母语者说话到底有多快？44 种语言的语速实测

在母语者拍的短视频里，最快的语言大约每秒 6 个音节：泰米尔语（6.20）、日语（6.19）、土耳其语（6.14）、葡萄牙语（6.02）、意大利语（6.00）、希腊语（5.99）、泰卢固语（5.99）、西班牙语（5.92）和俄语（5.90）彼此太接近，排序差异都在误差范围内。最慢的是越南语（4.22）、泰语（4.59）、英语（4.70）和德语（4.76）。也就是说，中位数的西班牙语片段每秒音节数比中位数的英语片段多约四分之一。

我在 44 种语言的 16,293 条母语 YouTube 片段上做了测量，样本抽自 Reelang 库里的 230,754 条片段（9,850 小时，约 41,000 个频道）。已发表的语速数据大多来自实验室里朗读句子的人。而这里是 vlog、短剧、菜谱、科普和新闻片段，是学习者真正会遇到的那种说话方式。

44 种语言的语速

母语者 YouTube 片段，2026 年 9 月

指标

每秒音节数每分钟词数

排序

最快在前按字母顺序显示 2011 年实验室数据

每秒音节数，片段中位值

片段中位值中间一半片段音节数为估算

泰米尔语

每秒音节数6.20

每分钟词数137

每词音节数2.65

每根条是一种语言的片段中位值，贯穿其中的线段表示中间一半片段的范围。每秒音节数可以跨语言比较，每分钟词数则不行：普通话转写把每个字都算作一个词，而泰米尔语或韩语的一个词常常包含好几个部分。计时包含句内的短停顿，但不含句与句之间的间隔。点按某种语言可查看其样本量。

九种语言并列第一梯队

图里每根柱子是一种语言的中位片段。穿过柱子的细线表示中间一半的片段，从第 25 到第 75 百分位。点一下或把鼠标放上去，可以看到样本量。

前九名彼此相差不到每秒 0.3 个音节，置信区间互相重叠。泰米尔语的中位值有 95% 的把握落在 6.04 到 6.49 之间，西班牙语在 5.82 到 6.02 之间。所以请把榜单顶端看成一个「快语速组」，而不是冠亚季军。底部也一样：挪威语、德语、瑞典语、他加禄语、白俄罗斯语和英语都在 4.70 到 4.78 之间，泰语和越南语更低。

同一种语言内部的差距，比大多数语言之间的差距还大。英语第 75 百分位的片段（每秒 5.16 个音节）和西班牙语第 25 百分位的片段（5.17）一样快。你听到的是谁在说，比他说哪种语言更重要。

日语需要说明一下。日语母语者和老师通常数的是拍（mora），不是音节。Tōkyō 是两个音节（tō-kyō），却是四拍（to-o-kyo-o）。我数的是音节，和下文那项实验室研究一样，这样日语才能和别的语言比较。若按拍来算，日语中位片段是每秒 7.45 拍，中间一半的片段在 6.04 到 8.95 之间。

下面这段高中生短剧属于日语里偏快的：一个学生用关西腔给自己迟到找借口，片段速度是每秒 7.84 个音节。下面这 7 秒里塞了六句话。

YouTube0:03 至 0:10

智能字幕逐词中文释义

西崎と喧嘩してました。

0:02 / 0:54

关西日语语速再快也跟得上

在 Reelang 上用它学习

用「每分钟词数」会得出反过来的结论

谈语速最常见的单位是每分钟词数。把上面的图切换成每分钟词数，排名几乎整个翻转。普通话、越南语和泰语冲到最前，分别是每分钟 303、253 和 232 词。卡纳达语（122）、韩语（132）、泰米尔语（137）和泰卢固语（140）掉到最后。在这 44 种语言里，两种指标的秩相关是 -0.25：略微为负。

