Quantas palavras você precisa para entender vídeos de nativos?
Com as 5.000 palavras mais comuns do inglês, o clipe nativo típico tem 95,6% de palavras que você conhece. O espanhol precisa de cerca de 6.800 palavras para chegar a 95%, e em 13 de 23 idiomas nem 10.000 bastam. Dados de 35.615 clipes nativos, por idioma e por nível.
Chief Language Geek @ Reelang
Se você conhece as 5.000 palavras mais comuns do inglês, o clipe nativo típico em inglês tem 95,6% de palavras que você conhece, e 58,4% dos clipes chegam a 95%, o nível em que os estudos de compreensão oral mostram que quem aprende entende bem. O espanhol precisa de cerca de 6.800 palavras para o clipe típico chegar a 95%, e em 13 dos 23 idiomas que medi, 10.000 palavras não bastam.
Esses números vêm de 35.615 clipes nativos em 23 idiomas do catálogo da Reelang, contados palavra por palavra contra uma lista de frequência de cada idioma. Escolha um idioma e um tamanho de vocabulário abaixo para ver o que isso te dá.
As primeiras 1.000 palavras fazem quase todo o trabalho
A frequência das palavras é desequilibrada. Algumas centenas de palavras (the, and, is, you, que, de) formam boa parte de tudo o que alguém diz, e cada palavra mais abaixo na lista aparece menos. Esse padrão é conhecido como lei de Zipf, e vale para todos os idiomas aqui.
Nos 18 idiomas que posso ranquear sem ressalvas, o clipe típico é coberto em 80,7% pelas 1.000 palavras mais comuns, 86,7% pelas 2.000 e 92,4% pelas 5.000. As primeiras mil palavras te levam a quatro palavras conhecidas em cada cinco. As quatro mil seguintes somam cerca de doze pontos.
Os limiares que importam para a compreensão oral estão dentro desses últimos pontos. Dois deles aparecem o tempo todo na pesquisa sobre quantas palavras você precisa:
- 95%, uma palavra desconhecida a cada 20. Batia Laufer propôs esse número para a leitura em 1989. Para a escuta, van Zeeland e Schmitt (2013) viram que a maioria já se virava com 90%, e que em 95% os ouvintes de segunda língua entendiam bem, com muito menos variação entre eles.
- 98%, uma palavra desconhecida a cada 50. Hu e Nation (2000) concluíram que quem lia ficção sozinho precisava de mais ou menos isso para uma compreensão adequada.
A 150 palavras por minuto, um ritmo normal de fala, 95% significa cerca de sete palavras desconhecidas por minuto (Nation, 2006). 98% significa três. Dá para sentir essa diferença na demonstração abaixo. Ela usa falas reais de clipes do estudo e apaga toda palavra que não está entre as palavras mais comuns que você escolher.
Com 2.000 palavras, a fala sobre almôndegas é 58,3% conhecida: albóndigas, parmesano, rallado e orégano nem estão na lista, e perejil (salsinha) fica na posição 13.520. A fala sobre o gato é 96,2% conhecida com as mesmas 2.000 palavras. Os dois clipes são em espanhol e os dois estão marcados como A2.
Inglês e espanhol, em números
Inglês. O clipe típico chega a 90% com 2.021 palavras, a 95% com 4.462 e a 98% com 9.403. Com 3.000 palavras, 24,9% dos clipes em inglês estão em 95% ou mais. Com 5.000 palavras, são 58,4%, e 15,2% estão em 98% ou mais.
Espanhol. O clipe típico chega a 90% com 2.754 palavras e a 95% com 6.781. Não chega a 98% dentro de 10.000 palavras. Com 3.000 palavras, 10,8% dos clipes em espanhol estão em 95% ou mais. Com 5.000 palavras, são 32,0%.
Ou seja: no espanhol, quem tem 3.000 palavras encontra cerca de um clipe em cada dez em que 95% das palavras são familiares. Isso já é um bom material para aprender, porque as palavras que você ainda não sabe aparecem cercadas de palavras que você sabe. Este clipe colombiano é um deles: 88,4% das palavras estão entre as 1.000 mais comuns e 96,3% entre as 2.000.
Conhecer as palavras não é o mesmo que captá-las. As pessoas nesse clipe falam a uma mediana de 243 palavras por minuto, muito mais rápido que uma gravação de livro didático. A cobertura de vocabulário diz se você entenderia a transcrição. Não diz se você consegue acompanhar a velocidade.
