**各语言语速：14 种语言每分钟说多少词**
Source: https://sozai.app/zh/speaking-rate-by-language/

[转录](https://sozai.app/zh/category/zhuanlu/)

# 14 种语言的语速：基于 10,446 份文字稿实测，2026 年 10 月 31 日

10 月 31, 2026  • 1 min read • 13 views  • 最后更新： 10 月 31, 2026

在 SozAI 文字稿库的 10,446 个 YouTube 视频里，说英语的人每分钟的语音中位数是 168 个词，一半的英语视频落在 147 到 192 之间。西班牙语和俄语都是 139，法语 165，德语 130，葡萄牙语 149。我们根据每个视频自带字幕的时间戳，测量了 14 种语言。我们排除了音乐和广告，也排除了配音音轨，以及所有字幕文字经不起检查的文字稿。

_测量日期 2026 年 10 月 31 日。方法版本 1.1。10,446 个视频，约 6,880 小时的语音。来源：sozai.app 上公开的文字稿库。_

## 要点速览

| 指标 | 数值 |
| --- | --- |
| 公布的语言 | 14 种，每种至少 100 个视频 |
| 测量的视频 | 10,446 |
| 测量的语音 | 约 6,880 小时 |
| 英语，中位数 | 每分钟 168 词 |
| 英语，视频的中间一半 | 每分钟 147 到 192 词 |
| 英语的演讲和讲话，中位数 | 每分钟 147 词（56 个视频） |
| 与 YouTube 自己的字幕对照检查 | 106 个视频，词数之比的中位数为 0.99 |

## 各语言的语速

每个视频得出一个语速：词数除以语音的分钟数。中位数就是该语言正中间的那个视频。中间一半是第 25 到第 75 百分位之间的范围，也就是说一半的视频落在其中。最后一列是中位数的 95 % 自助法区间，表示换一批同样大小的样本，中位数本身可能波动多少。

| 语言 | 视频数 | 中位数，每分钟词数 | 中间一半 | 中位数的 95 % 区间 |
| --- | --- | --- | --- | --- |
| 英语 | 3,692 | 168 | 147 到 192 | 167 到 170 |
| 俄语 | 2,884 | 139 | 122 到 155 | 138 到 140 |
| 波兰语 | 634 | 128 | 118 到 140 | 127 到 130 |
| 阿拉伯语 | 612 | 123 | 104 到 143 | 120 到 125 |
| 印地语 | 430 | 181 | 158 到 207 | 177 到 188 |
| 西班牙语 | 382 | 139 | 121 到 164 | 135 到 143 |
| 法语 | 377 | 165 | 137 到 203 | 161 到 168 |
| 乌克兰语 | 349 | 121 | 103 到 135 | 118 到 124 |
| 印度尼西亚语 | 347 | 129 | 115 到 145 | 127 到 133 |
| 韩语 | 200 | 112 | 97 到 127 | 108 到 115 |
| 德语 | 166 | 130 | 107 到 170 | 124 到 137 |
| 葡萄牙语 | 160 | 149 | 135 到 170 | 145 到 155 |
| 希伯来语 | 107 | 138 | 120 到 156 | 131 到 144 |
| 孟加拉语 | 106 | 144 | 128 到 168 | 139 到 152 |

请在同一种语言内部比较数字，不要跨语言比较。这里的一个词，指两个空格之间的内容，而各种语言把语音装进词里的方式不同。韩语把名词和助词写成一个词，所以它的词数偏低（112）。印地语把许多短的语法词分开写，所以它的词数偏高（181）。这两个数字都不能说明韩语使用者说得比别人慢，或印地语使用者说得比别人快。

## 我们排除的语言

一种语言要出现在这里，至少要有 100 个视频通过所有检查。下面这些没有达到：日语 95、意大利语 93、中文 87、土耳其语 33、越南语 32、荷兰语 23、泰语 23、瑞典语 22、波斯语 22。测量视频不足 20 个的语言没有列出。日语、中文和泰语书写时词与词之间没有空格，所以对它们我们改为统计每分钟的字符数。许多日语和中文的文字稿没有通过下文所说的文本检查，所以留下的很少。

## 按视频类型

我们根据标题和频道名称里的词，把视频分成不同类型：访谈、播客、讲座、课程、TED、主题演讲、“怎么做”以及其他语言里的对应说法。10,446 个视频中有 1,612 个对上了某个类型。在对 100 个已分类标题的抽查中，大约十分之九的类型是对的。为了跨语言比较各类型，我们把每个视频的语速除以它所属语言的中位数，所以 1.07 表示比该语言通常的速度快 7 %。

| 类型 | 视频数 | 与该语言中位数相比 | 中间一半 |
| --- | --- | --- | --- |
| 教程与建议 | 442 | 快 7 %（1.07） | 0.89 到 1.23 |
| 讲座、课程或培训 | 421 | 慢 2 %（0.98） | 0.81 到 1.13 |
| 播客 | 187 | 快 4 %（1.04） | 0.89 到 1.16 |
| 演讲或讲话 | 125 | 慢 6 %（0.94） | 0.83 到 1.07 |
| 访谈 | 109 | 慢 1 %（0.99） | 0.93 到 1.11 |