原因是「词」在每种语言里都是不同的东西。普通话的字幕里，每个汉字算一个词，而一个汉字就是一个音节。韩语的「词」是两个空格之间的一切，通常是一个词加上它的助词。泰米尔语或土耳其语的一个词常常带着好几个词尾。所以英语的中位词有 1.31 个音节，泰米尔语的中位词有 2.65 个。这些片段里英语说话人每分钟说 210 个词，泰米尔语说话人 137 个，但泰米尔语说出的音节更多。每分钟词数用来比较同一种语言的两条片段没问题。跨语言时，它主要衡量的是词有多长。

音节是最接近通用单位的东西，但它在各语言里承载的信息量也不一样。在一项著名的实验室研究中，Pellegrino、Coupé 和 Marsico（2011）发现：每个音节装载信息较少的语言，说起来每秒音节数更多。日语和西班牙语语速快、每音节信息量低，越南语和普通话慢而高。后来一项涵盖 17 种语言的研究发现，各语言每秒传递的信息量差不多，大约 39 比特每秒（Coupé 等，2019）。我的排名符合这个规律：日语在顶部，越南语在底部，普通话在下半区。

和实验室数据对比

Pellegrino、Coupé 和 Marsico 录了七种语言的 59 位说话人，每人朗读同样 20 段短文的本语言译本，并以越南语译本作参照。他们在去掉所有长于 150 毫秒的静音后计算每秒音节数。他们表中的八种语言我的数据里都有：

视频的数值是实验室的 71% 到 86%，普通话是例外。顺序比较接近：这 8 种语言两列之间的秩相关是 0.76。差距多半来自计时方式。实验室去掉了所有超过 150 毫秒的停顿。我只跳过句子之间的间隙，所以句内的短停顿、「呃」声、抖包袱前的换气，都算作说话时间。真实口语里这些东西非常多。

法语的差距最大。实验室数的是「仔细发音时读出的音节」，在法语里这会保留一些日常口语中会脱落的 e。我按法国人平常的说法来数：petite 是两个音节，不是三个。普通话是另一个异常值。它的片段来自单一的转写引擎（见方法部分），在同样的频道上，这个引擎给出的速度比其他引擎快约 3%。这只能解释一部分差距，剩下的我没有好的解释。

入门片段更慢，然后语速就不再变化

库里每条片段都有一个 CEFR 等级（A1 到 C2）。等级由模型读转写文本判定，有时会经人工审核修正。模型看不到时间信息，所以等级和语速是两项独立的测量。

各等级的语速

每秒音节数，片段中位数

语言阿拉伯语白俄罗斯语保加利亚语孟加拉语波斯尼亚语加泰罗尼亚语捷克语丹麦语德语希腊语英语西班牙语波斯语芬兰语法语希伯来语印地语克罗地亚语匈牙利语印度尼西亚语意大利语日语卡纳达语韩语马其顿语马拉地语马来语荷兰语挪威语波兰语葡萄牙语罗马尼亚语俄语斯洛伐克语塞尔维亚语瑞典语泰米尔语泰卢固语泰语他加禄语土耳其语乌克兰语越南语普通话

90%A1 语速占 B1 语速的比例

1.7%A2、B1、B2 和 C1 中最快与最慢之间的差距

A15.27

A25.87

B15.88

B25.97

C15.93

02468

片段中位数中间半数片段所有等级合计

等级由模型根据文字稿判定，有时会经人工复核。模型看不到时间信息，因此等级和语速是分开测量的。某个等级至少有 20 个片段被测量时才会显示。停顿之间的词数，指在没有 250 毫秒及以上静音的情况下说出的词数。

评为 A1 的片段明显更慢。在 A1 片段足够多的 17 种语言里，A1 中位片段的速度是 B1 片段的 71%。韩语 A1 是 B1 的 57%，法语 65%，英语 74%，西班牙语 90%。