Idiomas de curva plana e de curva íngreme
As curvas não têm todas o mesmo formato. Em dinamarquês, sueco e holandês, as 1.000 palavras mais comuns já cobrem de 84,4% a 86,5% de um clipe típico, e ir de 1.000 para 5.000 palavras soma só de 8,3 a 9,3 pontos. Inglês, francês, espanhol, português e italiano somam de 11,5 a 12,6 pontos no mesmo intervalo. As curvas mais íngremes são as do indonésio (+20,8), ucraniano (+18,3), árabe (+18,1), russo (+16,5), finlandês (+15,3), turco (+15,2) e polonês (+14,3).
Uma curva íngreme quer dizer que as primeiras mil palavras deixam mais do clipe desconhecido, e que cada mil palavras seguintes valem mais. Parte disso é o idioma. Parte é como as palavras são contadas, e isso precisa ser explicado antes de comparar dois idiomas.
As listas aqui são lematizadas: dije, dijo e decir contam como uma palavra só, decir. Isso é justo com o espanhol, que tem muitas formas verbais. Mas um lematizador só funciona quando reconhece a forma. Em tcheco, finlandês, húngaro, russo e ucraniano, de 9,0% a 10,8% das palavras corridas de um clipe típico são formas que a lista não conseguiu ligar a nenhum lema. Muitas são palavras comuns com uma desinência de caso que a ferramenta não removeu. Aqui elas contam como desconhecidas, então para esses cinco idiomas os números são um piso: a cobertura real é maior. Eles estão marcados com um asterisco na tabela abaixo.
As palavras compostas prejudicam o alemão, o holandês e as línguas nórdicas de um jeito parecido. Um composto alemão como Küchenschrank (armário de cozinha) conta como desconhecido a menos que o composto inteiro esteja na lista, mesmo que você conheça as duas partes.
O rótulo de nível quase não muda o vocabulário
Todo clipe do catálogo tem um nível do CEFR, definido por um modelo que lê a transcrição. Aqui eles estão agrupados em cinco faixas, de A1 (A0 conta como A1) até C1 (C2 conta como C1). Se o rótulo acompanhasse o vocabulário, níveis mais altos precisariam de mais palavras. Nas primeiras 2.000 palavras, quase não precisam. Pegando a mediana entre os idiomas (A1 tem clipes suficientes em 11 deles, C1 em 20), as 2.000 palavras mais comuns cobrem 84,0% de um clipe A1, 84,0% no A2, 85,2% no B1, 86,1% no B2 e 84,1% no C1.
O nível aparece mesmo é no topo da faixa. Com 5.000 palavras, você conheceria 95% das palavras em 30,2% dos clipes A1, 20,6% dos A2, 22,6% dos B1, 15,5% dos B2 e 4,5% dos C1. A duração explica parte disso: o clipe C1 mediano da amostra tem 338 palavras corridas, e o clipe A1 mediano, 81. Um clipe curto tem menos chances de usar uma palavra rara.
Os clipes com a menor cobertura são quase todos sobre comida. Dos 25 clipes em inglês da amostra com menor cobertura em 2.000 palavras, cerca de dois terços são receitas, avaliações de comida ou degustações de lanches, e 21 estão marcados como A1 ou A2. Em espanhol, 11 dos 25 mais baixos são sobre comida, e três são canções infantis. A gramática de uma receita é simples (“coloque o alho, mexa, pronto”), e é por isso que ela ganha um rótulo baixo. Os substantivos não são simples. Na lista do inglês, garlic é a palavra 6.395 e tablespoon a 11.551. Em espanhol, ajo é 6.605 e sartén (frigideira) 11.125.
Aqui vão dois clipes em inglês. O primeiro é um trailer de filme marcado como B2: 96,9% das palavras estão entre as 2.000 mais comuns, e ele passa de 95% com 1.300 palavras. O segundo é uma receita de panela elétrica marcada como A2: 72,3% das palavras estão entre as 2.000 mais comuns, e ele só passa de 95% com 11.551 palavras, a posição de tablespoon.
O trailer também não é fácil, por outro motivo: quem fala nele vai a uma mediana de 215 palavras por minuto. Um rótulo de nível mistura velocidade, gramática e vocabulário numa letra só, e a parte do vocabulário é a que se perde. Se você tem entre 2.000 e 5.000 palavras, olhe o tema do clipe além do nível: comida, culinária e conversa sobre produtos usam muitas palavras lá do fim da lista.
