I 10 446 YouTube-videor i SozAI:s transkriptionsbibliotek sa engelsktalande i median 168 ord per minut tal, och hälften av de engelska videorna låg mellan 147 och 192. Spanska och ryska hamnade båda på 139, franska på 165, tyska på 130 och portugisiska på 149. Vi mätte 14 språk utifrån tidsstämplarna i varje videos egna undertexter. Vi lämnade bort musik och reklam, och även dubbade ljudspår och varje transkription vars undertext inte höll för kontrollerna.
Uppmätt 31 oktober 2026. Metodversion 1.1. 10 446 videor, ungefär 6 880 timmar tal. Källa: det öppna transkriptionsbiblioteket på sozai.app.
Snabbfakta
| Mått | Värde |
|---|---|
| Publicerade språk | 14, vart och ett med minst 100 videor |
| Mätta videor | 10 446 |
| Mätt tal | ungefär 6 880 timmar |
| Engelska, median | 168 ord per minut |
| Engelska, mittersta hälften av videorna | 147 till 192 ord per minut |
| Engelska föredrag och tal, median | 147 ord per minut (56 videor) |
| Kontrollerat mot YouTubes egna undertexter | 106 videor, median för kvoten mellan antal ord 0,99 |
Talhastighet per språk
Varje video ger en hastighet: ord delat med minuter tal. Medianen är språkets mittersta video. Den mittersta hälften är intervallet från 25:e till 75:e percentilen, så hälften av videorna ligger inom det. Sista kolumnen är det bootstrap-baserade 95-procentsintervallet för medianen, som visar hur mycket själva medianen skulle kunna ändras med ett annat urval av samma storlek.
| Språk | Videor | Median, ord per minut | Mittersta hälften | 95-procentsintervall för medianen |
|---|---|---|---|---|
| Engelska | 3 692 | 168 | 147 till 192 | 167 till 170 |
| Ryska | 2 884 | 139 | 122 till 155 | 138 till 140 |
| Polska | 634 | 128 | 118 till 140 | 127 till 130 |
| Arabiska | 612 | 123 | 104 till 143 | 120 till 125 |
| Hindi | 430 | 181 | 158 till 207 | 177 till 188 |
| Spanska | 382 | 139 | 121 till 164 | 135 till 143 |
| Franska | 377 | 165 | 137 till 203 | 161 till 168 |
| Ukrainska | 349 | 121 | 103 till 135 | 118 till 124 |
| Indonesiska | 347 | 129 | 115 till 145 | 127 till 133 |
| Koreanska | 200 | 112 | 97 till 127 | 108 till 115 |
| Tyska | 166 | 130 | 107 till 170 | 124 till 137 |
| Portugisiska | 160 | 149 | 135 till 170 | 145 till 155 |
| Hebreiska | 107 | 138 | 120 till 156 | 131 till 144 |
| Bengali | 106 | 144 | 128 till 168 | 139 till 152 |
Jämför siffrorna inom ett språk, inte mellan språk. Ett ord är här allt som står mellan två mellanslag, och språk packar tal i ord på olika sätt. Koreanska skriver ett substantiv och dess partikel som ett ord, så antalet blir lågt (112). Hindi skriver många korta grammatiska ord för sig, så antalet blir högt (181). Ingen av siffrorna säger att koreaner pratar långsammare eller hindital snabbare än andra.
Språk vi lämnade bort
Ett språk tas med bara om minst 100 av dess videor klarar alla kontroller. Dessa gjorde det inte: japanska 95, italienska 93, kinesiska 87, turkiska 33, vietnamesiska 32, nederländska 23, thailändska 23, svenska 22, persiska 22. Språk med färre än 20 mätta videor redovisas inte. Japanska, kinesiska och thailändska skrivs utan mellanslag mellan orden, så för dem räknar vi tecken per minut i stället för ord. Många japanska och kinesiska transkriptioner föll på textkontrollerna som beskrivs nedan, och därför blev så få kvar.
