Trên 10.446 video YouTube trong thư viện bản ghi lời của SozAI, người nói tiếng Anh có tốc độ trung vị là 168 từ mỗi phút lời nói, và một nửa số video tiếng Anh nằm trong khoảng từ 147 đến 192. Tiếng Tây Ban Nha và tiếng Nga cùng ở mức 139, tiếng Pháp 165, tiếng Đức 130 và tiếng Bồ Đào Nha 149. Chúng tôi đo 14 ngôn ngữ dựa trên mốc thời gian trong phụ đề của chính từng video. Chúng tôi loại bỏ nhạc và quảng cáo, cả các bản lồng tiếng lẫn mọi bản ghi lời có phần văn bản phụ đề không đạt yêu cầu.
Đo ngày 31 tháng 10 năm 2026. Phương pháp phiên bản 1.1. 10.446 video, khoảng 6.880 giờ lời nói. Nguồn: thư viện bản ghi lời công khai trên sozai.app.
Số liệu nhanh
| Chỉ số | Giá trị |
|---|---|
| Ngôn ngữ được công bố | 14, mỗi ngôn ngữ có ít nhất 100 video |
| Số video đã đo | 10.446 |
| Lời nói đã đo | khoảng 6.880 giờ |
| Tiếng Anh, trung vị | 168 từ mỗi phút |
| Tiếng Anh, nửa giữa số video | 147 đến 192 từ mỗi phút |
| Bài nói chuyện và diễn văn tiếng Anh, trung vị | 147 từ mỗi phút (56 video) |
| Đối chiếu với phụ đề của chính YouTube | 106 video, tỷ lệ số từ trung vị 0,99 |
Tốc độ nói theo ngôn ngữ
Mỗi video cho ra một tốc độ: số từ chia cho số phút lời nói. Trung vị là video nằm giữa của ngôn ngữ đó. Nửa giữa là khoảng từ phân vị thứ 25 đến phân vị thứ 75, nên một nửa số video nằm trong đó. Cột cuối là khoảng tin cậy bootstrap 95% của trung vị, cho thấy bản thân trung vị có thể dịch chuyển bao nhiêu nếu lấy một mẫu khác cùng cỡ.
| Ngôn ngữ | Số video | Trung vị, từ mỗi phút | Nửa giữa | Khoảng tin cậy 95% của trung vị |
|---|---|---|---|---|
| Tiếng Anh | 3.692 | 168 | 147 đến 192 | 167 đến 170 |
| Tiếng Nga | 2.884 | 139 | 122 đến 155 | 138 đến 140 |
| Tiếng Ba Lan | 634 | 128 | 118 đến 140 | 127 đến 130 |
| Tiếng Ả Rập | 612 | 123 | 104 đến 143 | 120 đến 125 |
| Tiếng Hindi | 430 | 181 | 158 đến 207 | 177 đến 188 |
| Tiếng Tây Ban Nha | 382 | 139 | 121 đến 164 | 135 đến 143 |
| Tiếng Pháp | 377 | 165 | 137 đến 203 | 161 đến 168 |
| Tiếng Ukraina | 349 | 121 | 103 đến 135 | 118 đến 124 |
| Tiếng Indonesia | 347 | 129 | 115 đến 145 | 127 đến 133 |
| Tiếng Hàn | 200 | 112 | 97 đến 127 | 108 đến 115 |
| Tiếng Đức | 166 | 130 | 107 đến 170 | 124 đến 137 |
| Tiếng Bồ Đào Nha | 160 | 149 | 135 đến 170 | 145 đến 155 |
| Tiếng Do Thái | 107 | 138 | 120 đến 156 | 131 đến 144 |
| Tiếng Bengal | 106 | 144 | 128 đến 168 | 139 đến 152 |
Hãy so sánh các con số trong cùng một ngôn ngữ, không so giữa các ngôn ngữ. Ở đây một từ là bất cứ đoạn nào nằm giữa hai dấu cách, và mỗi ngôn ngữ gói lời nói vào từ theo một cách khác nhau. Tiếng Hàn viết danh từ và tiểu từ đi kèm thành một từ, nên số từ thấp (112). Tiếng Hindi viết nhiều từ ngữ pháp ngắn tách rời, nên số từ cao (181). Không con số nào cho thấy người nói tiếng Hàn nói chậm hơn hay người nói tiếng Hindi nói nhanh hơn người khác.
