In 10.446 YouTube-Videos der SozAI-Transkriptbibliothek sprachen Englischsprachige im Median 168 Wörter pro Minute Sprechzeit, und die Hälfte der englischen Videos lag zwischen 147 und 192. Spanisch und Russisch kamen beide auf 139, Französisch auf 165, Deutsch auf 130 und Portugiesisch auf 149. Wir haben 14 Sprachen gemessen, anhand der Zeitstempel der eigenen Untertitel jedes Videos. Musik und Werbung haben wir ausgelassen, ebenso synchronisierte Tonspuren und jedes Transkript, dessen Untertiteltext die Prüfungen nicht bestand.
Gemessen am 31. Oktober 2026. Methodenversion 1.1. 10.446 Videos, etwa 6.880 Stunden Sprache. Quelle: die öffentliche Transkriptbibliothek auf sozai.app.
Das Wichtigste in Kürze
| Messgröße | Wert |
|---|---|
| Veröffentlichte Sprachen | 14, jede mit mindestens 100 Videos |
| Gemessene Videos | 10.446 |
| Gemessene Sprache | etwa 6.880 Stunden |
| Englisch, Median | 168 Wörter pro Minute |
| Englisch, mittlere Hälfte der Videos | 147 bis 192 Wörter pro Minute |
| Englische Vorträge und Reden, Median | 147 Wörter pro Minute (56 Videos) |
| Abgleich mit den eigenen Untertiteln von YouTube | 106 Videos, mediane Wortzahl-Quote 0,99 |
Sprechgeschwindigkeit nach Sprache
Jedes Video ergibt eine Rate: Wörter geteilt durch Minuten Sprache. Der Median ist das mittlere Video der Sprache. Die mittlere Hälfte ist der Bereich vom 25. bis zum 75. Perzentil, in dem also die Hälfte der Videos liegt. Die letzte Spalte ist das 95-%-Bootstrap-Intervall des Medians; es zeigt, wie stark sich der Median selbst bei einer anderen Stichprobe derselben Größe verschieben könnte.
| Sprache | Videos | Median, Wörter pro Minute | Mittlere Hälfte | 95-%-Intervall des Medians |
|---|---|---|---|---|
| Englisch | 3.692 | 168 | 147 bis 192 | 167 bis 170 |
| Russisch | 2.884 | 139 | 122 bis 155 | 138 bis 140 |
| Polnisch | 634 | 128 | 118 bis 140 | 127 bis 130 |
| Arabisch | 612 | 123 | 104 bis 143 | 120 bis 125 |
| Hindi | 430 | 181 | 158 bis 207 | 177 bis 188 |
| Spanisch | 382 | 139 | 121 bis 164 | 135 bis 143 |
| Französisch | 377 | 165 | 137 bis 203 | 161 bis 168 |
| Ukrainisch | 349 | 121 | 103 bis 135 | 118 bis 124 |
| Indonesisch | 347 | 129 | 115 bis 145 | 127 bis 133 |
| Koreanisch | 200 | 112 | 97 bis 127 | 108 bis 115 |
| Deutsch | 166 | 130 | 107 bis 170 | 124 bis 137 |
| Portugiesisch | 160 | 149 | 135 bis 170 | 145 bis 155 |
| Hebräisch | 107 | 138 | 120 bis 156 | 131 bis 144 |
| Bengalisch | 106 | 144 | 128 bis 168 | 139 bis 152 |
Vergleiche die Zahlen innerhalb einer Sprache, nicht zwischen Sprachen. Ein Wort ist hier alles, was zwischen zwei Leerzeichen steht, und Sprachen packen Gesprochenes unterschiedlich in Wörter. Das Koreanische schreibt ein Nomen und seine Partikel als ein Wort, deshalb ist seine Zahl niedrig (112). Das Hindi schreibt viele kurze grammatische Wörter getrennt, deshalb ist seine Zahl hoch (181). Keine der beiden Zahlen sagt, dass Koreanischsprechende langsamer oder Hindisprechende schneller sprechen als andere.
