I 10.446 YouTube-videoer i SozAI’s transskriptionsbibliotek sagde engelsktalende i median 168 ord pr. minut tale, og halvdelen af de engelske videoer lå mellem 147 og 192. Spansk og russisk landede begge på 139, fransk på 165, tysk på 130 og portugisisk på 149. Vi målte 14 sprog ud fra tidsstemplerne i hver videos egne undertekster. Vi udelod musik og reklamer samt dubbede spor og alle transskriptioner, hvis undertekstertekst ikke holdt.
Målt 31. oktober 2026. Metodeversion 1.1. 10.446 videoer, omkring 6.880 timers tale. Kilde: det offentlige transskriptionsbibliotek på sozai.app.
Hovedtal
| Mål | Værdi |
|---|---|
| Offentliggjorte sprog | 14, hvert med mindst 100 videoer |
| Målte videoer | 10.446 |
| Målt tale | omkring 6.880 timer |
| Engelsk, median | 168 ord pr. minut |
| Engelsk, den midterste halvdel af videoerne | 147 til 192 ord pr. minut |
| Engelske foredrag og taler, median | 147 ord pr. minut (56 videoer) |
| Tjekket mod YouTubes egne undertekster | 106 videoer, median for forholdet mellem ordtal 0,99 |
Taletempo pr. sprog
Hver video giver ét tempo: ord divideret med minutter tale. Medianen er sprogets midterste video. Den midterste halvdel er intervallet fra 25. til 75. percentil, så halvdelen af videoerne ligger inden for det. Den sidste kolonne er det 95 %-bootstrapinterval for medianen, som viser, hvor meget selve medianen kunne flytte sig med en anden stikprøve af samme størrelse.
| Sprog | Videoer | Median, ord pr. minut | Midterste halvdel | 95 %-interval for medianen |
|---|---|---|---|---|
| Engelsk | 3.692 | 168 | 147 til 192 | 167 til 170 |
| Russisk | 2.884 | 139 | 122 til 155 | 138 til 140 |
| Polsk | 634 | 128 | 118 til 140 | 127 til 130 |
| Arabisk | 612 | 123 | 104 til 143 | 120 til 125 |
| Hindi | 430 | 181 | 158 til 207 | 177 til 188 |
| Spansk | 382 | 139 | 121 til 164 | 135 til 143 |
| Fransk | 377 | 165 | 137 til 203 | 161 til 168 |
| Ukrainsk | 349 | 121 | 103 til 135 | 118 til 124 |
| Indonesisk | 347 | 129 | 115 til 145 | 127 til 133 |
| Koreansk | 200 | 112 | 97 til 127 | 108 til 115 |
| Tysk | 166 | 130 | 107 til 170 | 124 til 137 |
| Portugisisk | 160 | 149 | 135 til 170 | 145 til 155 |
| Hebraisk | 107 | 138 | 120 til 156 | 131 til 144 |
| Bengali | 106 | 144 | 128 til 168 | 139 til 152 |
Sammenlign tallene inden for ét sprog, ikke på tværs af sprog. Et ord er her det, der står mellem to mellemrum, og sprog pakker tale ind i ord på forskellig måde. Koreansk skriver et navneord og dets partikel som ét ord, så tallet er lavt (112). Hindi skriver mange korte grammatiske ord for sig, så tallet er højt (181). Ingen af tallene siger, at koreanere taler langsommere eller hindi-talende hurtigere end andre.
Sprog, vi har udeladt
Et sprog optræder kun, når mindst 100 af dets videoer består alle tjek. Disse gjorde ikke: japansk 95, italiensk 93, kinesisk 87, tyrkisk 33, vietnamesisk 32, hollandsk 23, thai 23, svensk 22, persisk 22. Sprog med under 20 målte videoer er ikke opført. Japansk, kinesisk og thai skrives uden mellemrum mellem ordene, så for dem tæller vi tegn pr. minut i stedet for ord. Mange japanske og kinesiske transskriptioner faldt igennem ved de teksttjek, der er beskrevet nedenfor, og derfor var der så få tilbage.
