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，最快的語言大約是每秒 6 個音節：坦米爾語（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，排序差距仍在誤差範圍內。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約四分之一。

我用 Reelang 資料庫裡 230,754 段影片（9,850 小時，約 41,000 個頻道）抽樣，測了 44 種語言、16,293 段 YouTube 母語影片。多數已發表的語速數據，來自受試者在實驗室裡朗讀句子。這裡的素材則是 vlog、短劇、食譜、知識型影片和新聞片段，也就是學習者真正會碰到的說話方式。

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。

九種語言並列最快

圖表裡每一根長條，代表該語言的中位數影片。穿過長條的細線是中間一半的影片範圍，從第 25 到第 75 百分位。點一下或把游標移到語言上，就能看到樣本數。

前九名彼此相差不到每秒 0.3 個音節，信賴區間也互相重疊。坦米爾語的中位數在 6.04 到 6.49 之間（95% 信賴水準），西班牙語在 5.82 到 6.02 之間。所以圖表上方該讀成「一群快的語言」，不是名次。下方也一樣：挪威語、德語、瑞典語、他加祿語、白俄羅斯語和英語都落在 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，比多數語言之間的落差還大。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。你聽到的是哪位講者，比他說哪種語言更重要。

日語要補一句。日語母語者和老師通常是算拍（morae），不是算音節。Tōkyō 是兩個音節（tō-kyō），卻是四拍（to-o-kyo-o）。我算的是音節，和下面那份實驗室研究一樣，這樣日語才能和其他語言比較。若改以拍計算，日語中位數影片是每秒 7.45 拍，中間一半的影片落在 6.04 到 8.95。

下面這段高中短劇屬於日語裡偏快的一端：學生用關西腔替自己遲到找藉口，語速是每秒 7.84 個音節。以下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。

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、越南語和泰語跳到前面，分別是每分鐘 303、253 和 232 字。坎那達語（122）、韓語（132）、坦米爾語（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「一個字」在每種語言裡根本不是同一回事。華語逐字稿裡，每個漢字算一個字，而一個字就是一個音節。韓語的「字」是兩個空格之間的所有東西，通常是一個詞加上它的助詞。坦米爾語或土耳其語的一個字，常常帶好幾個詞尾。所以中位數的英語單字有 1.31 個音節，坦米爾語則是 2.65。在這些影片裡，英語講者每分鐘說 210 字、坦米爾語講者 137 字，但坦米爾語講者說出的音節比較多。每分鐘字數拿來比較同一語言的兩段影片沒問題。跨語言比較時，它量的主要是詞有多長。

音節是最接近共同單位的東西，但它在各語言裡承載的訊息量也不一樣。在一份知名的實驗室研究裡，Pellegrino、Coupé 與 Marsico（2011）發現，每個音節裝的資訊愈少的語言，每秒說出的音節就愈多。日語和西班牙語快、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其實差不多，大約每秒 39 位元（Coupé 等人，2019）。我的排名也符合這個模式：日語在最上面，越南語在最下面，華語在後半段。

和實驗室數據對照

Pellegrino、Coupé 與 Marsico 錄了七種語言、59 位講者，每人朗讀同樣的 20 篇短文（翻譯成各自語言），並以越南語譯本當作基準。他們在刪掉所有長於 150 毫秒的停頓後，計算每秒音節數。他們表格裡的八種語言，我的資料全都有：

影片的數值是實驗室的 71% 到 86%，華語是例外。順序大致相似：這 8 種語言裡，兩欄的等級相關係數是 0.76。落差多半來自計時方式。實驗室刪掉了所有超過 150 毫秒的停頓。我只跳過句子之間的空檔，所以句子裡的短暫停頓、那些「呃」以及笑點前的換氣，都算進說話時間。真實說話裡這些東西很多。

法語的落差最大。實驗室是依「仔細說話時的發音」來數音節，而法語在這種唸法下會保留一些日常說話會省掉的 e。我是依法語母語者平常的說法來算：petite 是兩個音節，不是三個。華語是另一個異常值。它的影片全來自同一套逐字稿引擎（見方法說明），這套引擎在同樣的頻道上，測出的語速比其他引擎快約 3%。這只能解釋一部分落差，剩下的我沒有好的解釋。