Sprachen, die wir ausgelassen haben
Eine Sprache erscheint nur, wenn mindestens 100 ihrer Videos alle Prüfungen bestehen. Diese taten es nicht: Japanisch 95, Italienisch 93, Chinesisch 87, Türkisch 33, Vietnamesisch 32, Niederländisch 23, Thai 23, Schwedisch 22, Persisch 22. Sprachen mit weniger als 20 gemessenen Videos sind nicht aufgeführt. Japanisch, Chinesisch und Thai werden ohne Leerzeichen zwischen den Wörtern geschrieben, deshalb zählen wir dort Zeichen pro Minute statt Wörter. Viele japanische und chinesische Transkripte fielen durch die unten beschriebenen Textprüfungen, weshalb so wenige übrig blieben.
Nach Art des Videos
Wir haben die Videos nach Wörtern im Titel und im Kanalnamen in Typen eingeteilt: Interview, Podcast, Vorlesung, Lektion, TED, Keynote, „How to“ und ihre Entsprechungen in den anderen Sprachen. 1.612 der 10.446 Videos passten zu einem Typ. In einer Stichprobe von 100 eingeordneten Titeln lagen etwa 9 von 10 im richtigen Typ. Um Typen über Sprachen hinweg zu vergleichen, wird die Rate jedes Videos durch den Median seiner eigenen Sprache geteilt; 1,07 bedeutet also 7 % schneller als für diese Sprache üblich.
| Typ | Videos | Im Vergleich zum Median der Sprache | Mittlere Hälfte |
|---|---|---|---|
| Anleitung und Ratgeber | 442 | 7 % schneller (1,07) | 0,89 bis 1,23 |
| Vorlesung, Lektion oder Kurs | 421 | 2 % langsamer (0,98) | 0,81 bis 1,13 |
| Podcast | 187 | 4 % schneller (1,04) | 0,89 bis 1,16 |
| Vortrag oder Rede | 125 | 6 % langsamer (0,94) | 0,83 bis 1,07 |
| Interview | 109 | 1 % langsamer (0,99) | 0,93 bis 1,11 |
Die Unterschiede zwischen den Typen sind klein im Vergleich zur Streuung innerhalb jedes Typs. Vorträge und Reden sind am langsamsten. Anleitungs- und Ratgebervideos sind am schnellsten, und viele von ihnen sind geskriptet und eng geschnitten. Fünf weitere Typen hatten jeweils weniger als 100 Videos und sind nicht aufgeführt: Nachrichten, Hörbücher, Predigten, Gaming und Drama.
Englisch nach Typ
| Typ | Videos | Median, Wörter pro Minute | Mittlere Hälfte |
|---|---|---|---|
| Anleitung und Ratgeber | 282 | 184 | 159 bis 211 |
| Podcast | 69 | 178 | 156 bis 192 |
| Vorlesung, Lektion oder Kurs | 92 | 177 | 147 bis 203 |
| Interview | 55 | 166 | 143 bis 187 |
| Vortrag oder Rede | 56 | 147 | 131 bis 176 |
Englische Vorträge und Reden liefen im Median mit 147 Wörtern pro Minute, 21 unter dem Median von YouTube auf Englisch insgesamt. Wenn du eine Rede vor Publikum zeitlich planst, ist das die näherliegende Zahl. Auf Russisch liefen Vorlesungen und Lektionen mit 124 Wörtern pro Minute (131 Videos), gegenüber einem russischen Median von 139.
