母語者說話有多快？44 種語言的語速實測

在母語者拍的短影片裡，最快的語言大約每秒 6 個音節：泰米爾語（6.20）、日語（6.19）、土耳其語（6.14）、葡萄牙語（6.02）、義大利語（6.00）、希臘語（5.99）、泰盧固語（5.99）、西班牙語（5.92）和俄語（5.90）彼此太接近，排序差異落在誤差範圍內。最慢的是越南語（4.22）、泰語（4.59）、英語（4.70）和德語（4.76）。也就是說，中位數的西班牙語影片，每秒音節數比中位數的英語影片多了約四分之一。

我用 44 種語言、16,293 支 YouTube 母語影片做了這項測量，樣本抽自 Reelang 資料庫裡的 230,754 支影片（9,850 小時，約 41,000 個頻道）。多數已發表的語速數據，來自受試者在實驗室裡朗讀句子。這裡則是 vlog、短劇、食譜、知識解說和新聞片段，也就是學習者真正會遇到的語言。

44 種語言的語速

母語者 YouTube 片段，2026 年 9 月

指標

每秒音節數每分鐘字數

排序

最快在前A 到 Z顯示 2011 年實驗室數值

每秒音節數，片段中位數

片段中位數中間半數片段估計音節數

坦米爾語

每秒音節數6.20

每分鐘字數137

每字音節數2.65

每根長條是該語言的片段中位數，貫穿的線段涵蓋中間半數的片段。每秒音節數可以跨語言比較，每分鐘字數則不行：華語逐字稿把每個字都算成一個詞，而坦米爾語或韓語的一個詞常含多個成分。計時包含句中的短停頓，但不含句與句之間的空檔。點選語言可看樣本數。

九種語言並列前段

圖表中每一根長條代表一種語言的中位數影片。穿過長條的細線顯示中間一半的影片，從第 25 到第 75 百分位。點一下或把游標移到語言上，可以看到樣本數。

前九名彼此差距都在每秒 0.3 個音節以內，信賴區間也互相重疊。泰米爾語的中位數在 95% 信心水準下落在 6.04 到 6.49 之間，西班牙語在 5.82 到 6.02 之間。所以圖表頂端該讀成「一群快的語言」，不是頒獎台。底端也一樣：挪威語、德語、瑞典語、他加祿語、白俄羅斯語和英語全都在 4.70 到 4.78 之間，泰語和越南語在它們下面。

同一種語言內部的落差，比多數語言之間的差距還大。英語第 75 百分位的影片（每秒 5.16 個音節），和西班牙語第 25 百分位的影片（5.17）一樣快。你聽到的是誰在說，比他說哪種語言更重要。

日語要補一句。日語的使用者和老師通常用音拍計算，而不是音節。Tōkyō 是兩個音節（tō-kyō），卻是四個音拍（to-o-kyo-o）。我算的是音節，跟下面那份實驗室研究一樣，這樣日語才能跟其他語言比較。若改用音拍計算，中位數的日語影片是每秒 7.45，中間一半的影片落在 6.04 到 8.95。

下面這支高中短劇屬於日語裡偏快的一端：一名學生用關西腔替自己遲到找藉口，影片速度是每秒 7.84 個音節。下面七秒裡塞了六句台詞。

YouTube0:03 至 0:10

智慧字幕逐字中文解釋

西崎 と 喧嘩 し て ま した。 

有底線的字是最常用的 2,000 字之一。實線：前 500 字。虛線：前 1,000 字。點線：前 2,000 字。

0:02 / 0:54

關西日語輕鬆理解

在 Reelang 用這支影片學

用「每分鐘字數」會得到相反的結論

談語速最常見的方式是每分鐘字數。把上面的圖表切換成每分鐘字數，排名幾乎整個翻過來。華語、越南語和泰語躍上前段，分別是每分鐘 303、253 和 232 字。坎那達語（122）、韓語（132）、泰米爾語（137）和泰盧固語（140）掉到最後。在這 44 種語言裡，兩種測量方式的等級相關係數是 -0.25：略為負相關。

