如果你認得英文最常用的 5,000 個單字，一支典型的英文母語影片裡有 95.6% 是你認得的字，而且 58.4% 的影片達到 95%，這正是聽力研究認為學習者能聽懂的門檻。西班牙文要約 6,800 字，典型影片才達到 95%；在我測量的 23 種語言中，有 13 種連 10,000 字都不夠。
這些數字來自 Reelang 片庫中 23 種語言、共 35,615 支母語者影片，逐字對照各語言的詞頻表計算而來。在下面選一種語言和一個字彙量，看看能帶你到哪裡。
前 1,000 個字做了大部分的工
詞頻分布非常不平均。幾百個字（the、and、is、you、que、de）就佔了所有人說話內容的一大部分，排名越後面的字出現得越少。這個規律叫做 Zipf 定律，這裡每一種語言都符合。
在 18 種可以毫無保留排名的語言中，典型影片被前 1,000 字覆蓋 80.7%，前 2,000 字 86.7%，前 5,000 字 92.4%。前一千個字讓你在五個字裡認得四個。接下來的四千字只多加了約十二個百分點。
對聽力真正關鍵的門檻，就藏在最後那幾個百分點裡。研究「需要多少單字」時，有兩個數字一再出現：
- 95%，每 20 個字有 1 個不認得。Batia Laufer 在 1989 年針對閱讀提出這個標準。至於聽力，van Zeeland 與 Schmitt（2013）發現多數聽者在 90% 就能應付，而在 95% 時，第二語言聽者理解良好，個別差異也小很多。
- 98%，每 50 個字有 1 個不認得。Hu 與 Nation（2000）發現，學習者要自行閱讀小說並充分理解，大約需要這個水準。
以一般語速每分鐘 150 字計算，95% 代表每分鐘約有七個不認得的字（Nation, 2006）。98% 則是三個。下面的示範可以讓你實際感受差別。它用的是研究中影片的真實句子，並把不在你所選字數範圍內的字全部遮掉。
在 2,000 字的情況下，肉丸那句的已知比例是 58.3%：albóndigas、parmesano、rallado 和 orégano 根本不在表內，perejil（巴西里）排在第 13,520 名。同樣是 2,000 字，關於貓的那句已知比例是 96.2%。兩支影片都是西班牙文，也都標為 A2。
英文與西班牙文的數字
英文。 典型影片在 2,021 字達到 90%，4,462 字達到 95%，9,403 字達到 98%。有 3,000 字時，24.9% 的英文影片達到 95% 以上。有 5,000 字時，58.4% 達標，15.2% 達到 98% 以上。
西班牙文。 典型影片在 2,754 字達到 90%，6,781 字達到 95%，在 10,000 字以內達不到 98%。有 3,000 字時，10.8% 的西班牙文影片達到 95% 以上。有 5,000 字時，則是 32.0%。
所以對西班牙文來說，擁有 3,000 字的學習者大約每十支影片能找到一支有 95% 的字是熟悉的。這已經是個可以拿來學習的真實池子，因為你還不認得的字，周圍都是你認得的字。這支哥倫比亞影片就是其中之一：88.4% 的字在前 1,000 名內，96.3% 在前 2,000 名內。
認得字，不等於聽得出來。那支影片的講者語速中位數是每分鐘 243 字，比教科書錄音快得多。字彙覆蓋率告訴你的是你能不能看懂逐字稿，而不是你跟不跟得上速度。
平緩的語言與陡峭的語言
這些曲線形狀並不相同。在丹麥文、瑞典文和荷蘭文裡，前 1,000 字就覆蓋典型影片的 84.4% 到 86.5%，從 1,000 字增加到 5,000 字只多出 8.3 到 9.3 個百分點。英文、法文、西班牙文、葡萄牙文和義大利文在同一區間增加 11.5 到 12.6 個百分點。最陡的曲線是印尼文（+20.8）、烏克蘭文（+18.3）、阿拉伯文（+18.1）、俄文（+16.5）、芬蘭文（+15.3）、土耳其文（+15.2）和波蘭文（+14.3）。
曲線陡表示前一千個字留下更多聽不懂的部分，而之後每多一千字價值就更高。這一部分來自語言本身，一部分則來自計算單字的方式，而後者在你比較兩種語言之前必須先說清楚。
這裡用的詞表都經過詞形還原：dije、dijo 和 decir 都算同一個字 decir。這對動詞變化很多的西班牙文是公平的。但還原工具只有在辨認得出該詞形時才有用。在捷克文、芬蘭文、匈牙利文、俄文和烏克蘭文裡，典型影片中有 9.0% 到 10.8% 的實際字數，是工具無法對應到任何詞元的形式。其中很多是一般字詞，只是帶了工具沒去掉的格變化字尾。它們在這裡被算成不認得，所以這五種語言的數字是下限：真實覆蓋率更高。它們在下表中以星號標示。