相对于每个类型内部的离散程度，类型之间的差别很小。演讲和讲话最慢。教程与建议类视频最快，其中许多是有脚本、剪辑紧凑的。另外还有五个类型各不足 100 个视频，没有列出：新闻、有声书、布道、游戏和戏剧。

### 英语按类型

| 类型 | 视频数 | 中位数，每分钟词数 | 中间一半 |
| --- | --- | --- | --- |
| 教程与建议 | 282 | 184 | 159 到 211 |
| 播客 | 69 | 178 | 156 到 192 |
| 讲座、课程或培训 | 92 | 177 | 147 到 203 |
| 访谈 | 55 | 166 | 143 到 187 |
| 演讲或讲话 | 56 | 147 | 131 到 176 |

英语的演讲和讲话，中位数为每分钟 147 词，比整个英语 YouTube 的中位数低 21。如果你要给一场面向听众的演讲计时，这个数字更接近实际。在俄语里，讲座和课程的语速是每分钟 124 词（131 个视频），而俄语的中位数是 139。

## 按主题

2026 年 7 月 30 日之前创建的文字稿带有 20 个主题标签之一，测量的视频中有 3,860 个带有标签。比例尺与类型相同。视频不足 100 个的主题没有列出。

| 主题 | 视频数 | 与该语言中位数相比 | 中间一半 |
| --- | --- | --- | --- |
| 科学与教育 | 735 | 慢 7 %（0.93） | 0.80 到 1.02 |
| 商业与创业 | 430 | 快 9 %（1.09） | 0.98 到 1.22 |
| 心理学与自我提升 | 375 | 慢 4 %（0.96） | 0.86 到 1.07 |
| 科技与 AI | 323 | 快 1 %（1.01） | 0.89 到 1.15 |
| 软件使用教程 | 243 | 快 1 %（1.01） | 0.87 到 1.19 |
| 金钱与投资 | 236 | 快 9 %（1.09） | 0.96 到 1.16 |
| 健康与健身 | 235 | 慢 2 %（0.98） | 0.87 到 1.11 |
| 新闻与政治 | 224 | 慢 1 %（0.99） | 0.91 到 1.08 |
| 宗教与灵性 | 172 | 慢 7 %（0.93） | 0.83 到 1.04 |
| 游戏 | 148 | 慢 2 %（0.98） | 0.83 到 1.12 |
| 社会与文化 | 117 | 慢 1 %（0.99） | 0.89 到 1.12 |
| 影视 | 109 | 慢 5 %（0.95） | 0.78 到 1.13 |
| 生活方式 | 100 | 快 2 %（1.02） | 0.87 到 1.15 |

商业和金钱类视频比各自语言的中位数快 9 %。科学与教育、宗教类则慢 7 %。

## 测量方法

- **来源。** 2026 年 10 月 31 日 10:55 UTC 时 sozai.app 上公开的所有文字稿：29,514 篇。每一篇都由 YouTube 为该视频显示的字幕生成，并保留了字幕的时间戳。我们用只读查询读取数据库，不读取任何个人数据。
- **语言** 指生成这份文字稿所用字幕轨道的语言。
- **词数** 指两个空格之间含有字母或数字的单位，统计前已去掉 [Music]、[Applause] 这类声音标签。对日语、中文和泰语，我们改为统计字母和数字。
- **语音时间。** 字幕按约 40 个词一段保存，每段都有开始和结束时间。语音时间就是这些段落所覆盖的时间。如果某一段的速度低于它所属视频通常速度的一半，说明其中有长停顿、音乐或剪辑，我们就把它的词数和时间一起去掉。
- **语速** 是词数除以语音时间，每个视频得出一个数。表格给出的是各视频的中位数，所以一场三小时的讲座和一段五分钟的片段分量相同。
- **最低要求。** 每个视频至少 2 分钟的语音，一种语言至少 100 个视频，一个类型或主题至少 100 个，某一语言内的某一类型至少 50 个。

### 我们排除了什么

| 原因 | 文字稿数 |
| --- | --- |
| 不是由带时间的字幕生成：时间戳由模型估算的较早文字稿，或没有记录来源 | 5,176 |
| 音乐、歌曲、朗诵、ASMR（主题标签、标题用词，或字幕里的 [Music] 标签） | 4,465 |
| 创建于 2026 年 10 月 20 日 13:56 UTC 之后（见下文“局限”） | 2,274 |
| 标点处理步骤使行错位或重复（有一段超过 100 个词） | 2,262 |
| 视频本身或测得的语音不足 2 分钟 | 1,447 |
| 字幕语言与标题不符：很可能是配音或翻译音轨 | 1,070 |
| 缺失字幕提示（超过 15 % 的段落不足 15 个词） | 941 |
| 记录不完整：没有标题或语言，或不足 5 段 | 508 |
| 日语、中文和泰语的文字被标点处理步骤缩短 | 227 |
| 静音或音乐偏多（超过 30 % 的字幕时间低于视频速度的一半） | 85 |
| 预告片和广告 | 30 |
| 离群值（落在该语言中间一半之外超过三个四分位距） | 12 |
| **排除合计** | **18,497** |