Những ngôn ngữ chúng tôi không đưa vào
Một ngôn ngữ chỉ xuất hiện khi có ít nhất 100 video của nó vượt qua mọi bước kiểm tra. Những ngôn ngữ này thì không: tiếng Nhật 95, tiếng Ý 93, tiếng Trung 87, tiếng Thổ Nhĩ Kỳ 33, tiếng Việt 32, tiếng Hà Lan 23, tiếng Thái 23, tiếng Thụy Điển 22, tiếng Ba Tư 22. Các ngôn ngữ có dưới 20 video đã đo không được liệt kê. Tiếng Nhật, tiếng Trung và tiếng Thái được viết không có dấu cách giữa các từ, nên với chúng chúng tôi đếm số ký tự mỗi phút thay vì số từ. Nhiều bản ghi lời tiếng Nhật và tiếng Trung không qua được các bước kiểm tra văn bản mô tả bên dưới, vì thế còn lại rất ít.
Theo loại video
Chúng tôi xếp video vào các loại theo từ trong tiêu đề và tên kênh: phỏng vấn, podcast, bài giảng, bài học, TED, keynote, “how to” và các từ tương đương trong những ngôn ngữ khác. 1.612 trong số 10.446 video khớp với một loại. Khi kiểm tra ngẫu nhiên 100 tiêu đề đã xếp, khoảng 9 trên 10 nằm đúng loại. Để so sánh các loại giữa các ngôn ngữ, tốc độ của mỗi video được chia cho trung vị của chính ngôn ngữ đó, nên 1,07 nghĩa là nhanh hơn 7% so với mức thường thấy của ngôn ngữ ấy.
| Loại | Số video | So với trung vị của ngôn ngữ | Nửa giữa |
|---|---|---|---|
| Hướng dẫn và lời khuyên | 442 | nhanh hơn 7% (1,07) | 0,89 đến 1,23 |
| Bài giảng, bài học hoặc khóa học | 421 | chậm hơn 2% (0,98) | 0,81 đến 1,13 |
| Podcast | 187 | nhanh hơn 4% (1,04) | 0,89 đến 1,16 |
| Bài nói chuyện hoặc diễn văn | 125 | chậm hơn 6% (0,94) | 0,83 đến 1,07 |
| Phỏng vấn | 109 | chậm hơn 1% (0,99) | 0,93 đến 1,11 |
Sự khác biệt giữa các loại nhỏ so với độ phân tán bên trong từng loại. Bài nói chuyện và diễn văn chậm nhất. Video hướng dẫn và lời khuyên nhanh nhất, và nhiều video trong số đó có kịch bản và được dựng chặt. Năm loại nữa có dưới 100 video mỗi loại nên không được hiển thị: tin tức, sách nói, bài giảng đạo, game và phim truyền hình.
Tiếng Anh theo loại
| Loại | Số video | Trung vị, từ mỗi phút | Nửa giữa |
|---|---|---|---|
| Hướng dẫn và lời khuyên | 282 | 184 | 159 đến 211 |
| Podcast | 69 | 178 | 156 đến 192 |
| Bài giảng, bài học hoặc khóa học | 92 | 177 | 147 đến 203 |
| Phỏng vấn | 55 | 166 | 143 đến 187 |
| Bài nói chuyện hoặc diễn văn | 56 | 147 | 131 đến 176 |
Bài nói chuyện và diễn văn tiếng Anh có tốc độ trung vị 147 từ mỗi phút, thấp hơn 21 so với trung vị của YouTube tiếng Anh nói chung. Nếu bạn đang tính giờ cho một bài phát biểu sẽ đọc trước khán giả, đó là con số sát thực tế hơn. Ở tiếng Nga, bài giảng và bài học có tốc độ 124 từ mỗi phút (131 video), so với trung vị tiếng Nga là 139.