複合字則以類似的方式對德文、荷蘭文和北歐語言不利。像 Küchenschrank（廚房櫥櫃）這樣的德文複合字，除非整個複合字在表內，否則就算你兩個部分都認得，仍算不認得。
等級標籤幾乎不影響字彙難度
片庫裡每支影片都有 CEFR 等級，由一個讀逐字稿的模型判定。這裡把它們分成五段，從 A1（A0 併入 A1）到 C1（C2 併入 C1）。如果標籤反映字彙，等級越高就該需要越多字。但在前 2,000 字的範圍內，幾乎看不出差別。取各語言的中位數（A1 在 11 種語言中有足夠影片，C1 則是 20 種），前 2,000 字覆蓋 A1 影片的 84.0%、A2 的 84.0%、B1 的 85.2%、B2 的 86.1%、C1 的 84.1%。
等級在高端才顯現出來。有 5,000 字時，你會認得 30.2% 的 A1 影片、20.6% 的 A2 影片、22.6% 的 B1 影片、15.5% 的 B2 影片和 4.5% 的 C1 影片中 95% 的字。長度是原因之一：樣本中 C1 影片的字數中位數是 338 字，A1 則是 81 字。短片用到罕見字的機會比較少。
覆蓋率最低的影片大多跟食物有關。樣本中在 2,000 字下覆蓋率最低的 25 支英文影片裡，約三分之二是食譜、美食評論或零食試吃，其中 21 支標為 A1 或 A2。西班牙文方面，最低的 25 支中有 11 支跟食物有關，還有三支是兒歌。食譜的文法很簡單（「加蒜頭、攪拌、完成」），所以等級被判得低。但名詞不簡單。英文表裡 garlic 排第 6,395，tablespoon 排第 11,551。西班牙文裡 ajo 排第 6,605，sartén（平底鍋）排第 11,125。
這裡有兩支英文影片。第一支是標為 B2 的電影預告：96.9% 的字在前 2,000 名內，在 1,300 字就超過 95%。第二支是標為 A2 的慢燉鍋食譜：只有 72.3% 的字在前 2,000 名內，要到 11,551 字才超過 95%，也就是 tablespoon 的排名。
那支預告片也不輕鬆，只是原因不同：講者語速中位數是每分鐘 215 字。等級標籤把速度、文法和字彙混成一個字母，而被犧牲掉的就是字彙那一塊。如果你的字彙量在 2,000 到 5,000 之間，挑影片時除了看等級，也要看主題：食物、烹飪和商品介紹會用到很多排名很後面的字。
不同語言變體也有差
阿拉伯文的每種方言各用一份詞頻表。其他語言的所有變體共用一份。在 2,000 字下，典型的埃及阿拉伯文影片覆蓋率是 86.1%，伊拉克 79.6%，摩洛哥 72.5%。摩洛哥方面，典型影片有 9.5% 的字根本不在它的表內，所以這個差距有一部分來自詞表本身。法文方面，魁北克影片是 90.6%，法國影片是 87.6%。巴西葡萄牙文是 87.4%，歐洲葡萄牙文是 80.3%，但只有 61 支歐洲葡萄牙文影片通過篩選，而且是以另一份詞表評分，所以這個數字要保守看待。
和 Nation 的估計相比
關於英文口語，最有名的數字出自 Paul Nation 2006 年的論文〈閱讀與聽力需要多大的字彙量？〉。他使用紐西蘭英語口語語料庫，發現 3,000 個詞族加上專有名詞可達 95% 以上的覆蓋率，而 98% 需要 6,000 到 7,000 個詞族。Webb 與 Rodgers（2009）針對電影劇本得到類似的數字：3,000 個詞族加上專有名詞與邊緣詞為 95.76%，6,000 個詞族加上同樣的額外項目為 98.15%。
我算出的英文數字比較高：典型影片要 4,462 字才達到 95%，9,403 字才達到 98%。若把所有英文影片視為一整篇長文，5,000 字覆蓋 95.1%。數字不同有三個原因，而且沒有一個代表哪份研究是錯的：
- 詞族比詞元大。一個詞族把 happy、unhappy、happiness 和 happily 算成一個單位。詞元表則算成四個。所以 3,000 個詞族對應到的詞元數量更多。
- 詞表主要建立在書面文本上。日常口語字詞在表中的位置比你以為的低：alright 排第 3,102，kinda 第 2,333，bye 第 3,273。
- 短影片主題集中。一支兩分鐘的食譜把大部分字數花在單一主題的字彙上，而長對話會換來換去，重複使用更多一般性的字。
如果你正在學語言，這代表什麼
前 2,000 或 3,000 個字值得刻意去學，用依詞頻排序的字卡組或課程。到那個程度，就有相當比例的母語者影片能達到 95%，接下來你可以從上下文學會很多新字，而不是從清單上背。Christian Lauer 的初學者指南講的就是怎麼快速走到那一步。