Efter typ av video
Vi sorterade videorna i typer efter ord i titeln och kanalnamnet: intervju, podd, föreläsning, lektion, TED, keynote, ”how to” och motsvarande på de andra språken. 1 612 av de 10 446 videorna matchade en typ. I en stickprovskontroll av 100 sorterade titlar var ungefär 9 av 10 i rätt typ. För att jämföra typer mellan språk delas varje videos hastighet med medianen för dess eget språk, så 1,07 betyder 7 % snabbare än vanligt för det språket.
| Typ | Videor | Jämfört med språkets median | Mittersta hälften |
|---|---|---|---|
| Instruktion och råd | 442 | 7 % snabbare (1,07) | 0,89 till 1,23 |
| Föreläsning, lektion eller kurs | 421 | 2 % långsammare (0,98) | 0,81 till 1,13 |
| Podd | 187 | 4 % snabbare (1,04) | 0,89 till 1,16 |
| Föredrag eller tal | 125 | 6 % långsammare (0,94) | 0,83 till 1,07 |
| Intervju | 109 | 1 % långsammare (0,99) | 0,93 till 1,11 |
Skillnaderna mellan typer är små jämfört med spridningen inom varje typ. Föredrag och tal är långsammast. Instruktions- och rådvideor är snabbast, och många av dem är manusstyrda och hårt redigerade. Fem typer till hade färre än 100 videor vardera och visas inte: nyheter, ljudböcker, predikningar, gaming och drama.
Engelska efter typ
| Typ | Videor | Median, ord per minut | Mittersta hälften |
|---|---|---|---|
| Instruktion och råd | 282 | 184 | 159 till 211 |
| Podd | 69 | 178 | 156 till 192 |
| Föreläsning, lektion eller kurs | 92 | 177 | 147 till 203 |
| Intervju | 55 | 166 | 143 till 187 |
| Föredrag eller tal | 56 | 147 | 131 till 176 |
Engelska föredrag och tal låg på en median av 147 ord per minut, 21 under medianen för engelska YouTube som helhet. Om du tidtar ett tal som du ska hålla inför publik är det den närmare siffran. På ryska låg föreläsningar och lektioner på 124 ord per minut (131 videor), mot en rysk median på 139.
Efter ämne
Transkriptioner som skapats fram till 30 juli 2026 har en av 20 ämnesetiketter, och 3 860 av de mätta videorna har en. Skalan är densamma som för typerna. Ämnen med färre än 100 videor visas inte.
| Ämne | Videor | Jämfört med språkets median | Mittersta hälften |
|---|---|---|---|
| Vetenskap & utbildning | 735 | 7 % långsammare (0,93) | 0,80 till 1,02 |
| Företagande & startups | 430 | 9 % snabbare (1,09) | 0,98 till 1,22 |
| Psykologi & självutveckling | 375 | 4 % långsammare (0,96) | 0,86 till 1,07 |
| Teknik & AI | 323 | 1 % snabbare (1,01) | 0,89 till 1,15 |
| Programvaruguider | 243 | 1 % snabbare (1,01) | 0,87 till 1,19 |
| Pengar & investeringar | 236 | 9 % snabbare (1,09) | 0,96 till 1,16 |
| Hälsa & träning | 235 | 2 % långsammare (0,98) | 0,87 till 1,11 |
| Nyheter & politik | 224 | 1 % långsammare (0,99) | 0,91 till 1,08 |
| Religion & andlighet | 172 | 7 % långsammare (0,93) | 0,83 till 1,04 |
| Gaming | 148 | 2 % långsammare (0,98) | 0,83 till 1,12 |
| Samhälle & kultur | 117 | 1 % långsammare (0,99) | 0,89 till 1,12 |
| Film & TV | 109 | 5 % långsammare (0,95) | 0,78 till 1,13 |
| Livsstil | 100 | 2 % snabbare (1,02) | 0,87 till 1,15 |
Videor om företagande och pengar låg 9 % snabbare än sitt språks median. Vetenskap och utbildning, och religion, låg 7 % långsammare.
Så mätte vi
- Källa. Varje publicerad transkription på sozai.app klockan 10:55 UTC den 31 oktober 2026: 29 514 inlägg. Var och en byggdes av undertexterna som YouTube visar för videon och behåller deras tidsstämplar. Vi läste databasen med skrivskyddade frågor och läste inga personuppgifter.
- Språk är språket i undertextspåret som transkriptionen byggdes av.
- Ord är enheter mellan mellanslag som innehåller en bokstav eller en siffra, efter att ljudtaggar som [Music] och [Applause] tagits bort. För japanska, kinesiska och thailändska räknar vi bokstäver och siffror i stället.