As variedades também são diferentes
O árabe é medido com uma lista de frequência separada para cada dialeto. Os outros idiomas usam uma lista só para todas as suas variedades. Com 2.000 palavras, o clipe típico em árabe egípcio tem 86,1% de cobertura, o iraquiano 79,6% e o marroquino 72,5%. No marroquino, 9,5% das palavras de um clipe típico nem estão na lista, então parte dessa diferença é da lista. No francês, os clipes do Quebec ficam em 90,6% contra 87,6% dos clipes da França. O português brasileiro fica em 87,4% e o europeu em 80,3%, mas só 61 clipes em português europeu passaram pelos filtros e eles são avaliados contra uma lista diferente, então leve esse dado com cuidado.
Como isso se compara com a estimativa de Nation
O número mais conhecido para o inglês falado vem do artigo de Paul Nation de 2006, “How large a vocabulary is needed for reading and listening?”. Usando um corpus de inglês falado da Nova Zelândia, ele viu que 3.000 famílias de palavras mais nomes próprios dão mais de 95% de cobertura, e que são necessárias de 6.000 a 7.000 famílias para 98%. Webb e Rodgers (2009) chegaram a números parecidos para roteiros de filmes: 3.000 famílias mais nomes próprios e palavras marginais para 95,76%, e 6.000 famílias mais os mesmos extras para 98,15%.
Meus números para o inglês são maiores: 4.462 palavras para o clipe típico chegar a 95%, e 9.403 para 98%. Juntando todos os clipes em inglês como um texto longo só, 5.000 palavras cobrem 95,1%. Há três motivos para a diferença, e nenhum deles quer dizer que um estudo está errado:
- Famílias são maiores que lemas. Uma família de palavras agrupa happy, unhappy, happiness e happily como uma unidade. Uma lista de lemas conta quatro. Então 3.000 famílias correspondem a um número maior de lemas.
- A lista é feita sobretudo a partir de texto escrito. Palavras comuns da fala ficam mais embaixo do que você esperaria: alright é a palavra 3.102, kinda a 2.333 e bye a 3.273.
- Vídeos curtos ficam num tema só. Uma receita de dois minutos gasta quase todas as palavras no vocabulário de um único tema, enquanto uma conversa longa muda de assunto e repete mais palavras gerais.
O que isso significa se você está aprendendo um idioma
Vale aprender as primeiras 2.000 ou 3.000 palavras de propósito, com um baralho ou curso ordenado por frequência. A partir daí, uma parte real dos clipes nativos fica ao seu alcance em 95%, e você passa a pegar muitas palavras novas pelo contexto em vez de por uma lista. O guia para iniciantes de Christian Lauer explica como chegar rápido nesse ponto.
Depois disso, escolha clipes por tema, não só por nível. Quem tem 3.000 palavras em espanhol acompanha a cena do gato acima e ainda assim se perde na receita de almôndegas, embora as duas estejam marcadas como A2. E, para tcheco, finlandês, húngaro, russo e ucraniano, espere que os números aqui pareçam mais duros do que a realidade: boa parte do que conta como desconhecido é uma palavra que você sabe com uma terminação que você ainda não viu.
Se você quiser praticar com clipes como os de cima, as páginas de espanhol, inglês e alemão listam clipes nativos por nível, com as mesmas legendas palavra por palavra dos clipes desta página. Mais sobre por que entender vem antes de falar: como parar de traduzir na cabeça.
Como eu medi isso
Os clipes. Todos os clipes estavam no catálogo da Reelang em 29 de setembro de 2026 e em rotação: exibidos publicamente, com fala, conteúdo nativo (não aulas de idioma), sem dublagem e em um idioma só. Para cada idioma, amostrei até 500 clipes por nível do CEFR e ponderei cada nível pela sua fatia no catálogo, para que os números descrevam o catálogo como um todo. Foram removidos: clipes com menos de 50 palavras, clipes em que uma linha de legenda se repete (mais de 30% das linhas), clipes mais rápidos que 330 palavras por minuto de duração e clipes em que mais de 35% das palavras não estão na lista do idioma (em geral, transcrição no idioma errado). Depois disso, restaram 35.615 clipes nos 23 idiomas ranqueados, com 13,8 milhões de palavras corridas. O clipe mediano tem 81 segundos. 35.600 são do YouTube, 8 do TikTok e 7 do Instagram.