从 A2 到 C1，速度几乎不变。在各语言中，这四个等级里最快和最慢之间的差距，中位数只有等级中位值的 11%。西班牙语是 1.7%：A2 片段每秒 5.87 个音节，B1 是 5.88，B2 是 5.97，C1 是 5.93。德语是 3%，英语 3.7%。C1 也并不稳定地比 B1 快。西班牙语和荷兰语里 C1 略快（5.93 比 5.88，5.27 比 5.15），英语里略慢（4.60 比 4.75），法语、日语和俄语里明显更慢（4.89 比 5.34，6.16 比 6.85，4.99 比 6.07）。C1 片段里有很多新闻、讲座和科普，内容密但语气平稳。

所以在 A1 之上，等级更高意味着词和语法更难，而不是说得更快。下面两条西班牙语片段显示了这种差别。第一条是评为 A1 的哥伦比亚片段：句子短，句间有停顿，下面这一段是每秒 4.73 个音节。第二条是一对拉普拉塔河地区的情侣为一份甜点吵架，因为用词简单被评为 A2，速度是 7.69。

说得快的人停顿更少

语速由两部分组成：说词的快慢，以及停下来的频率。我用转写里的逐词时间算了两个数来衡量第二部分。平均语流长度是两次停顿之间的平均词数，停顿指 250 毫秒及以上的静音（这是 De Jong 和 Bosker（2013）这项二语流利度研究里效果最好的阈值）。发声比是真正在说话的时间占比。

在同一种语言内部，快的片段语流更长。片段的每秒音节数与平均语流长度的秩相关是 0.82（34 种语言的中位数），与发声比是 0.66。这里有一部分是测量方式带来的，因为我的计时包含句内短停顿，所以请把它当作一个朴素的描述：快的片段停顿更少。

停顿正是入门片段差别最大的地方。西班牙语 A1 片段按音节算只比 B1 慢 10%，但语流短得多：A1 每次停顿之间 5.6 个词，B1 是 9.6 个。英语是 4.0 比 10.8，德语是 3.6 比 8.9。英语 A1 说话人有 41% 的时间在说话，B1 是 79%。对学习者来说，那些静音正是消化刚听到内容的时间。

跨语言比较这些数字更难，因为有些语言的词更长。希腊语（每段语流 6.6 词）和土耳其语（6.9）是长词构成的短语流，荷兰语（10.4）和法语（9.9）是短词构成的长语流。乘上每词音节数，这四种语言每段语流大致都是 13 到 16 个音节。

方言：差异真实存在，但没有传说中那么大

凡是有至少 60 条可测片段的方言，我都单独列出。为了公平比较，这些中位值都调整到与整门语言相同的等级构成，这样 A1 片段多的方言不会因此显得慢。下面可以任选两种对比。