- Taltid. Undertexter lagras som segment på ungefär 40 ord, vart och ett med en start- och sluttid. Taltiden är den tid de segmenten täcker. Ett segment som går med mindre än hälften av videons vanliga tempo innehåller en lång paus, musik eller ett klipp, så vi tar bort dess ord och dess tid tillsammans.
- Hastighet är ord delat med taltid, ett tal per video. Tabellerna anger medianen över videor, så en tretimmarsföreläsning räknas lika mycket som ett femminutersklipp.
- Minimikrav. Minst 2 minuter tal per video, 100 videor för ett språk, 100 för en typ eller ett ämne och 50 för en typ inom ett språk.
Vad vi lämnade bort
| Orsak | Transkriptioner |
|---|---|
| Inte byggda av tidsatta undertexter: äldre transkriptioner vars tidsstämplar en modell uppskattade, eller ingen källa registrerad | 5 176 |
| Musik, sånger, recitation, ASMR (ämnesetikett, ord i titeln eller [Music]-taggar i undertexterna) | 4 465 |
| Skapade efter 20 oktober 2026, 13:56 UTC (se begränsningarna nedan) | 2 274 |
| Skiljeteckensteget flyttade eller upprepade rader (ett segment på mer än 100 ord) | 2 262 |
| Kortare än 2 minuter, som video eller i uppmätt tal | 1 447 |
| Undertextspråket stämmer inte med titeln: förmodligen ett dubbat eller översatt spår | 1 070 |
| Saknade undertextrader (mer än 15 % av segmenten har färre än 15 ord) | 941 |
| Ofullständiga poster: ingen titel eller inget språk, eller färre än 5 segment | 508 |
| Japansk, kinesisk och thailändsk text som förkortats av skiljeteckensteget | 227 |
| Tysta eller musiktunga (mer än 30 % av undertexttiden under hälften av videons tempo) | 85 |
| Trailers och reklam | 30 |
| Extremvärden (mer än tre kvartilavstånd utanför språkets mittersta hälft) | 12 |
| Bortlämnade totalt | 18 497 |
Då återstår 11 017 mätta videor, varav 10 446 finns i de 14 publicerade språken. Två inställningar avgör mest: pausgolvet (halva videons vanliga tempo) och gränsen för extremvärden. Om golvet flyttas till 0,4 eller 0,6 ändras ingen språkmedian med mer än 2 ord per minut, och om gränsen för extremvärden tas bort ändras ingen alls.
Kontrollerat mot YouTube
Den 31 oktober 2026 valde vi slumpmässigt ut 112 mätta videor, 8 per språk, och laddade ner YouTubes egna taligenkänningsundertexter för var och en. 6 videor hade inte längre det spåret. För de andra 106:
| Kontroll | Resultat |
|---|---|
| Vårt antal ord delat med YouTubes, median | 0,99 |
| Videor inom 10 % av YouTubes antal ord | 92 % |
| Videor vars hastighet ligger inom 10 % av hastigheten från YouTubes spår | 97 av 106 |
| Mediandifferens i hastighet | −0,4 % |
Reglerna ovan fastställdes före den här kontrollen. En tidigare kontroll på ett annat urval är hur vi hittade två av dem: videor med många korta undertextsegment hade förlorat en tredjedel eller mer av sina ord, och segment på mer än 100 ord innehöll upprepad text.
Begränsningar
- Det här är YouTube-videor. Många är manusstyrda och redigerade, och redigering klipper bort pauser, så de går snabbare än oplanerat tal i ett rum.
- Urvalet är det som besökarna bad oss transkribera, inte ett slumpmässigt urval ur YouTube. Engelska och ryska utgör 63 % av de mätta videorna.
- Automatiska undertexter missar ord vid buller och när flera pratar i mun på varandra, och varje missat ord sänker hastigheten något.
- Vi kan inte skilja automatiska undertexter från undertexter som en människa skrivit, och båda finns i urvalet.
- Många videor har fler än en talare. Hastigheten tillhör videon, inte en enskild person.
- Transkriptioner som skapats från och med 20 oktober 2026, 13:56 UTC, ingår inte i den här utgåvan. Den dagen ändrades steget som lägger till skiljetecken i undertexter, och i många av de nyare transkriptionerna upprepade eller tappade det rader, så vi lämnade hela perioden utanför.
Använd siffrorna
Taltidsräknaren och teleprompter utgår från medianen för sidans språk där vi har en, och du kan ändra hastigheten. Ordräknaren använder samma median för sin taltid.