Efter type video
Vi sorterede videoerne i typer efter ord i titlen og kanalnavnet: interview, podcast, forelæsning, lektion, TED, keynote, “sådan gør du” og deres modstykker på de andre sprog. 1.612 af de 10.446 videoer passede til en type. I en stikprøve på 100 sorterede titler var omkring 9 ud af 10 i den rigtige type. For at sammenligne typer på tværs af sprog divideres hver videos tempo med medianen for dets eget sprog, så 1,07 betyder 7 % hurtigere end sædvanligt for det sprog.
| Type | Videoer | Sammenlignet med sprogets median | Midterste halvdel |
|---|---|---|---|
| Sådan gør du og gode råd | 442 | 7 % hurtigere (1,07) | 0,89 til 1,23 |
| Forelæsning, lektion eller kursus | 421 | 2 % langsommere (0,98) | 0,81 til 1,13 |
| Podcast | 187 | 4 % hurtigere (1,04) | 0,89 til 1,16 |
| Foredrag eller tale | 125 | 6 % langsommere (0,94) | 0,83 til 1,07 |
| Interview | 109 | 1 % langsommere (0,99) | 0,93 til 1,11 |
Forskellene mellem typerne er små sammenlignet med spredningen inden for hver type. Foredrag og taler er langsomst. Sådan-gør-du-videoer og videoer med gode råd er hurtigst, og mange af dem er manuskriptbaserede og klippet stramt. Fem typer til havde hver under 100 videoer og er ikke vist: nyheder, lydbøger, prædikener, gaming og drama.
Engelsk efter type
| Type | Videoer | Median, ord pr. minut | Midterste halvdel |
|---|---|---|---|
| Sådan gør du og gode råd | 282 | 184 | 159 til 211 |
| Podcast | 69 | 178 | 156 til 192 |
| Forelæsning, lektion eller kursus | 92 | 177 | 147 til 203 |
| Interview | 55 | 166 | 143 til 187 |
| Foredrag eller tale | 56 | 147 | 131 til 176 |
Engelske foredrag og taler lå på en median på 147 ord pr. minut, 21 under medianen for engelsk YouTube som helhed. Hvis du tidsbestemmer en tale, du skal holde for et publikum, er det det nærmeste tal. På russisk lå forelæsninger og lektioner på 124 ord pr. minut (131 videoer) mod en russisk median på 139.
Efter emne
Transskriptioner oprettet til og med 30. juli 2026 har en af 20 emnemærkater, og 3.860 af de målte videoer har en. Skalaen er den samme som for typerne. Emner med under 100 videoer er ikke vist.
| Emne | Videoer | Sammenlignet med sprogets median | Midterste halvdel |
|---|---|---|---|
| Videnskab og uddannelse | 735 | 7 % langsommere (0,93) | 0,80 til 1,02 |
| Erhverv og startups | 430 | 9 % hurtigere (1,09) | 0,98 til 1,22 |
| Psykologi og selvudvikling | 375 | 4 % langsommere (0,96) | 0,86 til 1,07 |
| Teknologi og AI | 323 | 1 % hurtigere (1,01) | 0,89 til 1,15 |
| Softwarevejledninger | 243 | 1 % hurtigere (1,01) | 0,87 til 1,19 |
| Penge og investering | 236 | 9 % hurtigere (1,09) | 0,96 til 1,16 |
| Sundhed og fitness | 235 | 2 % langsommere (0,98) | 0,87 til 1,11 |
| Nyheder og politik | 224 | 1 % langsommere (0,99) | 0,91 til 1,08 |
| Religion og spiritualitet | 172 | 7 % langsommere (0,93) | 0,83 til 1,04 |
| Gaming | 148 | 2 % langsommere (0,98) | 0,83 til 1,12 |
| Samfund og kultur | 117 | 1 % langsommere (0,99) | 0,89 til 1,12 |
| Film og tv | 109 | 5 % langsommere (0,95) | 0,78 til 1,13 |
| Livsstil | 100 | 2 % hurtigere (1,02) | 0,87 til 1,15 |
Erhvervs- og pengevideoer lå 9 % hurtigere end deres sprogs median. Videnskab og uddannelse samt religion lå 7 % langsommere.
Sådan har vi målt
- Kilde. Hver offentliggjort transskription på sozai.app kl. 10:55 UTC den 31. oktober 2026: 29.514 opslag. Hver blev bygget ud fra de undertekster, YouTube viser til videoen, og beholder deres tidsstempler. Vi læste databasen med skrivebeskyttede forespørgsler og læste ingen personoplysninger.
- Sprog er sproget i det underteksterspor, transskriptionen blev bygget ud fra.
- Ord er de enheder mellem mellemrum, der indeholder et bogstav eller et ciffer, efter at lydmærker som [Music] og [Applause] er fjernet. For japansk, kinesisk og thai tæller vi bogstaver og cifre i stedet.