比较两种语言或方言

每秒音节数，片段中位数

第一个阿拉伯语阿尔及利亚阿拉伯语埃及阿拉伯语海湾阿拉伯语伊拉克阿拉伯语黎凡特阿拉伯语利比亚阿拉伯语现代标准阿拉伯语摩洛哥阿拉伯语苏丹阿拉伯语突尼斯阿拉伯语也门阿拉伯语白俄罗斯语保加利亚语标准保加利亚语孟加拉语孟加拉国孟加拉语印度孟加拉语波斯尼亚语波斯尼亚语加泰罗尼亚语捷克语标准捷克语丹麦语标准丹麦语德语奥地利德语巴伐利亚德语标准德语施瓦本德语瑞士德语希腊语标准希腊语英语非裔美国人英语美式英语澳大利亚英语英式英语加拿大英语尼日利亚英语西班牙语安第斯西班牙语加勒比西班牙语哥伦比亚西班牙语中性拉美西班牙语墨西哥西班牙语西班牙本土西班牙语拉普拉塔河西班牙语委内瑞拉西班牙语波斯语伊朗波斯语芬兰语标准芬兰语法语魁北克法语法国本土法语希伯来语标准希伯来语印地语印地英语标准印地语克罗地亚语匈牙利语标准匈牙利语印度尼西亚语雅加达口语印尼语标准印度尼西亚语意大利语罗马意大利语标准意大利语日语关西日语标准日语卡纳达语标准卡纳达语韩语庆尚道韩语标准韩语马其顿语马拉地语马来语标准马来语荷兰语佛兰德荷兰语荷兰本土荷兰语挪威语波兰语标准波兰语葡萄牙语巴西葡萄牙语欧洲葡萄牙语巴西东北部葡萄牙语罗马尼亚语摩尔多瓦罗马尼亚语标准罗马尼亚语特兰西瓦尼亚罗马尼亚语俄语标准俄语斯洛伐克语标准斯洛伐克语塞尔维亚语标准塞尔维亚语瑞典语斯科讷瑞典语标准瑞典语泰米尔语标准泰米尔语泰卢固语泰语标准泰语他加禄语八打雁他加禄语标准菲律宾语土耳其语标准土耳其语乌克兰语标准乌克兰语苏尔日克语越南语北部越南语南部越南语汉语普通话大陆普通话台湾国语第二个阿拉伯语阿尔及利亚阿拉伯语埃及阿拉伯语海湾阿拉伯语伊拉克阿拉伯语黎凡特阿拉伯语利比亚阿拉伯语现代标准阿拉伯语摩洛哥阿拉伯语苏丹阿拉伯语突尼斯阿拉伯语也门阿拉伯语白俄罗斯语保加利亚语标准保加利亚语孟加拉语孟加拉国孟加拉语印度孟加拉语波斯尼亚语波斯尼亚语加泰罗尼亚语捷克语标准捷克语丹麦语标准丹麦语德语奥地利德语巴伐利亚德语标准德语施瓦本德语瑞士德语希腊语标准希腊语英语非裔美国人英语美式英语澳大利亚英语英式英语加拿大英语尼日利亚英语西班牙语安第斯西班牙语加勒比西班牙语哥伦比亚西班牙语中性拉美西班牙语墨西哥西班牙语西班牙本土西班牙语拉普拉塔河西班牙语委内瑞拉西班牙语波斯语伊朗波斯语芬兰语标准芬兰语法语魁北克法语法国本土法语希伯来语标准希伯来语印地语印地英语标准印地语克罗地亚语匈牙利语标准匈牙利语印度尼西亚语雅加达口语印尼语标准印度尼西亚语意大利语罗马意大利语标准意大利语日语关西日语标准日语卡纳达语标准卡纳达语韩语庆尚道韩语标准韩语马其顿语马拉地语马来语标准马来语荷兰语佛兰德荷兰语荷兰本土荷兰语挪威语波兰语标准波兰语葡萄牙语巴西葡萄牙语欧洲葡萄牙语巴西东北部葡萄牙语罗马尼亚语摩尔多瓦罗马尼亚语标准罗马尼亚语特兰西瓦尼亚罗马尼亚语俄语标准俄语斯洛伐克语标准斯洛伐克语塞尔维亚语标准塞尔维亚语瑞典语斯科讷瑞典语标准瑞典语泰米尔语标准泰米尔语泰卢固语泰语标准泰语他加禄语八打雁他加禄语标准菲律宾语土耳其语标准土耳其语乌克兰语标准乌克兰语苏尔日克语越南语北部越南语南部越南语汉语普通话大陆普通话台湾国语

西班牙本土西班牙语6.05音节每秒

墨西哥西班牙语5.75音节每秒

两者的 95% 置信区间有重叠，这么小的差距可能只是偶然。

10 秒语音中的音节数

西班牙本土西班牙语

墨西哥西班牙语

一个点代表一个音节。方言数据已按整门语言的水平构成做过调整，因此初学者片段较多的方言不会因此显得慢。每分钟词数只能在同一门语言内部比较。阿拉伯语、希伯来语、波斯语和泰语的数据为估算值。

