Qual é a velocidade da fala dos nativos? Taxas de fala 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. Medido em 16.293 clipes de 44 idiomas, com a velocidade por nível CEFR, por dialeto e em comparação com o estudo clássico de laboratório.
Chief Language Pedagogy Geek @ Reelang
Em vídeos curtos feitos por nativos, os idiomas mais rápidos ficam em torno 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 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 em laboratório. Aqui são vlogs, esquetes, receitas, vídeos explicativos e trechos de telejornal, o tipo de fala com que quem aprende realmente esbarra.
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 em um idioma para ver o tamanho da amostra.
Os nove primeiros estão a até 0,3 sílaba por segundo uns dos outros, e seus intervalos de confiança se sobrepõem. A mediana do tâmil fica 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. Na base 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 escuta importa mais que qual idioma ela fala.
O japonês merece uma observação. Quem fala e quem ensina japonês costuma 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 os outros idiomas. Contado em morae, o clipe mediano em japonês fica em 7,45 por segundo, e a metade central dos clipes, entre 6,04 e 8,95.
Este esquete de colégio está na ponta rápida do japonês: um aluno dá desculpas por ter chegado atrasado, em dialeto de Kansai, e o clipe roda a 7,84 sílabas por segundo. Os sete segundos abaixo têm seis falas.
Palavras por minuto inverte a história
O jeito mais comum de falar de velocidade é em palavras por minuto. Mude o gráfico acima para palavras por minuto e o ranking quase vira de cabeça para baixo. Mandarim, vietnamita e tailandês sobem ao topo com 303, 253 e 232 palavras por minuto. Canarim (122), coreano (132), tâmil (137) e télugo (140) caem para o fim. Entre os 44 idiomas, a correlação de postos entre as duas medidas é -0,25: levemente negativa.
O motivo é que “palavra” é uma coisa diferente 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 mais suas partículas. Uma palavra em tâmil ou turco muitas vezes carrega várias terminações. Por isso a palavra mediana em inglês tem 1,31 sílaba e a em tâmil, 2,65. Nestes clipes, quem fala inglês diz 210 palavras por minuto e quem fala tâmil, 137, mas quem fala tâmil diz mais sílabas. Palavras por minuto serve bem para comparar dois clipes do mesmo idioma. Entre idiomas, mede principalmente 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. Em um estudo de laboratório bem conhecido, Pellegrino, Coupé e Marsico (2011) descobriram 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 mostrou que a quantidade de informação por segundo é parecida entre os idiomas, em torno de 39 bits por segundo (Coupé et al., 2019). Meu ranking se encaixa nesse padrão: japonês no topo, vietnamita na base 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 como % 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 ficam entre 71% e 86% dos valores de 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 provavelmente vem de como o cronômetro corre. O laboratório tirou todas as pausas acima de 150 ms. Eu só pulo os intervalos entre frases, então as pausas curtas dentro de uma frase, o “ãhn” 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 cotidiana derruba. Eu conto como quem fala francês normalmente diz: petite tem duas sílabas, não três. O mandarim é o outro caso fora da curva. Seus clipes vêm de um único motor de transcrição (veja a seção de método), que registra 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 para iniciantes são mais lentos, e depois a velocidade para de mudar
Todo clipe do catálogo tem um nível CEFR (A1 a C2). Um modelo atribui o nível lendo a transcrição, às vezes com correção de um revisor humano. O modelo nunca vê o tempo, então nível e velocidade são duas medidas separadas.
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 em 65%, o inglês em 74% e o espanhol em 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, na mediana, 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 é 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). Os clipes C1 incluem muito telejornal, palestra e vídeo explicativo, que são densos, mas calmos.
Ou seja, acima do A1, um 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 pausa menos
A velocidade tem duas partes: a rapidez com que as palavras são ditas e a frequência com que a pessoa para. Medi a segunda parte com dois números tirados dos tempos das palavras nas transcrições. O comprimento médio de trecho contínuo é a média de palavras entre duas pausas, sendo pausa um silêncio de 250 ms ou mais (o limite que funcionou melhor em De Jong e Bosker (2013), um estudo sobre fluência em segunda língua). A razão de fonação é a fatia do tempo em que alguém está de fato falando.
Dentro de um idioma, clipes rápidos têm trechos contínuos mais longos. A correlação de postos entre as sílabas por segundo de um clipe e seu comprimento médio de trecho é 0,82 (mediana de 34 idiomas), e 0,66 com a razão de fonação. Parte disso já está embutida na medida, porque meu cronômetro inclui as pausas curtas dentro da frase. Então leia como uma descrição simples: clipes rápidos pausam menos.
