W 10 446 filmach z YouTube z biblioteki transkrypcji SozAI osoby mówiące po angielsku wypowiadały średnio (mediana) 168 słów na minutę mowy, a połowa angielskich filmów mieściła się między 147 a 192. Hiszpański i rosyjski miały po 139, francuski 165, niemiecki 130, a portugalski 149. Zmierzyliśmy 14 języków na podstawie znaczników czasu własnych napisów każdego filmu. Pominęliśmy muzykę i reklamy, a także ścieżki z dubbingiem i każdą transkrypcję, której tekst napisów nie przeszedł kontroli.
Pomiar z 31 października 2026. Wersja metody 1.1. 10 446 filmów, około 6880 godzin mowy. Źródło: publiczna biblioteka transkrypcji na sozai.app.
Najważniejsze fakty
| Miara | Wartość |
|---|---|
| Opublikowane języki | 14, każdy z co najmniej 100 filmami |
| Zmierzone filmy | 10 446 |
| Zmierzona mowa | około 6880 godzin |
| Angielski, mediana | 168 słów na minutę |
| Angielski, środkowa połowa filmów | od 147 do 192 słów na minutę |
| Angielskie wystąpienia i przemówienia, mediana | 147 słów na minutę (56 filmów) |
| Porównanie z napisami samego YouTube | 106 filmów, mediana stosunku liczby słów 0,99 |
Tempo mówienia według języka
Każdy film daje jedną wartość: liczbę słów podzieloną przez minuty mowy. Mediana to środkowy film danego języka. Środkowa połowa to zakres od 25. do 75. percentyla, więc połowa filmów mieści się w jego granicach. Ostatnia kolumna to 95-procentowy przedział bootstrapowy mediany, który pokazuje, jak bardzo sama mediana mogłaby się przesunąć przy innej próbie tej samej wielkości.
| Język | Filmy | Mediana, słów na minutę | Środkowa połowa | Przedział 95 % mediany |
|---|---|---|---|---|
| angielski | 3692 | 168 | od 147 do 192 | od 167 do 170 |
| rosyjski | 2884 | 139 | od 122 do 155 | od 138 do 140 |
| polski | 634 | 128 | od 118 do 140 | od 127 do 130 |
| arabski | 612 | 123 | od 104 do 143 | od 120 do 125 |
| hindi | 430 | 181 | od 158 do 207 | od 177 do 188 |
| hiszpański | 382 | 139 | od 121 do 164 | od 135 do 143 |
| francuski | 377 | 165 | od 137 do 203 | od 161 do 168 |
| ukraiński | 349 | 121 | od 103 do 135 | od 118 do 124 |
| indonezyjski | 347 | 129 | od 115 do 145 | od 127 do 133 |
| koreański | 200 | 112 | od 97 do 127 | od 108 do 115 |
| niemiecki | 166 | 130 | od 107 do 170 | od 124 do 137 |
| portugalski | 160 | 149 | od 135 do 170 | od 145 do 155 |
| hebrajski | 107 | 138 | od 120 do 156 | od 131 do 144 |
| bengalski | 106 | 144 | od 128 do 168 | od 139 do 152 |
Porównuj liczby w obrębie jednego języka, nie między językami. Słowem jest tu wszystko, co stoi między dwiema spacjami, a języki upakowują mowę w słowa na różne sposoby. Koreański zapisuje rzeczownik i jego partykułę jako jedno słowo, więc wynik jest niski (112). Hindi zapisuje wiele krótkich słów gramatycznych osobno, więc wynik jest wysoki (181). Żadna z tych liczb nie oznacza, że Koreańczycy mówią wolniej, a mówiący w hindi szybciej niż inni.
Języki, które pominęliśmy
Język pojawia się tylko wtedy, gdy co najmniej 100 jego filmów przeszło wszystkie kontrole. Te nie przeszły: japoński 95, włoski 93, chiński 87, turecki 33, wietnamski 32, niderlandzki 23, tajski 23, szwedzki 22, perski 22. Języków z mniej niż 20 zmierzonymi filmami nie wymieniamy. Japoński, chiński i tajski zapisuje się bez spacji między wyrazami, więc dla nich liczymy znaki na minutę zamiast słów. Wiele japońskich i chińskich transkrypcji nie przeszło opisanych niżej kontroli tekstu, dlatego zostało ich tak mało.