As palavras. Cada transcrição é dividida em palavras por espaços e pontuação, passada para minúsculas e sem dígitos. Cada palavra é buscada numa lista de frequência do seu idioma, construída a partir do wordfreq 3.1.1 (Speer, 2022): as 25.000 formas mais frequentes, agrupadas por lema com o simplemma (outras ferramentas para árabe, hebraico e os idiomas asiáticos) e ordenadas pela frequência total de cada lema. Formas fora da lista são lematizadas com o simplemma como alternativa. Nomes próprios (com maiúscula, fora do início da frase, fora da lista) e palavras marginais como uh, mhm e haha contam como conhecidas, como em Nation (2006) e Webb e Rodgers (2009). O alemão escreve todo substantivo com maiúscula, e o híndi e o árabe não têm letras maiúsculas, então esses idiomas não ganham crédito por nomes próprios. No inglês, as metades das contrações contam como a palavra inteira (didn't conta como did e not).
Os números. Cobertura é a fatia de palavras corridas de um clipe cujo lema está entre os N mais comuns. As porcentagens acima são medianas entre clipes. Para os valores de “clipes em 95%”, o limiar exato de cada clipe é calculado a partir das posições das suas próprias palavras, então não há interpolação. O valor “o clipe típico chega a 95% com” é o menor tamanho de vocabulário em que o clipe mediano passa de 95%.
Não ranqueados. Os prefixos do hebraico (ve-, ha-, be-, le-) não são separados, então palavras conhecidas contam como desconhecidas. As transcrições em tâmil são de tâmil falado e a lista é de tâmil escrito. Japonês, chinês e coreano são contados só em palavras de conteúdo, e o vietnamita em sílabas, então seus números não podem ser comparados com o resto. Um idioma precisa de pelo menos 300 clipes para ser ranqueado. O norueguês tem 449; todos os outros ranqueados têm mais de 1.000. A lista do turco tem só 9.088 lemas, então para o turco os gráficos param em 8.000 palavras, e “10.000+” quer dizer que o clipe típico não chega a 95% nem com a lista inteira.
Vieses conhecidos. Os números descrevem transcrições, não áudio, então erros de reconhecimento de fala contam como palavras. Conhecer perfeitamente as N palavras mais comuns é um caso ideal, e as expressões idiomáticas não são contadas como unidades. O nível do CEFR é o julgamento de um modelo sobre a transcrição. E o catálogo é escolhido para quem aprende: ele pende para clipes com fala clara e apelo amplo, então não é uma amostra aleatória de tudo o que existe no YouTube ou no TikTok.
Use estes dados
Você pode reutilizar os gráficos e números desta página nos seus textos, aulas ou pesquisas. Por favor, cite esta página como fonte.
| Idioma | Clipes | 1.000 | 2.000 | 5.000 | 95%+ | 98%+ | 95% em |
|---|---|---|---|---|---|---|---|
| Dinamarquês | 1.122 | 86,5% | 91,1% | 94,8% | 47,0% | 8,4% | 5.292 |
| Inglês | 2.002 | 83,7% | 89,9% | 95,6% | 58,4% | 15,2% | 4.462 |
| Sueco | 1.325 | 85,6% | 89,8% | 94,0% | 37,6% | 5,6% | 6.768 |
| Holandês | 1.841 | 84,4% | 89,0% | 93,7% | 32,2% | 3,5% | 7.109 |
| Francês | 1.961 | 82,7% | 88,4% | 94,2% | 40,1% | 5,8% | 5.804 |
| Norueguês | 449 | 83,5% | 88,1% | 93,0% | 25,0% | 3,8% | 9.478 |
| Espanhol | 2.195 | 81,6% | 87,3% | 93,5% | 32,0% | 5,4% | 6.781 |
| Português | 1.865 | 81,4% | 87,2% | 94,0% | 38,4% | 7,3% | 6.121 |
| Romeno | 1.602 | 81,4% | 87,0% | 92,5% | 25,3% | 5,8% | 9.586 |
| Esperanto | 1.007 | 80,0% | 86,3% | 92,3% | 28,6% | 4,5% | 10.000+ |
| Italiano | 1.880 | 79,7% | 85,6% | 91,9% | 21,2% | 2,7% | 9.269 |
| Turco | 1.322 | 77,1% | 85,6% | 92,3% | 25,4% | 5,5% | 10.000+ † |
| Alemão | 1.933 | 80,0% | 84,8% | 90,3% | 11,3% | 1,1% | 10.000+ |
| Grego | 1.796 | 78,0% | 83,5% | 89,0% | 6,7% | 1,0% | 10.000+ |