原因是「一個詞」在每種語言裡根本不是同一回事。華語逐字稿中每個字算一個詞，而一個字就是一個音節。韓語的「詞」是兩個空格之間的所有內容，通常是一個詞加上它的助詞。泰米爾語或土耳其語的一個詞常常背著好幾個詞尾。所以中位數的英語詞有 1.31 個音節，泰米爾語的中位數詞有 2.65 個。這些影片裡的英語講者每分鐘說 210 個詞，泰米爾語講者 137 個，但泰米爾語講者說出的音節更多。比較同一語言的兩支影片時，每分鐘字數沒問題。跨語言比較時，它量到的主要是詞有多長。

音節是最接近共同單位的東西，但它在各語言裡承載的意義量也不一樣。在一份知名的實驗室研究中，Pellegrino、Coupé 與 Marsico（2011）發現：每個音節承載資訊較少的語言，說起來每秒音節數較多。日語和西班牙語速度快、每音節資訊量低；越南語和華語慢、資訊量高。後來一份涵蓋 17 種語言的研究發現，各語言每秒傳遞的資訊量相當接近，大約每秒 39 位元（Coupé 等人，2019）。我的排名符合這個模式：日語在最上面，越南語在最下面，華語落在後半段。

與實驗室數據的比較

Pellegrino、Coupé 與 Marsico 錄下七種語言共 59 位講者，每人朗讀同樣 20 篇翻成自己語言的短文，並以越南語譯本作為參照。他們在刪去所有超過 150 毫秒的靜默後，計算每秒音節數。他們表格裡的八種語言，我的資料都有：

影片的速度是實驗室數值的 71% 到 86%，華語是例外。順序則很相似：這 8 種語言在兩欄之間的等級相關係數是 0.76。大部分落差大概來自計時方式。實驗室刪掉所有超過 150 毫秒的停頓；我只跳過句與句之間的空檔，所以句子內部的短停頓、那聲「呃」、笑點前的換氣，都算進說話時間。真實的口語裡，這些東西非常多。

法語的落差最大。實驗室計算的是「仔細說話時發出的音節」，在法語裡這會保留一些日常口語會省掉的 e。我則照法語使用者平常的說法來算：petite 是兩個音節，不是三個。華語是另一個異常值。它的影片全部來自同一個轉寫引擎（見方法一節），在同樣的頻道上，這個引擎算出來比其他引擎快約 3%。這只能解釋部分落差，其餘的我沒有好的解釋。

初級影片比較慢，之後速度就不再變了

資料庫裡每支影片都有 CEFR 等級（A1 到 C2）。等級由模型讀逐字稿判定，有時會由真人審稿者修正。模型看不到時間資訊，所以等級和速度是兩套獨立的測量。

各級別的語速

每秒音節數，取中位數片段

語言阿拉伯語白俄羅斯語保加利亞語孟加拉語波士尼亞語加泰隆尼亞語捷克語丹麥語德語希臘語英語西班牙語波斯語芬蘭語法語希伯來語印地語克羅埃西亞語匈牙利語印尼語義大利語日語坎納達語韓語馬其頓語馬拉地語馬來語荷蘭語挪威語波蘭語葡萄牙語羅馬尼亞語俄語斯洛伐克語塞爾維亞語瑞典語坦米爾語泰盧固語泰語他加祿語土耳其語烏克蘭語越南語中文（華語）

90%A1 語速占 B1 語速的比例

1.7%A2、B1、B2 與 C1 之間最快與最慢的差距

A15.27

A25.87

B15.88

B25.97

C15.93

02468

中位數片段中間半數片段所有級別合計

級別由模型讀取逐字稿判定，有時會再經人工審閱。模型看不到時間資訊，因此級別與語速是分開測量的。某個級別至少有 20 個片段完成測量時才會顯示。停頓之間的字數，指的是在沒有 250 毫秒以上靜音的情況下說出的字數。

被標為 A1 的影片明顯比較慢。在 A1 影片數量足夠的 17 種語言裡，A1 的中位數影片速度是 B1 的 71%。韓語 A1 是 B1 的 57%，法語 65%，英語 74%，西班牙語 90%。