- Taletid. Underteksterne er gemt som segmenter på omkring 40 ord, hver med et start- og et sluttidspunkt. Taletiden er den tid, segmenterne dækker. Et segment, der går med under halvdelen af den almindelige fart i sin egen video, rummer en lang pause, musik eller et klip, så vi fjerner dets ord og dets tid sammen.
- Tempo er ord divideret med taletid, ét tal pr. video. Tabellerne viser medianen over videoer, så et tre timer langt foredrag tæller lige så meget som et klip på fem minutter.
- Minimum. Mindst 2 minutters tale pr. video, 100 videoer for et sprog, 100 for en type eller et emne og 50 for én type inden for ét sprog.
Det, vi har udeladt
| Årsag | Transskriptioner |
|---|---|
| Ikke bygget ud fra tidsstemplede undertekster: ældre transskriptioner, hvis tidsstempler en model har anslået, eller ingen kilde registreret | 5.176 |
| Musik, sange, recitation, ASMR (emnemærkat, ord i titlen eller [Music]-mærker i underteksterne) | 4.465 |
| Oprettet efter 20. oktober 2026, 13:56 UTC (se grænserne nedenfor) | 2.274 |
| Tegnsætningstrinnet flyttede eller gentog linjer (et segment på over 100 ord) | 2.262 |
| Kortere end 2 minutter, som video eller i målt tale | 1.447 |
| Underteksternes sprog passer ikke til titlen: sandsynligvis et dubbet eller oversat spor | 1.070 |
| Manglende undertekstlinjer (mere end 15 % af segmenterne rummer under 15 ord) | 941 |
| Ufuldstændige poster: ingen titel eller intet sprog, eller under 5 segmenter | 508 |
| Japansk, kinesisk og thai tekst forkortet af tegnsætningstrinnet | 227 |
| Tung på stilhed eller musik (mere end 30 % af underteksttiden under halvdelen af videoens fart) | 85 |
| Trailere og reklamer | 30 |
| Afvigere (mere end tre interkvartilafstande uden for sprogets midterste halvdel) | 12 |
| Udeladt i alt | 18.497 |
Det efterlader 11.017 målte videoer, hvoraf 10.446 er i de 14 offentliggjorte sprog. To indstillinger afgør mest: pausegrænsen (halvdelen af videoens sædvanlige fart) og afvigergrænsen. Flyttes grænsen til 0,4 eller 0,6, ændrer det ingen sprogs median med mere end 2 ord pr. minut, og fjernes afvigergrænsen, ændrer det ingen.
Tjekket mod YouTube
Den 31. oktober 2026 valgte vi 112 målte videoer tilfældigt, 8 pr. sprog, og downloadede YouTubes egne automatiske undertekster til hver. 6 videoer havde ikke længere det spor. For de øvrige 106:
| Tjek | Resultat |
|---|---|
| Vores ordtal divideret med YouTubes, median | 0,99 |
| Videoer inden for 10 % af YouTubes ordtal | 92 % |
| Videoer, hvis tempo er inden for 10 % af tempoet fra YouTubes spor | 97 af 106 |
| Median forskel i tempo | −0,4 % |
Reglerne ovenfor var fastlagt før dette tjek. Et tidligere tjek på en anden stikprøve er sådan, vi fandt to af dem: videoer med mange korte undertekstsegmenter havde mistet en tredjedel eller mere af deres ord, og segmenter på over 100 ord rummede gentagen tekst.
Grænser
- Det er YouTube-videoer. Mange er manuskriptbaserede og klippede, og klipning skærer pauser væk, så de går hurtigere end ikke-manuskriptbaseret tale i et lokale.
- Stikprøven er det, besøgende har bedt os transskribere, ikke et tilfældigt udtræk fra YouTube. Engelsk og russisk udgør 63 % af de målte videoer.
- Automatiske undertekster misser ord i støj og når flere taler i munden på hinanden, og hvert misset ord sænker tempoet en smule.
- Vi kan ikke se forskel på automatiske undertekster og undertekster, et menneske har skrevet, og begge er med i stikprøven.
- Mange videoer har mere end én taler. Tempoet tilhører videoen, ikke en enkelt person.
- Transskriptioner oprettet fra og med 20. oktober 2026, 13:56 UTC, er ikke med i denne udgave. Den dag blev det trin, der sætter tegnsætning på undertekster, ændret, og i mange af de nyere transskriptioner gentog eller droppede det linjer, så vi udelod hele perioden.
Brug tallene
Taletidsberegneren og teleprompteren starter fra medianen for din sides sprog, hvor vi har en, og du kan ændre tempoet. Ordtælleren bruger den samme median til sin taletid.