Według rodzaju filmu
Filmy przypisaliśmy do rodzajów na podstawie słów w tytule i nazwie kanału: wywiad, podcast, wykład, lekcja, TED, keynote, „jak to zrobić” i ich odpowiedniki w innych językach. Do rodzaju pasowało 1612 z 10 446 filmów. W wyrywkowej kontroli 100 przypisanych tytułów około 9 na 10 trafiło do właściwego rodzaju. Aby porównać rodzaje między językami, tempo każdego filmu dzielimy przez medianę jego własnego języka, więc 1,07 oznacza o 7 % szybciej niż zwykle w tym języku.
| Rodzaj | Filmy | W porównaniu z medianą języka | Środkowa połowa |
|---|---|---|---|
| Poradniki i porady | 442 | o 7 % szybciej (1,07) | od 0,89 do 1,23 |
| Wykład, lekcja lub kurs | 421 | o 2 % wolniej (0,98) | od 0,81 do 1,13 |
| Podcast | 187 | o 4 % szybciej (1,04) | od 0,89 do 1,16 |
| Wystąpienie lub przemówienie | 125 | o 6 % wolniej (0,94) | od 0,83 do 1,07 |
| Wywiad | 109 | o 1 % wolniej (0,99) | od 0,93 do 1,11 |
Różnice między rodzajami są małe wobec rozrzutu wewnątrz każdego z nich. Wystąpienia i przemówienia są najwolniejsze. Poradniki i porady są najszybsze, a wiele z nich jest napisanych według scenariusza i ciasno zmontowanych. Pięć kolejnych rodzajów miało po mniej niż 100 filmów i nie jest pokazanych: wiadomości, audiobooki, kazania, gry i seriale fabularne.
Angielski według rodzaju
| Rodzaj | Filmy | Mediana, słów na minutę | Środkowa połowa |
|---|---|---|---|
| Poradniki i porady | 282 | 184 | od 159 do 211 |
| Podcast | 69 | 178 | od 156 do 192 |
| Wykład, lekcja lub kurs | 92 | 177 | od 147 do 203 |
| Wywiad | 55 | 166 | od 143 do 187 |
| Wystąpienie lub przemówienie | 56 | 147 | od 131 do 176 |
Angielskie wystąpienia i przemówienia miały medianę 147 słów na minutę, czyli o 21 mniej niż mediana całego angielskiego YouTube. Jeśli mierzysz czas przemówienia, które wygłosisz przed publicznością, ta liczba jest bliższa. W rosyjskim wykłady i lekcje miały 124 słowa na minutę (131 filmów), przy rosyjskiej medianie 139.
Według tematu
Transkrypcje utworzone do 30 lipca 2026 mają jedną z 20 etykiet tematycznych, a 3860 zmierzonych filmów ją ma. Skala jest taka sama jak dla rodzajów. Tematy z mniej niż 100 filmami nie są pokazane.
| Temat | Filmy | W porównaniu z medianą języka | Środkowa połowa |
|---|---|---|---|
| Nauka i edukacja | 735 | o 7 % wolniej (0,93) | od 0,80 do 1,02 |
| Biznes i startupy | 430 | o 9 % szybciej (1,09) | od 0,98 do 1,22 |
| Psychologia i rozwój osobisty | 375 | o 4 % wolniej (0,96) | od 0,86 do 1,07 |
| Technologie i AI | 323 | o 1 % szybciej (1,01) | od 0,89 do 1,15 |
| Poradniki do programów | 243 | o 1 % szybciej (1,01) | od 0,87 do 1,19 |
| Pieniądze i inwestowanie | 236 | o 9 % szybciej (1,09) | od 0,96 do 1,16 |
| Zdrowie i fitness | 235 | o 2 % wolniej (0,98) | od 0,87 do 1,11 |
| Wiadomości i polityka | 224 | o 1 % wolniej (0,99) | od 0,91 do 1,08 |
| Religia i duchowość | 172 | o 7 % wolniej (0,93) | od 0,83 do 1,04 |
| Gry | 148 | o 2 % wolniej (0,98) | od 0,83 do 1,12 |
| Społeczeństwo i kultura | 117 | o 1 % wolniej (0,99) | od 0,89 do 1,12 |
| Film i telewizja | 109 | o 5 % wolniej (0,95) | od 0,78 do 1,13 |
| Styl życia | 100 | o 2 % szybciej (1,02) | od 0,87 do 1,15 |
Filmy o biznesie i pieniądzach były o 9 % szybsze niż mediana ich języka. Nauka i edukacja oraz religia były o 7 % wolniejsze.
Jak mierzyliśmy
- Źródło. Każda opublikowana transkrypcja na sozai.app o 10:55 UTC 31 października 2026: 29 514 wpisów. Każda powstała z napisów, które YouTube pokazuje przy filmie, i zachowuje ich znaczniki czasu. Bazę czytaliśmy zapytaniami tylko do odczytu i nie czytaliśmy żadnych danych osobowych.
- Język to język ścieżki napisów, z której powstała transkrypcja.
- Słowa to jednostki między spacjami, które zawierają literę lub cyfrę, po usunięciu znaczników dźwięku, takich jak [Music] i [Applause]. Dla japońskiego, chińskiego i tajskiego liczymy zamiast tego litery i cyfry.
