5,60 | 4,73 a 6,06 | 162 | 2,03 | 369 | 13 | 75 | 80 |
| 16 | Coreano | 5,56 | 4,70 a 6,40 | 132 | 2,51 | 10.246 | 730 | 2.558 | 650 |
| 17 | Romeno | 5,41 | 4,82 a 6,06 | 195 | 1,60 | 3.898 | 176 | 606 | 465 |
| 18 | Bósnio | 5,40 | 4,78 a 5,90 | 159 | 1,98 | 200 | 12 | 63 | 94 |
| 19 | Croata | 5,40 | 4,91 a 6,07 | 166 | 1,92 | 1.319 | 44 | 326 | 147 |
| 20 | Marati | 5,36 | 4,79 a 5,92 | 149 | 2,12 | 2.066 | 74 | 446 | 201 |
| 21 | Sérvio | 5,36 | 4,79 a 5,84 | 170 | 1,89 | 2.267 | 80 | 256 | 209 |
| 22 | Húngaro | 5,35 | 4,72 a 6,04 | 155 | 2,02 | 6.680 | 435 | 1.369 | 394 |
| 23 | Catalão | 5,28 | 4,52 a 5,78 | 181 | 1,68 | 200 | 9 | 59 | 81 |
| 24 | Tcheco | 5,28 | 4,62 a 5,93 | 171 | 1,79 | 2.611 | 96 | 337 | 248 |
| 25 | Búlgaro | 5,26 | 4,64 a 5,80 | 155 | 2,02 | 1.564 | 93 | 296 | 254 |
| 26 | Dinamarquês | 5,25 | 4,65 a 5,95 | 214 | 1,47 | 1.250 | 78 | 205 | 162 |
| 27 | Bengali | 5,21 | 4,42 a 5,87 | 141 | 2,17 | 2.711 | 236 | 1.276 | 435 |
| 28 | Polonês | 5,21 | 4,62 a 5,84 | 181 | 1,75 | 4.129 | 165 | 882 | 288 |
| 29 | Eslovaco | 5,21 | 4,39 a 5,73 | 173 | 1,76 | 974 | 39 | 135 | 170 |
| 30 | Francês | 5,12 | 4,59 a 5,82 | 214 | 1,41 | 6.897 | 322 | 1.194 | 621 |
| 31 | Ucraniano | 5,10 | 4,41 a 5,78 | 143 | 2,12 | 1.312 | 67 | 228 | 248 |
| 32 | Hebraico * | 5,07 | 4,33 a 5,86 | 155 | 1,97 | 5.596 | 211 | 732 | 292 |
| 33 | Chinês mandarim | 5,05 | 4,74 a 5,54 | 303 | 1,00 | 7.146 | 340 | 1.381 | 293 |
| 34 | Neerlandês | 5,03 | 4,49 a 5,58 | 214 | 1,39 | 7.201 | 281 | 712 | 496 |
| 35 | Persa * | 4,99 | 4,43 a 5,29 | 156 | 1,93 | 748 | 29 | 167 | 105 |
| 36 | Híndi | 4,81 | 4,05 a 5,48 | 175 | 1,61 | 2.690 | 142 | 1.080 | 302 |
| 37 | Norueguês | 4,78 | 4,27 a 5,45 | 199 | 1,46 | 522 | 20 | 120 | 121 |
| 38 | Alemão | 4,76 | 4,13 a 5,44 | 179 | 1,55 | 12.865 | 670 | 2.285 | 875 |
| 39 | Sueco | 4,75 | 4,26 a 5,20 | 196 | 1,45 | 3.061 | 141 | 436 | 358 |
| 40 | Tagalo | 4,75 | 4,29 a 5,23 | 148 | 1,92 | 1.225 | 43 | 471 | 335 |
| 41 | Bielorrusso | 4,73 | 3,48 a 5,41 | 131 | 2,08 | 157 | 5 | 78 | 93 |
| 42 | Inglês | 4,70 | 4,21 a 5,16 | 210 | 1,31 | 28.732 | 1.002 | 6.201 | 1.060 |
| 43 | Tailandês * | 4,59 | 4,12 a 5,11 | 232 | 1,19 | 983 | 51 | 285 | 119 |
| 44 | Vietnamita | 4,22 | 3,80 a 4,79 | 253 | 1,00 | 999 | 23 | 332 | 261 |
Sílabas/s: o clipe mediano, em sílabas por segundo de fala. Metade central dos clipes: do percentil 25 ao 75. Palavras/min: o clipe mediano, em que “palavra” é o que a transcrição separa (um caractere em mandarim), então esta coluna não é comparável entre idiomas. Clipes, horas e canais: os clipes nativos no catálogo. Medidos: os clipes da amostra usados para calcular as taxas. * Contagens de sílabas estimadas (árabe e hebraico por uma fórmula de letras; persa e tailandês com uma pequena subcontagem conhecida).
Fontes
- Coupé, C., Oh, Y. M., Dediu, D., & Pellegrino, F. (2019). Different languages, similar encoding efficiency: Comparable information rates across the human communicative niche. Science Advances, 5(9), eaaw2594. doi.org/10.1126/sciadv.aaw2594, texto completo gratuito
- De Jong, N. H., & Bosker, H. R. (2013). Choosing a threshold for silent pauses to measure second language fluency. Proceedings of Disfluency in Spontaneous Speech (DiSS 2013), 17-20. ISCA Archive
- Pellegrino, F., Coupé, C., & Marsico, E. (2011). A cross-language perspective on speech information rate. Language, 87(3), 539-558. doi.org/10.1353/lan.2011.0057, cópia em arquivo aberto
- Ferramentas: espeak-ng 1.52, pykakasi, PyThaiNLP.
Comece a assistir
Escolha um idioma e comece o feed. Fala nativa real, classificada por dificuldade. Sem prova, sem cadastro.
Escolha um idiomaLeia também
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.
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.