| Híndi | 1.417 | 77,2% | 82,4% | 88,3% | 6,6% | 1,2% | 10.000+ |
| Árabe | 1.916 | 73,1% | 82,2% | 91,2% | 17,8% | 2,7% | 10.000+ |
| Polonês | 1.503 | 73,9% | 81,0% | 88,2% | 8,2% | 1,0% | 10.000+ |
| Indonésio | 1.582 | 68,6% | 80,6% | 89,4% | 10,4% | 2,3% | 10.000+ |
| Tcheco * | 1.239 | 73,4% | 80,0% | 86,8% | 3,9% | 0,5% | 10.000+ |
| Finlandês * | 1.565 | 71,7% | 79,3% | 87,0% | 3,6% | 0,8% | 10.000+ |
| Húngaro * | 1.732 | 71,7% | 78,1% | 84,5% | 0,4% | 0,0% | 10.000+ |
| Russo * | 1.305 | 70,0% | 77,8% | 86,5% | 2,9% | 0,1% | 10.000+ |
| Ucraniano * | 1.056 | 65,4% | 73,4% | 83,7% | 0,8% | 0,0% | 10.000+ |
Colunas 1.000, 2.000 e 5.000: a fatia mediana de palavras corridas de um clipe coberta pelos 1.000, 2.000 ou 5.000 lemas mais comuns. 95%+ e 98%+: a fatia de clipes em que alguém que conhece os 5.000 lemas mais comuns conhece pelo menos 95% ou 98% das palavras. 95% em: o tamanho de vocabulário em que o clipe mediano passa de 95% (10.000+ quer dizer que não acontece dentro de 10.000). * Limite inferior: 9% ou mais das palavras de um clipe típico não puderam ser ligadas à lista, então a cobertura real é maior. † A lista do turco tem só 9.088 lemas: o clipe turco típico não chega a 95% nem com a lista inteira.
Fontes
- Hu, M. H.-c., & Nation, I. S. P. (2000). Unknown vocabulary density and reading comprehension. Reading in a Foreign Language, 13(1), 403-430. doi.org/10.64152/10125/66973 (texto completo gratuito)
- Laufer, B. (1989). What percentage of text-lexis is essential for comprehension? In C. Lauren & M. Nordman (Eds.), Special language: From humans thinking to thinking machines (pp. 316-323). Multilingual Matters. Registro
- Nation, I. S. P. (2006). How large a vocabulary is needed for reading and listening? The Canadian Modern Language Review, 63(1), 59-82. doi.org/10.3138/cmlr.63.1.59, PDF gratuito
- Speer, R. (2022). wordfreq v3.0 [dados e software]. Zenodo. doi.org/10.5281/zenodo.7199437. Este estudo usou a versão 3.1.1 de github.com/rspeer/wordfreq.
- van Zeeland, H., & Schmitt, N. (2013). Lexical coverage in L1 and L2 listening comprehension: The same or different from reading comprehension? Applied Linguistics, 34(4), 457-479. doi.org/10.1093/applin/ams074
- Webb, S., & Rodgers, M. P. H. (2009). The lexical coverage of movies. Applied Linguistics, 30(3), 407-427. doi.org/10.1093/applin/amp010
Comece a assistir
Escolha um idioma e comece o feed. Fala nativa real, classificada por dificuldade. Sem prova, sem cadastro.
Escolha um idiomaLeia também
Input compreensível para iniciantes
O input compreensível só funciona quando você já consegue acompanhar o que está sendo dito. Christian Lauer explica como chegar lá rápido e como saber que você chegou.
Como parar de traduzir na cabeça: por que a compreensão vem antes da fala
Você para de traduzir na cabeça quando dá ao seu cérebro tanta fala compreensível que ele deixa de precisar traduzir. A tradução é um atalho que o cérebro cria quando não tem experiência direta suficiente com a língua. A solução não é um truque nem disciplina mental: é volume. Horas ouvindo fala real que você entende na maior parte, até o cérebro construir um caminho direto do som ao sentido, sem passar pela sua primeira língua.
Por que o input compreensível funciona para quem aprende mandarim
O input compreensível funciona no mandarim porque os maiores obstáculos da língua (os tons, a leitura por caracteres e a distância entre a fala e a escrita) são coisas que você aprende de ouvido antes de aprender por regra. Exercícios de gramática e flashcards ensinam a reconhecer o mandarim isolado; o input compreensível ensina a reconhecê-lo como os nativos realmente falam, em velocidade natural, no contexto, com os padrões de tom e ritmo intactos.