- Czas mowy. Napisy są zapisane jako segmenty po około 40 słów, każdy z czasem początku i końca. Czas mowy to czas, który pokrywają te segmenty. Segment, który biegnie w tempie poniżej połowy zwykłego tempa własnego filmu, zawiera długą przerwę, muzykę lub cięcie, więc odrzucamy razem jego słowa i jego czas.
- Tempo to liczba słów podzielona przez czas mowy, jedna liczba na film. Tabele podają medianę po filmach, więc trzygodzinny wykład liczy się tak samo jak pięciominutowy fragment.
- Minima. Co najmniej 2 minuty mowy na film, 100 filmów na język, 100 na rodzaj lub temat i 50 na jeden rodzaj w jednym języku.
Co pominęliśmy
| Powód | Transkrypcje |
|---|---|
| Nie zbudowane z napisów ze znacznikami czasu: starsze transkrypcje, których znaczniki czasu oszacował model, lub brak zapisanego źródła | 5176 |
| Muzyka, piosenki, recytacja, ASMR (etykieta tematu, słowa w tytule lub znaczniki [Music] w napisach) | 4465 |
| Utworzone po 20 października 2026, 13:56 UTC (zobacz limity niżej) | 2274 |
| Etap interpunkcji przesunął lub powtórzył wiersze (segment dłuższy niż 100 słów) | 2262 |
| Krótsze niż 2 minuty, jako film lub w zmierzonej mowie | 1447 |
| Język napisów nie zgadza się z tytułem: prawdopodobnie ścieżka z dubbingiem lub tłumaczona | 1070 |
| Brakujące wpisy napisów (ponad 15 % segmentów ma mniej niż 15 słów) | 941 |
| Niekompletne rekordy: brak tytułu lub języka albo mniej niż 5 segmentów | 508 |
| Tekst japoński, chiński i tajski skrócony przez etap interpunkcji | 227 |
| Dużo ciszy lub muzyki (ponad 30 % czasu napisów w tempie poniżej połowy tempa filmu) | 85 |
| Zwiastuny i reklamy | 30 |
| Wartości odstające (ponad trzy rozstępy ćwiartkowe poza środkową połową języka) | 12 |
| Pominięto łącznie | 18 497 |
Zostaje 11 017 zmierzonych filmów, z czego 10 446 jest w 14 opublikowanych językach. Najwięcej decydują dwa ustawienia: dolna granica pauzy (połowa zwykłego tempa filmu) i płot wartości odstających. Przesunięcie dolnej granicy na 0,4 lub 0,6 nie zmienia żadnej mediany języka o więcej niż 2 słowa na minutę, a rezygnacja z płotu wartości odstających nie zmienia żadnej.
Porównanie z YouTube
31 października 2026 wylosowaliśmy 112 zmierzonych filmów, po 8 na język, i pobraliśmy dla każdego napisy z automatycznego rozpoznawania mowy samego YouTube. 6 filmów nie miało już tej ścieżki. Dla pozostałych 106:
| Kontrola | Wynik |
|---|---|
| Nasza liczba słów podzielona przez liczbę słów YouTube, mediana | 0,99 |
| Filmy w granicach 10 % liczby słów YouTube | 92 % |
| Filmy, których tempo mieści się w granicach 10 % tempa ze ścieżki YouTube | 97 z 106 |
| Mediana różnicy tempa | −0,4 % |
Powyższe reguły ustaliliśmy przed tą kontrolą. Wcześniejsza kontrola na innej próbie pozwoliła nam znaleźć dwie z nich: filmy z wieloma krótkimi segmentami napisów straciły jedną trzecią słów lub więcej, a segmenty dłuższe niż 100 słów zawierały powtórzony tekst.
Ograniczenia
- To filmy z YouTube. Wiele z nich jest napisanych według scenariusza i zmontowanych, a montaż wycina pauzy, więc mówią szybciej niż osoby bez scenariusza w pokoju.
- Próba to to, co odwiedzający poprosili nas o transkrypcję, a nie losowanie z całego YouTube. Angielski i rosyjski to 63 % zmierzonych filmów.
- Napisy automatyczne gubią słowa przy hałasie i przekrzykiwaniu, a każde zgubione słowo trochę obniża tempo.
- Nie odróżnimy napisów automatycznych od napisów napisanych przez człowieka, a w próbie są jedne i drugie.
- Wiele filmów ma więcej niż jednego mówcę. Tempo należy do filmu, nie do jednej osoby.
- Transkrypcji utworzonych od 20 października 2026, 13:56 UTC, nie ma w tej edycji. Tego dnia zmienił się etap dodający interpunkcję do napisów i w wielu nowszych transkrypcjach powtarzał lub gubił wiersze, więc pominęliśmy cały ten okres.
Skorzystaj z liczb
Kalkulator czasu przemówienia i teleprompter startują od mediany języka Twojej strony, jeśli ją mamy, a tempo możesz zmienić. Licznik słów używa tej samej mediany do czasu mówienia.