西班牙语

西班牙本土片段（每秒 6.05 个音节）、阿根廷和乌拉圭的拉普拉塔片段（6.03）和哥伦比亚片段（6.03）比墨西哥片段（5.75）和安第斯片段（5.55）更快。每分钟词数完全看不出这一点：西班牙、拉普拉塔和墨西哥片段都是每分钟 198 或 199 词。西班牙和墨西哥的置信区间刚好相接。拉普拉塔和墨西哥则不重叠。

葡萄牙语

巴西葡萄牙语每秒 6.06 个音节，欧洲葡萄牙语 5.56。欧洲葡萄牙语一向被认为又快又难懂，但按每秒音节数算，这里它反而更慢。这种印象多半来自声音：欧洲说话人常常弱化或省掉非重读元音，所以词听上去被压缩了。我的计数基于书面词，所以仍然把这些元音算进去。真要说的话，这反而让欧洲葡萄牙语在这里显得比实际更快。欧洲样本也偏小（80 条片段），置信区间与巴西的重叠。

下面两段配音，一段讲手机贴膜，一段是菜谱，按我的计数速度接近：巴西那段每秒 6.12 个音节，欧洲那段 6.39。你可以听听各自能听出多少个元音。

法语

法国的片段是 5.29，魁北克的是 4.90，两者的置信区间不重叠。

日语

关西话一向被认为说得快。原始数字看起来也支持这点（6.28 对标准日语的 6.16），但把等级构成统一之后，关西是 6.13，标准日语是 6.21。所以原始差异来自关西片段被评的等级，而不是方言本身，而且两边的置信区间都很宽（5.77 到 6.81，5.64 到 6.86）。

阿拉伯语

埃及阿拉伯语是最快的变体，6.12，高于摩洛哥（5.68）、现代标准阿拉伯语（5.56）、黎凡特（5.53）和海湾阿拉伯语（5.37）。突尼斯最慢，4.66。阿拉伯语的音节数是估算值，因为短元音不写出来（见方法部分），需要人工校验。

德语

标准德语 5.00，施瓦本 4.63，奥地利 4.46，巴伐利亚 4.41，瑞士德语 3.98。

英语和普通话

美式、英式、澳式和加式英语都落在 4.69 到 4.75 之间。尼日利亚英语更慢，4.30。中国大陆普通话 5.27，台湾普通话 4.80，后者样本较小，只有 65 条片段。

这对学语言的你意味着什么

语言之间的差别真实存在，但不大。学西班牙语的人和学英语的人，面对的语速在每秒音节数上相差约四分之一，而两种语言内部中间一半片段的跨度都超过这个数。变化大得多的，是从入门材料迈向其他一切的那一步。离开 A1 之后，等级降低片段并不会变慢：A2 片段和 C1 片段差不多快。实际可行的办法是：先从停顿长、句子短的片段开始，然后按话题和说话人来挑片段，而不是等着某个「大家说得更慢」的等级出现。

如果你想试试，西班牙语、葡萄牙语、法语、英语和日语页面都按等级列出了母语片段，字幕和本文里的片段一样是逐词对应的。语速只是听力难度的一半。另一半是词汇和语法，我在看懂母语视频需要多少词里做了测量。另外，Christian Lauer 的入门者指南讲的是最初几个月，也就是你需要先建立基本理解力的阶段。至于每个等级的词汇量要看多少小时视频才能积累起来，12 种语言的数据在学一门语言要花多久里。

我们是怎么测的

片段

所有片段在 2026 年 9 月 29 日都在 Reelang 库中：公开展示、有语音、母语内容而非语言课、非配音、单一语言，且未被人工审核判为不可用。几乎全部来自 YouTube。我从这 230,754 条片段中按语言、方言和 CEFR 等级做分层抽样：每组最多 60 条，用固定哈希选取，便于重建样本。每条片段取前 30 句。歌曲被剔除（抽样中的 1,617 条），依据是人工数据标注；同一频道在一组里最多贡献 3 条片段。随后每条片段按其所在组在库中的规模加权，使数字描述的是整个库，而不是样本。所有数值都是加权中位数，第 25 和第 75 百分位作为「中间一半」。置信区间来自 300 次自助重抽样。