從 A2 到 C1，速度幾乎不變。跨語言來看，這四個等級中最快與最慢的差距，中位數只有該等級中位數的 11%。西班牙語是 1.7%：A2 影片每秒 5.87 個音節，B1 是 5.88，B2 是 5.97，C1 是 5.93。德語是 3%，英語 3.7%。C1 也不見得就比 B1 快。西班牙語和荷蘭語略快（5.93 對 5.88、5.27 對 5.15），英語略慢（4.60 對 4.75），法語、日語和俄語則明顯更慢（4.89 對 5.34、6.16 對 6.85、4.99 對 6.07）。C1 影片有很多新聞、講座和知識解說，內容密集但語氣平穩。

所以在 A1 之上，等級高代表詞彙和文法更難，不代表說得更快。下面兩支西班牙語影片顯示了這個落差。先是一支標為 A1 的哥倫比亞影片：句子短、句間有停頓，下面這段是每秒 4.73 個音節。接著是一對河床西班牙語的情侶為了一道甜點吵架，因為用詞簡單被標為 A2，速度是 7.69。

說得快的人，停頓比較少

語速有兩個部分：詞說得多快，以及多常停下來。第二部分我用逐字稿的詞級時間算出兩個數字。平均語流長度，是兩次停頓之間的平均詞數，而停頓定義為 250 毫秒以上的靜默（這是 De Jong 與 Bosker（2013）這份第二語言流利度研究中效果最好的門檻）。發聲比例，則是實際有人在說話的時間占比。

在同一種語言內，快的影片語流較長。影片的每秒音節數與平均語流長度的等級相關係數是 0.82（34 種語言的中位數），與發聲比例是 0.66。這部分是測量方式本身造成的，因為我的計時包含句內短停頓，所以請把它讀成一句單純的描述：快的影片停頓比較少。

初級影片最不一樣的地方就在停頓。西班牙語 A1 影片的音節速度只比 B1 慢 10%，但語流短得多：A1 每次語流 5.6 個詞，B1 是 9.6 個。英語是 4.0 對 10.8，德語是 3.6 對 8.9。英語 A1 講者有 41% 的時間在說話，B1 講者是 79%。對學習者來說，那段靜默正是消化剛剛那句話的時間。

跨語言比較這些數字就比較難，因為有些語言的詞本來就比較長。希臘語（每段語流 6.6 個詞）和土耳其語（6.9）是「長詞、短語流」，荷蘭語（10.4）和法語（9.9）是「短詞、長語流」。乘上每詞音節數之後，四者大致都落在每段語流 13 到 16 個音節。

方言：差距真的存在，但沒有傳聞中那麼大

只要某個方言有至少 60 支測量影片，我就單獨列出。為了比較公平，這些中位數都已調整成與整體語言相同的等級組成，所以不會因為某方言 A1 影片多就顯得慢。下面任選兩個來比。