之後，挑影片要看主題，不要只看等級。一位有 3,000 個西班牙文字彙的學習者，能跟上前面那支貓的小短劇，卻可能在肉丸食譜裡迷路，儘管兩者都標為 A2。至於捷克文、芬蘭文、匈牙利文、俄文和烏克蘭文，這裡的數字看起來會比實際更嚇人：很多被算成不認得的，其實是你認得的字配上你還沒遇過的字尾。
如果你想用上面這類影片練習，西班牙文、英文和德文頁面依等級列出母語者影片，字幕逐字對照方式和本頁影片相同。想知道為什麼理解要先於開口，可以看：如何不再在腦中翻譯。
我是怎麼測的
影片。 所有影片在 2026 年 9 月 29 日都在 Reelang 片庫中且仍在輪播：公開顯示、有語音、母語者內容（不是語言教學）、非配音、單一語言。每種語言的每個 CEFR 等級我最多抽樣 500 支影片，再依各等級在片庫中的占比加權，讓數字能描述整個片庫。以下影片被剔除：字數少於 50 字的、單一字幕行重複的（超過 30% 的行）、每秒時長換算語速超過每分鐘 330 字的，以及超過 35% 的字不在該語言詞表中的（通常是逐字稿語言錯誤）。篩選後，23 種排名語言共剩下 35,615 支影片，合計 1,380 萬個實際字數。影片長度中位數為 81 秒。其中 35,600 支來自 YouTube，8 支來自 TikTok，7 支來自 Instagram。
單字。 每份逐字稿依空白與標點切成單字、轉為小寫、去除數字。每個字都在該語言的詞頻表中查找，詞表以 wordfreq 3.1.1（Speer, 2022）為基礎建立：取最常見的 25,000 個詞形，用 simplemma 依詞元分組（阿拉伯文、希伯來文和亞洲語言使用其他工具），再依每個詞元的總頻率排名。不在表中的詞形，退而用 simplemma 做詞形還原。專有名詞（首字母大寫、不在句首、不在表中）以及 uh、mhm、haha 這類邊緣詞算作已知，做法與 Nation（2006）以及 Webb 與 Rodgers（2009）相同。德文所有名詞都大寫，印地文和阿拉伯文則沒有大小寫，所以這些語言不獲得專有名詞的加分。英文的縮寫拆開後各算完整字（didn't 算作 did 和 not）。
數字。 覆蓋率是指一支影片中，詞元落在前 N 名內的實際字數比例。上面的百分比都是影片間的中位數。「達到 95% 的影片比例」這類數字，是用每支影片自己的詞彙排名算出各自的門檻，沒有做內插。「典型影片在幾字達到 95%」則是中位數影片超過 95% 所需的最小字彙量。
未列入排名。 希伯來文的前綴（ve-、ha-、be-、le-）沒有拆開，所以認得的字被算成不認得。坦米爾文的逐字稿是口語坦米爾文，詞表卻是書面坦米爾文。日文、中文和韓文只計算實詞，越南文以音節計算，所以它們的數字無法與其他語言比較。一種語言至少要有 300 支影片才列入排名。挪威文有 449 支；其他每種排名語言都超過 1,000 支。土耳其文詞表只有 9,088 個詞元，所以土耳其文的圖表停在 8,000 字，而「10,000+」表示用整份詞表，典型影片仍達不到 95%。
已知偏差。 這些數字描述的是逐字稿，不是音訊，所以語音辨識錯誤也被算成字。完美掌握前 N 個字是理想情況，而慣用語也沒有被當成單位計算。CEFR 等級是模型對逐字稿的判斷。而且片庫是為學習者挑選的：它偏向口齒清楚、受眾廣的影片，所以不是 YouTube 或 TikTok 上所有內容的隨機樣本。
使用這些資料
歡迎在你的寫作、教學或研究中重複使用本頁的圖表和數字。請附上本頁連結作為來源。
| 語言 | 影片數 | 1,000 | 2,000 | 5,000 | 95%+ | 98%+ | 95% 門檻 |
|---|---|---|---|---|---|---|---|
| 丹麥文 | 1,122 | 86.5% | 91.1% | 94.8% | 47.0% | 8.4% | 5,292 |
| 英文 | 2,002 | 83.7% | 89.9% | 95.6% | 58.4% | 15.2% | 4,462 |
| 瑞典文 | 1,325 | 85.6% | 89.8% | 94.0% | 37.6% | 5.6% | 6,768 |
| 荷蘭文 | 1,841 | 84.4% | 89.0% | 93.7% | 32.2% | 3.5% | 7,109 |
| 法文 | 1,961 | 82.7% | 88.4% | 94.2% | 40.1% | 5.8% | 5,804 |
| 挪威文 | 449 | 83.5% | 88.1% | 93.0% | 25.0% | 3.8% | 9,478 |
| 西班牙文 | 2,195 | 81.6% | 87.3% | 93.5% | 32.0% | 5.4% | 6,781 |
| 葡萄牙文 | 1,865 | 81.4% | 87.2% | 94.0% | 38.4% | 7.3% | 6,121 |