Theo chủ đề
Các bản ghi lời được tạo đến ngày 30 tháng 7 năm 2026 mang một trong 20 nhãn chủ đề, và 3.860 video đã đo có nhãn. Thang đo giống như với các loại video. Chủ đề có dưới 100 video không được hiển thị.
| Chủ đề | Số video | So với trung vị của ngôn ngữ | Nửa giữa |
|---|---|---|---|
| Khoa học & Giáo dục | 735 | chậm hơn 7% (0,93) | 0,80 đến 1,02 |
| Kinh doanh & Khởi nghiệp | 430 | nhanh hơn 9% (1,09) | 0,98 đến 1,22 |
| Tâm lý & Phát triển bản thân | 375 | chậm hơn 4% (0,96) | 0,86 đến 1,07 |
| Công nghệ & AI | 323 | nhanh hơn 1% (1,01) | 0,89 đến 1,15 |
| Hướng dẫn phần mềm | 243 | nhanh hơn 1% (1,01) | 0,87 đến 1,19 |
| Tiền bạc & Đầu tư | 236 | nhanh hơn 9% (1,09) | 0,96 đến 1,16 |
| Sức khỏe & Thể hình | 235 | chậm hơn 2% (0,98) | 0,87 đến 1,11 |
| Tin tức & Chính trị | 224 | chậm hơn 1% (0,99) | 0,91 đến 1,08 |
| Tôn giáo & Tâm linh | 172 | chậm hơn 7% (0,93) | 0,83 đến 1,04 |
| Game | 148 | chậm hơn 2% (0,98) | 0,83 đến 1,12 |
| Xã hội & Văn hóa | 117 | chậm hơn 1% (0,99) | 0,89 đến 1,12 |
| Phim & Truyền hình | 109 | chậm hơn 5% (0,95) | 0,78 đến 1,13 |
| Phong cách sống | 100 | nhanh hơn 2% (1,02) | 0,87 đến 1,15 |
Video về kinh doanh và tiền bạc nói nhanh hơn 9% so với trung vị của ngôn ngữ chúng. Khoa học và giáo dục, cũng như tôn giáo, chậm hơn 7%.
Cách chúng tôi đo
- Nguồn. Mọi bản ghi lời đã đăng trên sozai.app lúc 10:55 UTC ngày 31 tháng 10 năm 2026: 29.514 bài. Mỗi bài được dựng từ phụ đề mà YouTube hiển thị cho video và giữ nguyên mốc thời gian của chúng. Chúng tôi đọc cơ sở dữ liệu bằng các truy vấn chỉ đọc và không đọc dữ liệu cá nhân nào.
- Ngôn ngữ là ngôn ngữ của luồng phụ đề mà bản ghi lời được dựng từ đó.
- Từ là các đơn vị nằm giữa các dấu cách có chứa một chữ cái hoặc một chữ số, sau khi bỏ các thẻ âm thanh như [Music] và [Applause]. Với tiếng Nhật, tiếng Trung và tiếng Thái, chúng tôi đếm chữ cái và chữ số thay vào đó.
- Thời gian lời nói. Phụ đề được lưu thành các đoạn khoảng 40 từ, mỗi đoạn có thời điểm bắt đầu và kết thúc. Thời gian lời nói là thời gian mà các đoạn ấy bao phủ. Một đoạn chạy chậm hơn một nửa nhịp thông thường của chính video đó chứa một quãng nghỉ dài, nhạc hoặc một đoạn cắt, nên chúng tôi bỏ cả từ lẫn thời gian của nó.
- Tốc độ là số từ chia cho thời gian lời nói, một con số cho mỗi video. Các bảng cho trung vị trên các video, nên một bài giảng ba giờ được tính ngang với một đoạn clip năm phút.
- Mức tối thiểu. Ít nhất 2 phút lời nói cho mỗi video, 100 video cho một ngôn ngữ, 100 cho một loại hoặc một chủ đề, và 50 cho một loại trong một ngôn ngữ.