比較兩種語言或方言

每秒音節數，片段中位數

第一個阿拉伯語阿爾及利亞阿拉伯語埃及阿拉伯語海灣阿拉伯語伊拉克阿拉伯語黎凡特阿拉伯語利比亞阿拉伯語現代標準阿拉伯語摩洛哥阿拉伯語蘇丹阿拉伯語突尼西亞阿拉伯語葉門阿拉伯語白俄羅斯語保加利亞語標準保加利亞語孟加拉語孟加拉國孟加拉語印度孟加拉語波士尼亞語波士尼亞語加泰隆尼亞語捷克語標準捷克語丹麥語標準丹麥語德語奧地利德語巴伐利亞德語標準德語施瓦本德語瑞士德語希臘語標準希臘語英語非裔美國英語美式英語澳洲英語英式英語加拿大英語奈及利亞英語西班牙語安地斯西班牙語加勒比西班牙語哥倫比亞西班牙語中性拉丁美洲西班牙語墨西哥西班牙語西班牙的西班牙語拉布拉他河西班牙語委內瑞拉西班牙語波斯語伊朗的波斯語芬蘭語標準芬蘭語法語魁北克法語法國的法語希伯來語標準希伯來語印地語印度英語混合語標準印地語克羅埃西亞語匈牙利語標準匈牙利語印尼語雅加達口語印尼語標準印尼語義大利語羅馬義大利語標準義大利語日語關西日語標準日語坎那達語標準坎那達語韓語慶尚道韓語標準韓語馬其頓語馬拉地語馬來語標準馬來語荷蘭語法蘭德斯荷蘭語荷蘭的荷蘭語挪威語波蘭語標準波蘭語葡萄牙語巴西葡萄牙語歐洲葡萄牙語巴西東北部葡萄牙語羅馬尼亞語摩爾多瓦羅馬尼亞語標準羅馬尼亞語外西凡尼亞羅馬尼亞語俄語標準俄語斯洛伐克語標準斯洛伐克語塞爾維亞語標準塞爾維亞語瑞典語斯堪尼亞瑞典語標準瑞典語坦米爾語標準坦米爾語泰盧固語泰語標準泰語他加祿語八打雁他加祿語標準菲律賓語土耳其語標準土耳其語烏克蘭語標準烏克蘭語蘇爾日克語越南語北部越南語南部越南語華語中國大陸普通話台灣華語第二個阿拉伯語阿爾及利亞阿拉伯語埃及阿拉伯語海灣阿拉伯語伊拉克阿拉伯語黎凡特阿拉伯語利比亞阿拉伯語現代標準阿拉伯語摩洛哥阿拉伯語蘇丹阿拉伯語突尼西亞阿拉伯語葉門阿拉伯語白俄羅斯語保加利亞語標準保加利亞語孟加拉語孟加拉國孟加拉語印度孟加拉語波士尼亞語波士尼亞語加泰隆尼亞語捷克語標準捷克語丹麥語標準丹麥語德語奧地利德語巴伐利亞德語標準德語施瓦本德語瑞士德語希臘語標準希臘語英語非裔美國英語美式英語澳洲英語英式英語加拿大英語奈及利亞英語西班牙語安地斯西班牙語加勒比西班牙語哥倫比亞西班牙語中性拉丁美洲西班牙語墨西哥西班牙語西班牙的西班牙語拉布拉他河西班牙語委內瑞拉西班牙語波斯語伊朗的波斯語芬蘭語標準芬蘭語法語魁北克法語法國的法語希伯來語標準希伯來語印地語印度英語混合語標準印地語克羅埃西亞語匈牙利語標準匈牙利語印尼語雅加達口語印尼語標準印尼語義大利語羅馬義大利語標準義大利語日語關西日語標準日語坎那達語標準坎那達語韓語慶尚道韓語標準韓語馬其頓語馬拉地語馬來語標準馬來語荷蘭語法蘭德斯荷蘭語荷蘭的荷蘭語挪威語波蘭語標準波蘭語葡萄牙語巴西葡萄牙語歐洲葡萄牙語巴西東北部葡萄牙語羅馬尼亞語摩爾多瓦羅馬尼亞語標準羅馬尼亞語外西凡尼亞羅馬尼亞語俄語標準俄語斯洛伐克語標準斯洛伐克語塞爾維亞語標準塞爾維亞語瑞典語斯堪尼亞瑞典語標準瑞典語坦米爾語標準坦米爾語泰盧固語泰語標準泰語他加祿語八打雁他加祿語標準菲律賓語土耳其語標準土耳其語烏克蘭語標準烏克蘭語蘇爾日克語越南語北部越南語南部越南語華語中國大陸普通話台灣華語

西班牙的西班牙語6.05每秒音節數

墨西哥西班牙語5.75每秒音節數

兩者的 95% 信賴區間重疊，這麼小的差距可能只是偶然。

10 秒話語中的音節數

西班牙的西班牙語

墨西哥西班牙語

一個點代表一個音節。方言數據已依整體語言的程度分布調整，所以初學者片段較多的方言不會因此顯得較慢。每分鐘詞數只能在同一種語言內比較。阿拉伯語、希伯來語、波斯語和泰語的數據為估計值。

