En 10.446 vídeos de YouTube de la biblioteca de transcripciones de SozAI, los hablantes de inglés dijeron una mediana de 168 palabras por minuto de habla, y la mitad de los vídeos en inglés quedó entre 147 y 192. El español y el ruso salieron ambos en 139, el francés en 165, el alemán en 130 y el portugués en 149. Medimos 14 idiomas a partir de las marcas de tiempo de los propios subtítulos de cada vídeo. Dejamos fuera la música y los anuncios, y también las pistas dobladas y toda transcripción cuyo texto de subtítulos no resistió las comprobaciones.
Medido el 31 de octubre de 2026. Versión del método 1.1. 10.446 vídeos, unas 6.880 horas de habla. Fuente: la biblioteca pública de transcripciones de sozai.app.
Datos rápidos
| Medida | Valor |
|---|---|
| Idiomas publicados | 14, cada uno con al menos 100 vídeos |
| Vídeos medidos | 10.446 |
| Habla medida | unas 6.880 horas |
| Inglés, mediana | 168 palabras por minuto |
| Inglés, la mitad central de los vídeos | de 147 a 192 palabras por minuto |
| Charlas y discursos en inglés, mediana | 147 palabras por minuto (56 vídeos) |
| Comparado con los subtítulos de YouTube | 106 vídeos, cociente mediano de palabras 0,99 |
Velocidad del habla por idioma
Cada vídeo da una velocidad: palabras divididas entre minutos de habla. La mediana es el vídeo central del idioma. La mitad central es el intervalo entre el percentil 25 y el 75, de modo que la mitad de los vídeos cae dentro. La última columna es el intervalo bootstrap del 95 % de la mediana, que muestra cuánto podría moverse la propia mediana con otra muestra del mismo tamaño.
| Idioma | Vídeos | Mediana, palabras por minuto | Mitad central | Intervalo del 95 % de la mediana |
|---|---|---|---|---|
| Inglés | 3.692 | 168 | 147 a 192 | 167 a 170 |
| Ruso | 2.884 | 139 | 122 a 155 | 138 a 140 |
| Polaco | 634 | 128 | 118 a 140 | 127 a 130 |
| Árabe | 612 | 123 | 104 a 143 | 120 a 125 |
| Hindi | 430 | 181 | 158 a 207 | 177 a 188 |
| Español | 382 | 139 | 121 a 164 | 135 a 143 |
| Francés | 377 | 165 | 137 a 203 | 161 a 168 |
| Ucraniano | 349 | 121 | 103 a 135 | 118 a 124 |
| Indonesio | 347 | 129 | 115 a 145 | 127 a 133 |
| Coreano | 200 | 112 | 97 a 127 | 108 a 115 |
| Alemán | 166 | 130 | 107 a 170 | 124 a 137 |
| Portugués | 160 | 149 | 135 a 170 | 145 a 155 |
| Hebreo | 107 | 138 | 120 a 156 | 131 a 144 |
| Bengalí | 106 | 144 | 128 a 168 | 139 a 152 |
Compara las cifras dentro de un mismo idioma, no entre idiomas. Aquí una palabra es lo que queda entre dos espacios, y los idiomas empaquetan el habla en palabras de maneras distintas. El coreano escribe un sustantivo y su partícula como una sola palabra, así que su cifra es baja (112). El hindi escribe por separado muchas palabras gramaticales cortas, así que su cifra es alta (181). Ninguna de las dos cifras dice que los coreanos hablen más despacio o los hindúes más deprisa que el resto.
Idiomas que dejamos fuera
Un idioma aparece solo cuando al menos 100 de sus vídeos superan todas las comprobaciones. Estos no lo lograron: japonés 95, italiano 93, chino 87, turco 33, vietnamita 32, neerlandés 23, tailandés 23, sueco 22, persa 22. Los idiomas con menos de 20 vídeos medidos no figuran. El japonés, el chino y el tailandés se escriben sin espacios entre palabras, así que para ellos contamos caracteres por minuto en lugar de palabras. Muchas transcripciones en japonés y chino no superaron las comprobaciones de texto descritas más abajo, y por eso quedaron tan pocas.