初學者影片比較慢，之後語速就不再變了

資料庫裡每段影片都有 CEFR 等級（A1 到 C2）。等級由模型讀逐字稿判定，有時由真人審稿修正。模型看不到時間資訊，所以等級和語速是兩項獨立的測量。

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。

被評為 A1 的影片明顯比較慢。在 A1 影片數量足夠的 17 種語言裡，A1 中位數影片的語速是 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，語速幾乎不變。跨語言來看，這四個等級裡最快和最慢的差距，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 影片有不少新聞、講座和知識型內容，資訊密但語氣平穩。

所以在 A1 之上，等級愈高代表詞彙和文法愈難，不代表說得更快。下面兩段西班牙語影片就能看出差別。先是一段評為 A1 的哥倫比亞影片：句子短、句間有停頓，以下片段每秒 4.73 個音節。接著是一對河床西班牙語的情侶為了一份甜點吵架，因為用詞簡單被評為 A2，語速卻是 7.69。

說得快的人，停頓比較少

語速有兩個部分：講詞的速度，以及停下來的頻率。第二部分我用逐字稿的詞語時間點算出兩個數字。平均語流長度是兩次停頓之間的平均詞數，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）。發聲比則是真正在說話的時間佔比。

在同一種語言裡，快的影片語流比較長。影片的每秒音節數和平均語流長度之間，等級相關係數是 0.82（34 種語言的中位數），和發聲比則是 0.66。這有一部分是測量本身造成的，因為我的計時把句子裡的短停頓算進去，所以請把它當成單純的描述：快的影片停得少。

初學者影片差最多的地方就在停頓。西班牙語 A1 影片的音節速度只比 B1 慢 10%，但語流短很多：A1 停頓之間 5.6 個詞，B1 是 9.6。英語是 4.0 對 10.8，德語 3.6 對 8.9。英語 A1 講者只有 41% 的時間在說話，B1 講者是 79%。對學習者來說，那段靜默就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」。乘上每個詞的音節數之後，四者都落在每段語流大約 13 到 16 個音節。

方言：差異真的存在，但沒有傳聞中那麼大

只要某個方言有至少 60 段可測影片，我就單獨列出。為了公平比較，這些中位數已調整成和整體語言相同的等級分布，所以 A1 影片特別多的方言，不會因此看起來比較慢。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點：西班牙、河床和墨西哥影片都在每分鐘 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

巴西葡萄牙語每秒 6.06 個音節，歐洲葡萄牙語 5.56。歐洲葡萄牙語素有「快又難聽懂」的名聲，但以每秒音節數來看，它在這裡反而比較慢。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省掉，詞聽起來就像被壓縮了。我的計算是從書面文字出發，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 段影片），信賴區間和巴西的重疊。

下面兩段旁白，一段在講手機保護貼怎麼貼，一段是食譜，依我的計算速度相近：巴西那段每秒 6.12 個音節，歐洲那段 6.39。你可以聽聽看各自能聽到幾個母音。

法語

法國的影片是 5.29，魁北克的影片是 4.90，兩者的信賴區間沒有重疊。

日語

關西腔一向被說講得快。原始數字似乎也這麼顯示（6.28 對標準日語的 6.16），但把等級分布調成一致之後，關西是 6.13，標準日語是 6.21。所以原始差異來自關西腔影片被評在哪些等級，不是方言本身，而且兩邊的信賴區間都很寬（5.77 到 6.81，以及 5.64 到 6.86）。

阿拉伯語

埃及阿拉伯語是最快的變體，每秒 6.12 個音節，領先摩洛哥（5.68）、現代標準阿拉伯語（5.56）、黎凡特（5.53）和海灣阿拉伯語（5.37）。突尼西亞最慢，4.66。阿拉伯語的音節數是估計值，因為短母音不寫出來（見方法說明），也需要真人驗證。

德語

標準德語 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。奈及利亞英語較慢，4.30。中國大陸華語 5.27，台灣華語 4.80，後者樣本較小，只有 65 段影片。

如果你正在學語言，這代表什麼

語言之間的差異是真的，但不大。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，而兩種語言裡中間一半影片的範圍都比這個差距還寬。變化大得多的，是從初學者教材跨到其他所有內容的那一步。離開 A1 之後，影片不會因為等級往下而變慢：A2 影片和 C1 影片差不多快。實際的做法是，先從停頓長、句子短的影片開始，之後依主題和講者挑影片，不要等某個「大家說話比較慢」的等級出現。