西班牙語

西班牙本土影片（每秒 6.05 個音節）、阿根廷與烏拉圭的河床西班牙語影片（6.03）和哥倫比亞影片（6.03），都比墨西哥影片（5.75）和安地斯影片（5.55）快。每分鐘字數完全看不出這件事：西班牙、河床和墨西哥影片全都是每分鐘 198 或 199 字。西班牙和墨西哥的信賴區間剛好相接。河床和墨西哥則沒有重疊。

葡萄牙語

巴西葡萄牙語是每秒 6.06 個音節，歐洲葡萄牙語是 5.56。歐洲葡萄牙語素有語速快、難聽懂的名聲，但以每秒音節數來看，這裡它反而是慢的那個。這個名聲更可能來自聲音本身：歐洲講者常把非重音母音弱化或吞掉，詞聽起來被壓縮了。我的計算是依照書面詞，所以那些母音仍然被算進去。真要說的話，這反而讓歐洲葡萄牙語在這裡看起來比實際更快。歐洲樣本也偏小（80 支影片），信賴區間與巴西的重疊。

下面兩段旁白，一段在講手機保護貼怎麼貼，一段是食譜，依我的計算速度接近：巴西那段每秒 6.12 個音節，歐洲那段 6.39。聽聽看你在各段裡能聽到幾個母音。

法語

法國的影片是 5.29，魁北克的影片是 4.90，兩者信賴區間不重疊。

日語

關西腔一向被說很快。原始數字看起來也支持這點（6.28 對標準日語的 6.16），但把等級組成調成一致之後，關西是 6.13，標準日語是 6.21。所以原始差距來自關西影片被評在哪些等級，不是來自方言本身，而且兩邊的信賴區間都很寬（5.77 到 6.81、5.64 到 6.86）。

阿拉伯語

埃及阿拉伯語是最快的變體，6.12，領先摩洛哥（5.68）、現代標準阿拉伯語（5.56）、黎凡特（5.53）和波灣阿拉伯語（5.37）。突尼西亞最慢，4.66。阿拉伯語的數字是估計值，因為短母音不寫出來（見方法一節），並需要人工驗證。

德語

標準德語是 5.00，施瓦本方言 4.63，奧地利 4.46，巴伐利亞 4.41，瑞士德語 3.98。

英語與華語

美式、英式、澳洲和加拿大英語全都落在 4.69 到 4.75 之間。奈及利亞英語較慢，4.30。中國大陸華語是 5.27，台灣華語 4.80，後者樣本較小，只有 65 支影片。

如果你正在學語言，這代表什麼

語言之間的差距確實存在，但幅度不大。學西班牙語的人和學英語的人，面對的語速在每秒音節數上大約差四分之一，而兩種語言各自「中間一半」的影片跨度都比這更大。變化大得多的，是從初級教材跨到其他所有東西的那一步。一旦離開 A1，影片不會因為等級往下而變慢：A2 影片跟 C1 影片差不多快。實際可行的做法是：先從停頓長、句子短的影片開始，然後依主題和講者挑影片，而不是等一個「大家說得比較慢」的等級。

想試試看的話，西班牙語、葡萄牙語、法語、英語和日語頁面都依等級列出母語影片，附的逐字字幕跟本頁影片一樣。語速只占聽力難度的一半。另一半是詞彙和文法，我在看懂母語影片需要多少單字裡測量過。另外，Christian Lauer 的初學者指南談的是最初幾個月，也就是你需要先建立基本理解力的那段時間。

我們怎麼測的

影片樣本

所有影片在 2026 年 9 月 29 日都在 Reelang 資料庫中：公開顯示、有語音、屬於母語內容而非語言課程、非配音、單一語言，且未被真人審稿者評為不可用。幾乎全部來自 YouTube。我從這 230,754 支影片中，依語言、方言和 CEFR 等級做分層抽樣：每組最多 60 支，以固定雜湊挑選，讓樣本可以重建。每支影片取前 30 個句子。歌曲依人工標註移除（抽樣中有 1,617 支），同一頻道在同一組中最多貢獻 3 支影片。接著每支影片依其組別在資料庫中的規模加權，讓數字描述的是整個資料庫，而不是樣本。所有數值都是加權中位數，並以第 25 和第 75 百分位作為「中間一半」。信賴區間來自 300 次自助重抽。