Nach Thema
Transkripte, die bis zum 30. Juli 2026 erstellt wurden, tragen eines von 20 Themenlabels, und 3.860 der gemessenen Videos haben eines. Die Skala ist dieselbe wie bei den Typen. Themen mit weniger als 100 Videos sind nicht aufgeführt.
| Thema | Videos | Im Vergleich zum Median der Sprache | Mittlere Hälfte |
|---|---|---|---|
| Wissenschaft und Bildung | 735 | 7 % langsamer (0,93) | 0,80 bis 1,02 |
| Business und Start-ups | 430 | 9 % schneller (1,09) | 0,98 bis 1,22 |
| Psychologie und Selbstentwicklung | 375 | 4 % langsamer (0,96) | 0,86 bis 1,07 |
| Technik und KI | 323 | 1 % schneller (1,01) | 0,89 bis 1,15 |
| Software-Anleitungen | 243 | 1 % schneller (1,01) | 0,87 bis 1,19 |
| Geld und Investieren | 236 | 9 % schneller (1,09) | 0,96 bis 1,16 |
| Gesundheit und Fitness | 235 | 2 % langsamer (0,98) | 0,87 bis 1,11 |
| Nachrichten und Politik | 224 | 1 % langsamer (0,99) | 0,91 bis 1,08 |
| Religion und Spiritualität | 172 | 7 % langsamer (0,93) | 0,83 bis 1,04 |
| Gaming | 148 | 2 % langsamer (0,98) | 0,83 bis 1,12 |
| Gesellschaft und Kultur | 117 | 1 % langsamer (0,99) | 0,89 bis 1,12 |
| Film und TV | 109 | 5 % langsamer (0,95) | 0,78 bis 1,13 |
| Lifestyle | 100 | 2 % schneller (1,02) | 0,87 bis 1,15 |
Videos zu Business und Geld liefen 9 % schneller als der Median ihrer Sprache. Wissenschaft und Bildung sowie Religion liefen 7 % langsamer.
So haben wir gemessen
- Quelle. Jedes veröffentlichte Transkript auf sozai.app am 31. Oktober 2026 um 10:55 UTC: 29.514 Beiträge. Jedes wurde aus den Untertiteln gebaut, die YouTube für das Video zeigt, und behält deren Zeitstempel. Wir haben die Datenbank mit reinen Leseabfragen gelesen und keine personenbezogenen Daten gelesen.
- Sprache ist die Sprache der Untertitelspur, aus der das Transkript gebaut wurde.
- Wörter sind die Einheiten zwischen Leerzeichen, die einen Buchstaben oder eine Ziffer enthalten, nachdem Geräuschmarken wie [Music] und [Applause] entfernt wurden. Für Japanisch, Chinesisch und Thai zählen wir stattdessen Buchstaben und Ziffern.
- Sprechzeit. Untertitel sind als Segmente von etwa 40 Wörtern gespeichert, jeweils mit Start- und Endzeit. Die Sprechzeit ist die Zeit, die diese Segmente abdecken. Ein Segment, das mit weniger als der Hälfte des üblichen Tempos seines eigenen Videos läuft, enthält eine lange Pause, Musik oder einen Schnitt; wir streichen deshalb seine Wörter und seine Zeit gemeinsam.
- Rate ist Wörter geteilt durch Sprechzeit, eine Zahl pro Video. Die Tabellen geben den Median über die Videos an, sodass ein dreistündiger Vortrag so viel zählt wie ein Clip von fünf Minuten.
- Mindestwerte. Mindestens 2 Minuten Sprache pro Video, 100 Videos für eine Sprache, 100 für einen Typ oder ein Thema und 50 für einen Typ innerhalb einer Sprache.