Por tipo de vídeo
Clasificamos los vídeos por tipos según las palabras del título y del nombre del canal: entrevista, pódcast, clase magistral, lección, TED, keynote, «cómo hacer» y sus equivalentes en los demás idiomas. 1.612 de los 10.446 vídeos coincidieron con un tipo. En una revisión puntual de 100 títulos clasificados, unos 9 de cada 10 estaban en el tipo correcto. Para comparar tipos entre idiomas, la velocidad de cada vídeo se divide entre la mediana de su propio idioma, de modo que 1,07 significa un 7 % más rápido de lo habitual en ese idioma.
| Tipo | Vídeos | Comparado con la mediana del idioma | Mitad central |
|---|---|---|---|
| Tutoriales y consejos | 442 | un 7 % más rápido (1,07) | 0,89 a 1,23 |
| Clase, lección o curso | 421 | un 2 % más lento (0,98) | 0,81 a 1,13 |
| Pódcast | 187 | un 4 % más rápido (1,04) | 0,89 a 1,16 |
| Charla o discurso | 125 | un 6 % más lento (0,94) | 0,83 a 1,07 |
| Entrevista | 109 | un 1 % más lento (0,99) | 0,93 a 1,11 |
Las diferencias entre tipos son pequeñas frente a la dispersión dentro de cada tipo. Las charlas y los discursos son lo más lento. Los vídeos de tutoriales y consejos son los más rápidos, y muchos están guionizados y montados con precisión. Otros cinco tipos tenían menos de 100 vídeos cada uno y no se muestran: noticias, audiolibros, sermones, videojuegos y ficción dramática.
Inglés por tipo
| Tipo | Vídeos | Mediana, palabras por minuto | Mitad central |
|---|---|---|---|
| Tutoriales y consejos | 282 | 184 | 159 a 211 |
| Pódcast | 69 | 178 | 156 a 192 |
| Clase, lección o curso | 92 | 177 | 147 a 203 |
| Entrevista | 55 | 166 | 143 a 187 |
| Charla o discurso | 56 | 147 | 131 a 176 |
Las charlas y los discursos en inglés fueron a una mediana de 147 palabras por minuto, 21 por debajo de la mediana del YouTube en inglés en conjunto. Si estás cronometrando un discurso que vas a dar ante un público, esa es la cifra más cercana. En ruso, las clases y lecciones fueron a 124 palabras por minuto (131 vídeos), frente a una mediana rusa de 139.
Por tema
Las transcripciones creadas hasta el 30 de julio de 2026 llevan una de 20 etiquetas de tema, y 3.860 de los vídeos medidos tienen una. La escala es la misma que para los tipos. Los temas con menos de 100 vídeos no se muestran.
| Tema | Vídeos | Comparado con la mediana del idioma | Mitad central |
|---|---|---|---|
| Ciencia y educación | 735 | un 7 % más lento (0,93) | 0,80 a 1,02 |
| Negocios y startups | 430 | un 9 % más rápido (1,09) | 0,98 a 1,22 |
| Psicología y desarrollo personal | 375 | un 4 % más lento (0,96) | 0,86 a 1,07 |
| Tecnología e IA | 323 | un 1 % más rápido (1,01) | 0,89 a 1,15 |
| Tutoriales de software | 243 | un 1 % más rápido (1,01) | 0,87 a 1,19 |
| Dinero e inversión | 236 | un 9 % más rápido (1,09) | 0,96 a 1,16 |
| Salud y fitness | 235 | un 2 % más lento (0,98) | 0,87 a 1,11 |
| Noticias y política | 224 | un 1 % más lento (0,99) | 0,91 a 1,08 |
| Religión y espiritualidad | 172 | un 7 % más lento (0,93) | 0,83 a 1,04 |
| Videojuegos | 148 | un 2 % más lento (0,98) | 0,83 a 1,12 |
| Sociedad y cultura | 117 | un 1 % más lento (0,99) | 0,89 a 1,12 |
| Cine y televisión | 109 | un 5 % más lento (0,95) | 0,78 a 1,13 |
| Estilo de vida | 100 | un 2 % más rápido (1,02) | 0,87 a 1,15 |
Los vídeos de negocios y dinero fueron un 9 % más rápidos que la mediana de su idioma. Los de ciencia y educación, y los de religión, fueron un 7 % más lentos.
Cómo lo medimos
- Fuente. Todas las transcripciones publicadas en sozai.app a las 10:55 UTC del 31 de octubre de 2026: 29.514 entradas. Cada una se construyó con los subtítulos que YouTube muestra para el vídeo y conserva sus marcas de tiempo. Leímos la base de datos con consultas de solo lectura y no leímos ningún dato personal.
- El idioma es el de la pista de subtítulos con la que se construyó la transcripción.
- Las palabras son las unidades entre espacios que contienen una letra o un dígito, una vez eliminadas las etiquetas de sonido como [Música] y [Aplausos]. Para japonés, chino y tailandés contamos letras y dígitos en su lugar.