| 羅馬尼亞文 | 1,602 | 81.4% | 87.0% | 92.5% | 25.3% | 5.8% | 9,586 |
| 世界語 | 1,007 | 80.0% | 86.3% | 92.3% | 28.6% | 4.5% | 10,000+ |
| 義大利文 | 1,880 | 79.7% | 85.6% | 91.9% | 21.2% | 2.7% | 9,269 |
| 土耳其文 | 1,322 | 77.1% | 85.6% | 92.3% | 25.4% | 5.5% | 10,000+ † |
| 德文 | 1,933 | 80.0% | 84.8% | 90.3% | 11.3% | 1.1% | 10,000+ |
| 希臘文 | 1,796 | 78.0% | 83.5% | 89.0% | 6.7% | 1.0% | 10,000+ |
| 印地文 | 1,417 | 77.2% | 82.4% | 88.3% | 6.6% | 1.2% | 10,000+ |
| 阿拉伯文 | 1,916 | 73.1% | 82.2% | 91.2% | 17.8% | 2.7% | 10,000+ |
| 波蘭文 | 1,503 | 73.9% | 81.0% | 88.2% | 8.2% | 1.0% | 10,000+ |
| 印尼文 | 1,582 | 68.6% | 80.6% | 89.4% | 10.4% | 2.3% | 10,000+ |
| 捷克文 * | 1,239 | 73.4% | 80.0% | 86.8% | 3.9% | 0.5% | 10,000+ |
| 芬蘭文 * | 1,565 | 71.7% | 79.3% | 87.0% | 3.6% | 0.8% | 10,000+ |
| 匈牙利文 * | 1,732 | 71.7% | 78.1% | 84.5% | 0.4% | 0.0% | 10,000+ |
| 俄文 * | 1,305 | 70.0% | 77.8% | 86.5% | 2.9% | 0.1% | 10,000+ |
| 烏克蘭文 * | 1,056 | 65.4% | 73.4% | 83.7% | 0.8% | 0.0% | 10,000+ |
1,000、2,000 和 5,000 欄：影片實際字數中，被前 1,000、2,000 或 5,000 個詞元覆蓋的比例中位數。95%+ 和 98%+：在認得前 5,000 個詞元的學習者眼中，至少認得 95% 或 98% 字詞的影片比例。95% 門檻：中位數影片超過 95% 所需的字彙量（10,000+ 表示 10,000 字以內達不到）。* 下限值：典型影片有 9% 以上的字無法對應到詞表，所以實際覆蓋率更高。† 土耳其文詞表只有 9,088 個詞元：用整份詞表，典型土耳其文影片仍達不到 95%。
參考資料
- 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（全文免費）
- 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. 紀錄
- 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、免費 PDF
- Speer, R. (2022). wordfreq v3.0 [data and software]. Zenodo. doi.org/10.5281/zenodo.7199437。本研究使用 github.com/rspeer/wordfreq 的 3.1.1 版。
- 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
繼續閱讀
初學者的可理解輸入指南
可理解輸入要先聽得懂，才會發揮效果。Christian Lauer 談怎麼最快到達那個門檻，以及怎麼判斷自己到了。
怎麼停止在腦中翻譯：為什麼聽懂要排在開口之前
想停止在腦中翻譯，方法是給大腦大量你聽得懂的語言，多到它不再需要翻譯。翻譯只是大腦在經驗不足時搭出來的臨時橋。真正的解法不是技巧，也不是意志力，而是時數：長時間聽你大致聽得懂的真實語言，直到大腦建立一條從聲音直接到意義的路，而不再繞道母語。
為什麼可理解輸入對學中文特別有效
中文最大的障礙是聲調、漢字識讀，還有口語和書面語之間的落差，而這些都得先用耳朵學，再用規則理解。文法練習和單字卡教你在孤立狀態下認出中文；可理解輸入教你認出母語者真正說出來的樣子：自然語速、有上下文、聲調與節奏都完整。這篇文章講的就是這個差別。