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，字幕和本頁影片一樣是逐字對應。語速只佔聽力難度的一半。另一半是詞彙和文法，我在要懂多少字才能看懂母語者的影片裡量過。另外，Christian Lauer 的初學者指南談的是最初幾個月，也就是你還在設法建立基本理解力的階段。至於要累積各等級的詞彙量需要看多少小時影片（涵蓋 12 種語言），請看學一種語言要花多久。

我們怎麼測的

影片來源

所有影片都是 2026 年 9 月 29 日當天在 Reelang 資料庫裡的：公開顯示、有說話、母語內容而非語言教學、非配音、單一語言，且未被真人審稿標為不可用。幾乎全部來自 YouTube。我從這 230,754 段影片中，依語言、方言和 CEFR 等級做分層抽樣：每組最多 60 段，以固定雜湊值挑選，讓樣本可以重建。每段影片取前 30 句。歌曲依人工標註移除（抽樣中有 1,617 段），同一頻道在同一組裡最多只能貢獻 3 段。接著依各組在資料庫中的規模為影片加權，所以這些數字描述的是整個資料庫，不是樣本。所有數值皆為加權中位數，並以第 25 和第 75 百分位當作「中間一半」。信賴區間來自 300 次自助重抽。

哪些語言有排名

一種語言在資料庫裡至少要有 150 段影片和 40 個頻道，經過所有篩選後至少還剩 75 段。有 44 種語言通過。世界語數字上有通過，但被排除，因為它幾乎沒有母語者。方言則需要資料庫裡至少 100 段影片、20 個頻道，以及 60 段可測影片。

每秒音節數

每一句我取第一個詞開始的時間和最後一個詞開始的時間，然後把除了最後一個詞以外所有詞的音節數，除以這段時距。詞的起始時間是所有逐字稿來源裡唯一準確的時間資訊；結束時間在部分引擎裡有一定成分是推估。以影片為單位，把所有句子的音節數和時距相加。一段影片至少要有 5 個可用句子和 10 秒的說話時間。時距包含句子內的短停頓，但不包含句子之間的空檔。每分鐘字數使用同一段時距。

音節怎麼數

音節是從文字來的，以每個詞的一般唸法為準：

• 30 種語言（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）的每個詞，都送進發音引擎 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，用包含成音節 r 和 l 的字母規則計算（Hrvatska 有三個音節）。他加祿語數母音字母。
• 華語每個漢字算一個音節，韓語每個諺文字塊算一個，越南語每個書面音節算一個。
• 日語用 pykakasi 轉成假名，再分別計算音節和拍。
• 泰語使用 PyThaiNLP 的字典式音節切分，會略為少算。
• 阿拉伯語和希伯來語不寫短母音，所以音節由字母數和詞數推估，公式各以 25 個手動計數的句子擬合（每句誤差約 9% 和 12%，整體低於 1%），並以真人驗證過的資料集為準。

含數字的句子被剔除，因為數字在各語言的唸法不同。在 12 種語言、102 個隨機句子上，自動計數有 98 句和手動計數完全相同，總數也相等（各 1,267 個音節）。手動計數時看得到自動計數結果，所以這是一次核對，不是盲測。阿拉伯語、希伯來語、波斯語和泰語標記為估計值。

逐字稿

逐字稿由三套引擎自動產生。在同一頻道的影片上，其中一套引擎算出的語速比其他兩套高約每秒 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準。華語是在單一引擎的 293 段影片上測量的。

停頓

平均語流長度和發聲比需要每個詞的結束時間，而三套引擎中有兩套的語音模式分析採用相同的推估方式。這兩項指標我只使用那兩套引擎的影片，也不會拿它們去跨語言比較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。它偏向短影片、口齒清楚、受眾廣：短劇、vlog、料理、知識型內容。它不是人們說話方式的隨機樣本。單位是影片，不是講者，因為逐字稿無法可靠區分不同講者。音節是從文字算的，所以當講者說得快、吞掉了逐字稿裡仍保留的音節時，那個音節照樣被算進去，快的影片可能略為高估。CEFR 等級則是模型讀逐字稿後的判定。

歡迎使用這些資料

本頁的圖表和數字，歡迎用於文章、教材和研究。請附上本頁連結作為來源。

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。字/分：中位數影片的每分鐘字數，「字」是逐字稿怎麼切就怎麼算（華語是一個漢字），所以這一欄不能跨語言比較。影片、小時、頻道：資料庫裡的母語影片。實測：用來計算語速的樣本影片數。* 音節數為估計值（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少算）。

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 資料庫
• 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。