剩下 11,017 个测量过的视频，其中 10,446 个属于公布的 14 种语言。有两项设置影响最大：停顿下限（视频通常速度的一半）和离群值界限。把下限改为 0.4 或 0.6，没有任何一种语言的中位数变化超过每分钟 2 词；去掉离群值界限，也没有任何变化。

## 与 YouTube 对照检查

2026 年 10 月 31 日，我们从测量过的视频中随机抽取了 112 个，每种语言 8 个，并下载了 YouTube 自己的语音识别字幕。其中 6 个视频已经没有这条轨道。对其余 106 个：

| 检查项 | 结果 |
| --- | --- |
| 我们的词数除以 YouTube 的词数，中位数 | 0.99 |
| 词数与 YouTube 相差不超过 10 % 的视频 | 92 % |
| 语速与 YouTube 轨道得出的语速相差不超过 10 % 的视频 | 106 个中的 97 个 |
| 语速差的中位数 | −0.4 % |

上述规则是在这次检查之前定下的。此前对另一批样本做的检查，让我们发现了其中两条：字幕段落很短的视频丢掉了三分之一或更多的词，而超过 100 个词的段落里有重复的文字。

## 局限

- 这些都是 YouTube 视频。许多有脚本、经过剪辑，而剪辑会去掉停顿，所以比房间里没有脚本的讲话要快。
- 样本是访问者让我们转写的视频，不是从 YouTube 随机抽取的。英语和俄语占测量视频的 63 %。
- 自动字幕在噪音和多人抢话时会漏词，每漏一个词，语速就略低一点。
- 我们分不出自动字幕和人写的字幕，两者都在样本里。
- 许多视频有不止一位说话人。语速属于这个视频，而不是某一个人。
- 2026 年 10 月 20 日 13:56 UTC 之后创建的文字稿不在这一版里。那天给字幕加标点的步骤发生了变化，在许多较新的文字稿里，它重复或丢掉了一些行，所以我们把整个时间段都排除了。

## 使用这些数字

[讲话时间计算器](https://sozai.app/zh/tools/speech-time-calculator/) 和 [提词器](https://sozai.app/zh/tools/teleprompter/) ，在有数据的情况下，会以你所在页面语言的中位数为起点，你也可以修改语速。 [字数统计器](https://sozai.app/zh/tools/word-counter/) 也用同一个中位数来估算讲话时间。

## 相关内容

- [浏览文字稿库](https://sozai.app/transcript/)
- [YouTube 文字稿生成器](https://sozai.app/zh/youtube-transcript/)
- [关于 SozAI](https://sozai.app/zh/about/)

答案

## Frequently Asked Questions

人说英语时每分钟说多少个词？

在我们 2026 年 10 月 31 日测量的 3,692 个英语 YouTube 视频里，每分钟语音的词数中位数是 168，一半的视频落在 147 到 192 之间。演讲和讲话更慢，中位数为 147。

哪种语言说得最快？

词数回答不了这个问题，因为各种语言装进一个词的语音量不同。在我们的数据里，印地语（181）和英语（168）每分钟词数最多，韩语（112）最少，但韩语把助词接在前一个词后面，而印地语是分开写的。

一篇 1,000 词的演讲要讲多久？

按英语 YouTube 的中位数每分钟 168 词，大约 6 分钟；按英语演讲和讲话的中位数（147），大约 6 分 48 秒。讲话时间计算器可以为任意文字和语速算出时间。

![Merey Tleugazin](https://sozai.app/wp-content/themes/sozai/assets/images/merey-tleugazin-2026.webp)

[Merey Tleugazin](https://sozai.app/about/merey/)

SozAI 创始人。正在为全球专业人士打造将语音转为文本的工具。

- [Instagram](https://instagram.com/mereytleugazin)
- [X](https://x.com/mereytleugazin)

## 相关文章

- [7 月 30 1 min ### Zoom录制文件保存在哪里?以及录制完成后你能做什么](https://sozai.app/zh/where-zoom-recordings-are-saved/)
- [7 月 30 1 min ### 一年的通话录音：如何找到你需要的那一条](https://sozai.app/zh/search-a-year-of-call-recordings/)
- [1 月 7 2 min ### Google 转录服务完全指南：工具、功能与最佳实践](https://sozai.app/zh/google-transcription-guide/)

[![SozAI](https://sozai.app/wp-content/themes/sozai/assets/images/appicon.png) SozAI — 免费下载 即时转录音频和视频 获取 App](https://sozai.app/zh/download/)


---
This is the markdown twin of https://sozai.app/zh/speaking-rate-by-language/ — the same content, without the markup.
Published by SozAI (https://sozai.app). Reuse and quotation are allowed with attribution and a link back.
Machine-readable index: https://sozai.app/llms.txt · data API: https://sozai.app/api/