哪些语言进入排名

一门语言需要库中至少 150 条片段和 40 个频道，并且经过全部筛选后还剩至少 75 条片段。有 44 种语言通过。世界语数字上通过了，但被排除，因为它几乎没有母语者。方言需要库中至少 100 条片段、20 个频道，以及 60 条可测片段。

每秒音节数

对每个句子，我取第一个词开始的时间和最后一个词开始的时间，用除最后一个词之外所有词的音节数除以这段时长。词的起始时间是所有转写来源里唯一准确的时间信息；结束时间在部分引擎里是部分估算的。每条片段把所有句子的音节数和时长分别相加。一条片段需要至少 5 个可用句子和 10 秒语音。这段时长包含句内短停顿，但不含句子之间的间隙。每分钟词数用的是同一段时长。

音节怎么数

音节来自文本，按每个词通常的发音方式：

• 30 种语言，包括英语、西班牙语、法语、德语、意大利语、葡萄牙语、俄语、土耳其语和印度诸语言，每个词都经过发音引擎 espeak-ng，每个元音音或成音节辅音算一个音节。
• 克罗地亚语、塞尔维亚语、波斯尼亚语、马其顿语、捷克语和斯洛伐克语用字母规则计数，其中包含成音节的 r 和 l（Hrvatska 是三个音节）。他加禄语数元音字母。
• 普通话按每个汉字一个音节，韩语按每个谚文字块一个，越南语按每个书写音节一个。
• 日语用 pykakasi 转成假名，然后分别按音节和拍计数。
• 泰语用 PyThaiNLP 的词典音节切分器，它会略微少算。
• 阿拉伯语和希伯来语不写短元音，所以它们的音节是用一个公式从字母和词数估算的，该公式各用 25 个手工计数的句子拟合（每句误差约 9% 和 12%，整体低于 1%），数据集经人工校验。

含数字的句子被剔除，因为各语言读数字的方式不同。在 12 种语言的 102 个随机句子上，自动计数与手工计数有 98 句完全一致，总数相同（都是 1,267 个音节）。手工计数时能看到自动计数的结果，所以这是一次核对，不是盲测。阿拉伯语、希伯来语、波斯语和泰语标注为估算值。

转写

转写由三个引擎自动生成。对同一频道的片段，其中一个引擎给出的速度比其他引擎高约每秒 0.18 个音节（3%）。一部分数据由 Reelang 平台上的学习者做过人工校验（4.3%），其余基于自动语音识别。普通话的测量来自单一引擎的 293 条片段。

停顿

平均语流长度和发声比需要每个词的结束时间，有两个语音模式分析引擎用同样方式估算它。这两个指标我只用这两个引擎的片段，并且不拿它们去跨语言比较那些以字或字组为词的语言。

这份样本不是什么

这个库是为语言学习者挑选的。它偏向短、口齿清楚、受众广的片段：短剧、vlog、做饭、科普。它不是人们说话方式的随机样本。统计单位是片段，不是说话人，因为转写无法可靠区分说话人。音节是从文本数出来的，所以当说得快的人吞掉了一个音节而转写里仍然保留它时，这条片段照样会算上，快的片段可能被略微高估。CEFR 等级是模型对转写文本的判读。

使用这些数据

欢迎在文章、教学材料和研究中重复使用本页的图表和数字。请注明本页为来源并附上链接。

音节/秒：中位片段的每秒说话音节数。中间一半片段：第 25 到第 75 百分位。词/分钟：中位片段，「词」指转写里被切开的单位（普通话为一个汉字），所以这一列不能跨语言比较。片段、小时和频道：库中的母语片段。实测：用于计算速度的样本片段数。* 音节数为估算（阿拉伯语和希伯来语用字母公式，波斯语和泰语有已知的轻微少算）。

参考文献

• 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, 免费全文
• 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, 开放存档版本
• 工具：espeak-ng 1.52、pykakasi、PyThaiNLP。