Was wir ausgelassen haben
| Grund | Transkripte |
|---|---|
| Nicht aus zeitgestempelten Untertiteln gebaut: ältere Transkripte, deren Zeitstempel ein Modell geschätzt hat, oder keine Quelle erfasst | 5.176 |
| Musik, Lieder, Rezitation, ASMR (Themenlabel, Titelwörter oder [Music]-Marken in den Untertiteln) | 4.465 |
| Erstellt nach dem 20. Oktober 2026, 13:56 UTC (siehe die Grenzen unten) | 2.274 |
| Der Interpunktionsschritt hat Zeilen verschoben oder wiederholt (ein Segment mit mehr als 100 Wörtern) | 2.262 |
| Kürzer als 2 Minuten, als Video oder in gemessener Sprache | 1.447 |
| Die Untertitelsprache passt nicht zum Titel: vermutlich eine synchronisierte oder übersetzte Spur | 1.070 |
| Fehlende Untertitel-Cues (mehr als 15 % der Segmente enthalten weniger als 15 Wörter) | 941 |
| Unvollständige Datensätze: kein Titel oder keine Sprache, oder weniger als 5 Segmente | 508 |
| Japanischer, chinesischer und thailändischer Text, der vom Interpunktionsschritt gekürzt wurde | 227 |
| Stille- oder musiklastig (mehr als 30 % der Untertitelzeit mit weniger als dem halben Tempo des Videos) | 85 |
| Trailer und Werbung | 30 |
| Ausreißer (mehr als drei Quartilsabstände außerhalb der mittleren Hälfte der Sprache) | 12 |
| Insgesamt ausgelassen | 18.497 |
Damit bleiben 11.017 gemessene Videos, von denen 10.446 in den 14 veröffentlichten Sprachen liegen. Zwei Einstellungen entscheiden am meisten: die Pausenuntergrenze (das halbe übliche Tempo des Videos) und die Ausreißergrenze. Wird die Untergrenze auf 0,4 oder 0,6 gesetzt, verschiebt sich kein Sprachmedian um mehr als 2 Wörter pro Minute, und ohne die Ausreißergrenze ändert sich keiner.
Abgleich mit YouTube
Am 31. Oktober 2026 haben wir 112 gemessene Videos zufällig ausgewählt, 8 pro Sprache, und für jedes die eigenen Untertitel der Spracherkennung von YouTube heruntergeladen. Bei 6 Videos gab es diese Spur nicht mehr. Für die anderen 106:
| Prüfung | Ergebnis |
|---|---|
| Unsere Wortzahl geteilt durch die von YouTube, Median | 0,99 |
| Videos innerhalb von 10 % der Wortzahl von YouTube | 92 % |
| Videos, deren Rate innerhalb von 10 % der Rate aus der Spur von YouTube liegt | 97 von 106 |
| Mediane Differenz der Rate | −0,4 % |
Die obigen Regeln standen vor dieser Prüfung fest. Eine frühere Prüfung an einer anderen Stichprobe hat uns zwei davon gezeigt: Videos mit vielen kurzen Untertitelsegmenten hatten ein Drittel oder mehr ihrer Wörter verloren, und Segmente mit mehr als 100 Wörtern enthielten wiederholten Text.
Grenzen
- Das sind YouTube-Videos. Viele sind geskriptet und geschnitten, und Schnitt entfernt Pausen, deshalb laufen sie schneller als ungeskriptetes Sprechen in einem Raum.
- Die Stichprobe besteht aus dem, was Besucher uns zum Transkribieren gegeben haben, nicht aus einer Zufallsauswahl von YouTube. Englisch und Russisch machen 63 % der gemessenen Videos aus.
- Automatische Untertitel verpassen Wörter bei Lärm und Durcheinanderreden, und jedes verpasste Wort senkt die Rate ein wenig.
- Wir können automatische Untertitel nicht von Untertiteln unterscheiden, die ein Mensch geschrieben hat, und beide sind in der Stichprobe.
- Viele Videos haben mehr als eine sprechende Person. Die Rate gehört zum Video, nicht zu einer einzelnen Person.
- Transkripte, die ab dem 20. Oktober 2026, 13:56 UTC, erstellt wurden, sind in dieser Ausgabe nicht enthalten. An diesem Tag änderte sich der Schritt, der den Untertiteln Interpunktion hinzufügt, und in vielen der neueren Transkripte wiederholte oder verlor er Zeilen, deshalb haben wir den ganzen Zeitraum ausgelassen.
Die Zahlen nutzen
Der Sprechzeit-Rechner und der Teleprompter starten mit dem Median der Sprache deiner Seite, wo wir einen haben, und du kannst die Rate ändern. Der Wortzähler nutzt denselben Median für seine Sprechzeit.