É nas pausas que os clipes para iniciantes mais se diferenciam. Clipes A1 em espanhol são só 10% mais lentos que os B1 em sílabas, mas seus trechos contínuos são bem mais curtos: 5,6 palavras entre pausas no A1 contra 9,6 no B1. Em inglês é 4,0 contra 10,8; em alemão, 3,6 contra 8,9. Quem fala em clipes A1 de inglês está 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 uns do que em outros. Grego (6,6 palavras por trecho) e turco (6,9) têm trechos curtos de palavras longas; neerlandês (10,4) e francês (9,9), trechos longos de palavras curtas. Multiplique pelas sílabas por palavra e os quatro ficam em torno de 13 a 16 sílabas por trecho.
Dialetos: diferenças reais, menores que a fama
Onde um dialeto tinha pelo menos 60 clipes medidos, eu o apresento em 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 causa disso. 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: clipes da Espanha, rio-platenses e mexicanos ficam todos em 198 ou 199 palavras por minuto. Os intervalos de confiança de Espanha e México apenas se encostam. 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 é o mais lento aqui. A fama provavelmente vem do som: quem fala o europeu costuma reduzir ou derrubar vogais átonas, então as palavras soam comprimidas. Minha contagem parte das palavras escritas, então essas vogais continuam contando. Se há 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.
As duas narrações abaixo, uma sobre colocar película no celular e outra uma receita, têm velocidade parecida pela minha contagem: 6,12 sílabas por segundo no trecho brasileiro e 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 Quebec, 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, com a mistura de níveis igualada, 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 foram 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, com 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 em cerca de um quarto nas sílabas por segundo, e nos dois idiomas a metade central dos clipes cobre mais que isso. O que muda bem mais é o salto do material para iniciantes para todo o resto. Depois do A1, os clipes não ficam mais lentos conforme o nível cai: clipes A2 são 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 devagar.
Se quiser experimentar, 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 você precisa chegar a uma compreensão básica. E quantas horas de vídeo são necessárias para construir o vocabulário de cada nível, em 12 idiomas, está em quanto tempo leva para aprender um idioma.
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, não dublados, em um único idioma e não marcados como inutilizáveis por um revisor humano. Quase todos são do YouTube. Desses 230.754 clipes, tirei uma amostra estratificada por idioma, dialeto e nível CEFR: 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 amostrados) com base em rotulagem humana dos dados, e nenhum canal pôde contribuir com mais de 3 clipes em um 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 no ranking
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 ou nenhum falante nativo. Dialetos precisam de pelo menos 100 clipes e 20 canais no catálogo e 60 clipes medidos.
Sílabas por segundo
Para cada frase, pego o momento em que a primeira palavra começa e o momento em que a última palavra começa, e divido as sílabas de todas as palavras, menos a última, por esse intervalo. Os tempos de início das palavras são a única medida precisa em toda fonte de transcrição; os tempos de fim são em parte estimados por alguns dos motores. Por clipe, as sílabas e os intervalos de todas as frases são somados. Um clipe precisa de pelo menos 5 frases utilizáveis e 10 segundos de fala. O intervalo inclui as pausas curtas dentro da frase, mas não os intervalos entre frases. Palavras por minuto usa o mesmo intervalo.
Como as sílabas foram contadas
As sílabas vêm do texto, conforme cada palavra é normalmente pronunciada:
- Em 30 idiomas, incluindo inglês, espanhol, francês, alemão, italiano, português, russo, turco e os idiomas indianos, cada palavra passa pelo motor de pronúncia espeak-ng, e cada som de vogal 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 de Hangul; o vietnamita, uma por sílaba escrita.
- O japonês é convertido para kana com pykakasi e depois 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 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 manual em 98, e os totais foram iguais (1.267 sílabas de cada lado). As contagens manuais 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. Uma 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 é medido em 293 clipes de um único motor.
Pausas
O comprimento médio de trecho contínuo e a razão de fonação precisam do tempo de fim de cada palavra, que dois dos motores de análise de padrões de fala estimam do mesmo jeito. Só uso clipes desses dois motores nessas 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 tende a 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 tem, o clipe a conta mesmo assim, e clipes rápidos podem estar levemente superestimados. O nível CEFR é a leitura que um modelo faz da transcrição.
Use estes dados
Você pode reutilizar os gráficos e números desta página em artigos, materiais de ensino e pesquisa. É só citar esta página como fonte com um 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 | Canarim | 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 com que as taxas foram calculadas. * Contagens de sílabas estimadas (árabe e hebraico por 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 teste de nível, 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 entender vem antes de falar
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 falta experiência direta com o idioma. A solução não é um truque nem força de vontade, é volume: horas de escuta de fala real que você entende quase toda, até o cérebro criar um caminho direto do som ao sentido, sem passar pela sua primeira língua.