- Tiempo de habla. Los subtítulos se guardan en segmentos de unas 40 palabras, cada uno con una hora de inicio y otra de fin. El tiempo de habla es el tiempo que cubren esos segmentos. Un segmento que va a menos de la mitad del ritmo habitual de su propio vídeo contiene una pausa larga, música o un corte, así que descartamos sus palabras y su tiempo a la vez.
- La velocidad es palabras divididas entre tiempo de habla, un número por vídeo. Las tablas dan la mediana de los vídeos, así que una clase de tres horas cuenta igual que un clip de cinco minutos.
- Mínimos. Al menos 2 minutos de habla por vídeo, 100 vídeos por idioma, 100 por tipo o tema y 50 para un tipo dentro de un idioma.
Qué dejamos fuera
| Motivo | Transcripciones |
|---|---|
| No construidas a partir de subtítulos con tiempos: transcripciones antiguas cuyas marcas de tiempo estimó un modelo, o sin fuente registrada | 5.176 |
| Música, canciones, recitación, ASMR (etiqueta de tema, palabras del título o etiquetas [Música] en los subtítulos) | 4.465 |
| Creadas después del 20 de octubre de 2026, 13:56 UTC (véanse los límites más abajo) | 2.274 |
| El paso de puntuación desplazó o repitió líneas (un segmento de más de 100 palabras) | 2.262 |
| Más cortas de 2 minutos, como vídeo o en habla medida | 1.447 |
| El idioma de los subtítulos no coincide con el del título: probablemente una pista doblada o traducida | 1.070 |
| Faltan indicaciones de subtítulos (más del 15 % de los segmentos tienen menos de 15 palabras) | 941 |
| Registros incompletos: sin título o idioma, o con menos de 5 segmentos | 508 |
| Texto en japonés, chino y tailandés acortado por el paso de puntuación | 227 |
| Con mucho silencio o música (más del 30 % del tiempo de subtítulos a menos de la mitad del ritmo del vídeo) | 85 |
| Tráileres y anuncios | 30 |
| Valores atípicos (a más de tres rangos intercuartílicos de la mitad central del idioma) | 12 |
| Total dejado fuera | 18.497 |
Quedan 11.017 vídeos medidos, de los cuales 10.446 están en los 14 idiomas publicados. Dos ajustes deciden lo que más: el umbral de pausa (la mitad del ritmo habitual del vídeo) y el límite de valores atípicos. Mover el umbral a 0,4 o 0,6 no cambia la mediana de ningún idioma en más de 2 palabras por minuto, y quitar el límite de atípicos no cambia ninguna.
Comparado con YouTube
El 31 de octubre de 2026 elegimos al azar 112 vídeos medidos, 8 por idioma, y descargamos para cada uno los subtítulos de reconocimiento de voz del propio YouTube. 6 vídeos ya no tenían esa pista. Para los otros 106:
| Comprobación | Resultado |
|---|---|
| Nuestro recuento de palabras dividido entre el de YouTube, mediana | 0,99 |
| Vídeos a menos del 10 % del recuento de palabras de YouTube | 92 % |
| Vídeos cuya velocidad está a menos del 10 % de la velocidad según la pista de YouTube | 97 de 106 |
| Diferencia mediana de velocidad | −0,4 % |
Las reglas anteriores se fijaron antes de esta comprobación. Una comprobación previa con otra muestra es la que nos hizo descubrir dos de ellas: los vídeos con muchos segmentos de subtítulos cortos habían perdido un tercio o más de sus palabras, y los segmentos de más de 100 palabras contenían texto repetido.
Límites
- Son vídeos de YouTube. Muchos están guionizados y montados, y el montaje recorta las pausas, así que van más rápido que el habla sin guion en una sala.
- La muestra es lo que los visitantes nos pidieron transcribir, no una selección al azar de YouTube. El inglés y el ruso suman el 63 % de los vídeos medidos.
- Los subtítulos automáticos pierden palabras con ruido y voces superpuestas, y cada palabra perdida baja un poco la velocidad.
- No podemos distinguir los subtítulos automáticos de los escritos por una persona, y ambos están en la muestra.
- Muchos vídeos tienen más de un hablante. La velocidad pertenece al vídeo, no a una persona.
- Las transcripciones creadas a partir del 20 de octubre de 2026, 13:56 UTC, no están en esta edición. Ese día cambió el paso que añade puntuación a los subtítulos y, en muchas de las transcripciones más nuevas, repetía o perdía líneas, así que dejamos fuera todo ese periodo.
Usa las cifras
La calculadora de tiempo de discurso y el teleprompter parten de la mediana del idioma de tu página cuando la tenemos, y puedes cambiar la velocidad. El contador de palabras usa la misma mediana para su tiempo de locución.