Những gì chúng tôi loại bỏ
| Lý do | Bản ghi lời |
|---|---|
| Không dựng từ phụ đề có mốc thời gian: các bản ghi lời cũ hơn mà mô hình ước lượng mốc thời gian, hoặc không ghi nguồn | 5.176 |
| Nhạc, bài hát, đọc thuộc lòng, ASMR (nhãn chủ đề, từ trong tiêu đề hoặc thẻ [Music] trong phụ đề) | 4.465 |
| Được tạo sau 13:56 UTC ngày 20 tháng 10 năm 2026 (xem các giới hạn bên dưới) | 2.274 |
| Bước thêm dấu câu làm lệch hoặc lặp dòng (một đoạn hơn 100 từ) | 2.262 |
| Ngắn hơn 2 phút, tính theo video hoặc theo lời nói đã đo | 1.447 |
| Ngôn ngữ phụ đề không khớp với tiêu đề: có lẽ là bản lồng tiếng hoặc bản dịch | 1.070 |
| Thiếu các dòng phụ đề (hơn 15% số đoạn chứa dưới 15 từ) | 941 |
| Bản ghi không đầy đủ: không có tiêu đề hay ngôn ngữ, hoặc dưới 5 đoạn | 508 |
| Văn bản tiếng Nhật, tiếng Trung và tiếng Thái bị bước thêm dấu câu rút ngắn | 227 |
| Nhiều quãng lặng hoặc nhạc (hơn 30% thời gian phụ đề có nhịp dưới một nửa nhịp của video) | 85 |
| Trailer và quảng cáo | 30 |
| Giá trị ngoại lai (nằm ngoài nửa giữa của ngôn ngữ hơn ba lần khoảng tứ phân vị) | 12 |
| Tổng số bị loại bỏ | 18.497 |
Còn lại 11.017 video đã đo, trong đó 10.446 thuộc 14 ngôn ngữ được công bố. Hai thiết lập quyết định nhiều nhất: ngưỡng quãng nghỉ (một nửa nhịp thông thường của video) và hàng rào giá trị ngoại lai. Đổi ngưỡng thành 0,4 hoặc 0,6 không làm trung vị của ngôn ngữ nào thay đổi quá 2 từ mỗi phút, và bỏ hàng rào giá trị ngoại lai thì không làm thay đổi gì.
Đối chiếu với YouTube
Ngày 31 tháng 10 năm 2026, chúng tôi chọn ngẫu nhiên 112 video đã đo, 8 video mỗi ngôn ngữ, và tải phụ đề nhận dạng giọng nói của chính YouTube cho từng video. 6 video không còn luồng đó. Với 106 video còn lại:
| Phép kiểm tra | Kết quả |
|---|---|
| Số từ của chúng tôi chia cho số từ của YouTube, trung vị | 0,99 |
| Video nằm trong phạm vi 10% so với số từ của YouTube | 92% |
| Video có tốc độ nằm trong phạm vi 10% so với tốc độ tính từ luồng của YouTube | 97 trên 106 |
| Chênh lệch tốc độ trung vị | −0,4% |
Các quy tắc ở trên đã được chốt trước phép kiểm tra này. Một lần kiểm tra trước đó trên mẫu khác là cách chúng tôi tìm ra hai trong số đó: các video có nhiều đoạn phụ đề ngắn đã mất một phần ba số từ trở lên, và các đoạn hơn 100 từ chứa văn bản lặp.
Giới hạn
- Đây là các video YouTube. Nhiều video có kịch bản và được dựng, mà việc dựng cắt bớt quãng nghỉ, nên chúng nhanh hơn lời nói không kịch bản trong một căn phòng.
- Mẫu là những gì người truy cập nhờ chúng tôi chuyển thành văn bản, không phải một mẫu ngẫu nhiên từ YouTube. Tiếng Anh và tiếng Nga chiếm 63% số video đã đo.
- Phụ đề tự động bỏ sót từ khi có tiếng ồn và nhiều người nói chồng lên nhau, và mỗi từ bị sót làm giảm tốc độ đi một chút.
- Chúng tôi không phân biệt được phụ đề tự động với phụ đề do người viết, và cả hai đều có trong mẫu.
- Nhiều video có hơn một người nói. Tốc độ thuộc về video, không thuộc về một người.
- Các bản ghi lời được tạo từ 13:56 UTC ngày 20 tháng 10 năm 2026 trở đi không có trong ấn bản này. Hôm đó bước thêm dấu câu vào phụ đề thay đổi, và trong nhiều bản ghi lời mới hơn nó lặp hoặc làm mất dòng, nên chúng tôi loại cả giai đoạn đó.
Dùng các con số
Công cụ tính thời gian nói và teleprompter bắt đầu từ trung vị của ngôn ngữ trang bạn đang xem nếu chúng tôi có, và bạn có thể đổi tốc độ. Công cụ đếm từ dùng cùng trung vị đó cho thời gian nói.