哪些語言有排名

一種語言在資料庫中至少要有 150 支影片和 40 個頻道，且經過所有篩選後還剩至少 75 支影片。44 種語言通過。世界語數字上通過，但被排除，因為它幾乎沒有母語者。方言則需要資料庫中至少 100 支影片、20 個頻道，以及 60 支已測量影片。

每秒音節數

每個句子我取第一個詞開始的時間和最後一個詞開始的時間，再把除了最後一個詞以外所有詞的音節數，除以這段時間。詞的開始時間是所有轉寫來源中唯一準確的時間資訊；結束時間在部分引擎裡是部分估算的。每支影片會把所有句子的音節數與時間長度加總。一支影片至少要有 5 個可用句子和 10 秒的語音。這段時間包含句內短停頓，但不含句與句之間的空檔。每分鐘字數使用同一段時間。

音節怎麼算

音節由文字推算，依照每個詞的一般發音：

• 包含英語、西班牙語、法語、德語、義大利語、葡萄牙語、俄語、土耳其語和印度諸語在內的 30 種語言，每個詞都經過發音引擎 espeak-ng，每個母音或成音節輔音算一個音節。
• 克羅埃西亞語、塞爾維亞語、波士尼亞語、馬其頓語、捷克語和斯洛伐克語，使用包含成音節 r 和 l 的字母規則（Hrvatska 有三個音節）。他加祿語計算母音字母。
• 華語每個漢字算一個音節，韓語每個諺文字塊算一個，越南語每個書寫音節算一個。
• 日語先用 pykakasi 轉成假名，再分別以音節和音拍計算。
• 泰語使用 PyThaiNLP 的詞典式音節切分，會略為低估。
• 阿拉伯語和希伯來語不書寫短母音，所以音節由字母數和詞數，透過各自以 25 個手動計數句子擬合的公式估算（每句誤差約 9% 和 12%，整體低於 1%），並在人工驗證過的資料集上進行。

含有數字的句子一律排除，因為數字在各語言的讀法不同。在 12 種語言的 102 個隨機句子中，自動計數有 98 句與手動計數完全一致，總數也相同（各 1,267 個音節）。手動計數時可以看到自動計數結果，所以這是一次核對，不是盲測。阿拉伯語、希伯來語、波斯語和泰語標示為估計值。

逐字稿

逐字稿由機器產生，共三個引擎。在同一頻道的影片上，其中一個引擎給出的速度比其他引擎約高每秒 0.18 個音節（3%）。部分資料由 Reelang 平台上的學習者人工驗證（4.3%），其餘以自動語音辨識為基礎。華語是以單一引擎的 293 支影片測量。

停頓

平均語流長度和發聲比例需要每個詞的結束時間，而其中兩個語音模式分析引擎用相同方式估算。這兩項指標我只使用這兩個引擎的影片，而且不會拿來跨語言比較那些以字或字串為詞單位的語言。

這份樣本不是什麼

這個資料庫是為語言學習者挑選的。它偏向短、口齒清楚、題材大眾的影片：短劇、vlog、料理、知識解說。它不是一般人說話方式的隨機樣本。計算單位是影片，不是講者，因為逐字稿無法可靠地分辨不同講者。音節由文字計算，所以當講者說得快、吞掉一個音節而逐字稿仍保留它時，這支影片還是會算進去，因此快的影片可能被稍微高估。CEFR 等級是模型讀逐字稿後給出的判斷。

歡迎使用這份資料

本頁的圖表和數字，歡迎用在文章、教材和研究中。請連結到本頁作為出處。

音節／秒：中位數影片的每秒說話音節數。中間一半的影片：第 25 到第 75 百分位。詞／分：中位數影片，其中「詞」指逐字稿怎麼分隔（華語是一個字），所以這一欄不能跨語言比較。影片數、小時和頻道數：資料庫中的母語影片。已測量：用來計算速度的樣本影片數。* 音節為估計值（阿拉伯語和希伯來語用字母公式，波斯語和泰語有已知的小幅低估）。

參考資料

• 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、免費全文
• 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、公開典藏版
• 工具：espeak-ng 1.52、pykakasi、PyThaiNLP。