如果你認得英文最常用的 5,000 個單字，一般的英文母語短片裡有 95.6% 的字是你懂的，而且有 58.4% 的影片達到 95%，這正是聽力研究認為學習者能聽懂得不錯的門檻。西班牙文要讓一般影片達到 95%，大約需要 6,800 個字；而我測量的 23 種語言裡，有 13 種就算學到 10,000 字也還不夠。
這些數字來自 Reelang 片庫中 23 種語言、共 35,615 段母語影片，逐字對照各語言的詞頻表統計而成。在下面挑一個語言和一個單字量，看看它能帶你到哪裡。
前 1,000 個字做了大部分的工作
詞頻分布很不平均。幾百個字（the、and、is、you、que、de）就佔了所有話語的一大部分，而排名越往後的字，出現次數越少。這個現象叫做 Zipf's law，在這裡的每一種語言都成立。
在 18 種可以直接排名、沒有但書的語言中，一般影片被前 1,000 字涵蓋 80.7%，前 2,000 字 86.7%，前 5,000 字 92.4%。第一個一千字讓你每五個字認得四個。接下來的四千字大約只多加十二個百分點。
對聽力真正關鍵的門檻，就落在最後那幾個百分點裡。研究裡最常出現的有兩個：
- 95%，也就是每 20 個字有 1 個不認得。Batia Laufer 在 1989 年針對閱讀提出這個數字。至於聽力，van Zeeland and Schmitt (2013) 發現多數聽者在 90% 就能應付，而到了 95%，第二語言聽者理解得不錯，彼此之間的差異也小很多。
- 98%，每 50 個字有 1 個不認得。Hu and Nation (2000) 發現，學習者自行閱讀小說時，大約需要這個比例才能充分理解。
以每分鐘 150 字這種一般說話速度來算，95% 代表每分鐘大約有七個不認得的字（Nation, 2006）。98% 則是三個。你可以在下面的示範裡感受到這個差別。它用的是研究中影片的真實句子，並把不在你選的前 N 字裡的字都遮起來。
在 2,000 字的情況下，那句肉丸的話只有 58.3% 認得：albóndigas、parmesano、rallado 和 orégano 根本不在表裡，而 perejil（香芹）排在第 13,520 名。同樣是 2,000 字，那句關於貓的話卻有 96.2% 認得。兩段影片都是西班牙文，也都標為 A2。
英文和西班牙文的數字
英文。 一般影片在 2,021 字達到 90%，4,462 字達到 95%，9,403 字達到 98%。有 3,000 字時，24.9% 的英文影片達到 95% 以上。有 5,000 字時，這個比例是 58.4%，而 15.2% 達到 98% 以上。
西班牙文。 一般影片在 2,754 字達到 90%，6,781 字達到 95%。在 10,000 字以內達不到 98%。有 3,000 字時，10.8% 的西班牙文影片達到 95% 以上。有 5,000 字時是 32.0%。
所以對西班牙文來說，有 3,000 字的學習者大約每十段影片能找到一段，裡面 95% 的字都熟悉。這是一個實際可用的學習池，因為你還不認得的字，周圍都是你認得的字。這段哥倫比亞影片就是其中之一：它有 88.4% 的字在前 1,000 字裡，96.3% 在前 2,000 字裡。
認得字，不等於聽得出來。那段影片的說話者語速中位數是每分鐘 243 字，比教科書錄音快得多。詞彙涵蓋率告訴你的是，你能不能看懂逐字稿。它沒告訴你，你跟不跟得上速度。
平緩的語言與陡峭的語言
這些曲線的形狀並不一樣。在丹麥文、瑞典文和荷蘭文裡，前 1,000 字就涵蓋了一般影片的 84.4% 到 86.5%，而從 1,000 字增加到 5,000 字，只多出 8.3 到 9.3 個百分點。英文、法文、西班牙文、葡萄牙文和義大利文在同一區間多出 11.5 到 12.6 個百分點。最陡的曲線是印尼文（+20.8）、烏克蘭文（+18.3）、阿拉伯文（+18.1）、俄文（+16.5）、芬蘭文（+15.3）、土耳其文（+15.2）和波蘭文（+14.3）。
曲線陡，代表前一千字留下更多聽不懂的部分，而之後每多一千字的價值更高。原因一部分在語言本身，一部分在字怎麼算，而在比較兩種語言之前，這一點得先說清楚。
這裡的詞表都做過詞形還原：dije、dijo 和 decir 都算成同一個字 decir。這對動詞變化很多的西班牙文是公平的。但詞形還原工具只有在認得那個形式時才有用。在捷克文、芬蘭文、匈牙利文、俄文和烏克蘭文裡，一般影片中有 9.0% 到 10.8% 的詞，詞表無法對應到任何詞元。其中很多其實是普通字，只是帶了工具沒去掉的格位字尾。它們在這裡被算成不認得，所以這五種語言的數字是下限：真實涵蓋率更高。表格中會用星號標示。
複合詞則對德文、荷蘭文和北歐語言不利，道理類似。像 Küchenschrank（廚櫃）這種德文複合詞，除非整個複合詞在詞表裡，否則就算成不認得，即使你兩個部分都懂。
程度標籤幾乎不影響詞彙量
片庫裡每段影片都有 CEFR 程度，由一個讀逐字稿的模型判定。這裡把它們分成五級，從 A1（A0 併入 A1）到 C1（C2 併入 C1）。如果標籤真的反映詞彙，程度越高就該需要越多字。但在前 2,000 字的範圍內，幾乎看不出差別。取各語言的中位數（A1 有足夠影片的語言有 11 種，C1 有 20 種），前 2,000 字涵蓋 A1 影片的 84.0%、A2 的 84.0%、B1 的 85.2%、B2 的 86.1%、C1 的 84.1%。
程度的差別要到高端才顯現。有 5,000 字時，你會認得 30.2% 的 A1 影片、20.6% 的 A2 影片、22.6% 的 B1 影片、15.5% 的 B2 影片和 4.5% 的 C1 影片裡 95% 的字。長度是原因之一：樣本中 C1 影片的中位數有 338 個詞，A1 影片只有 81 個。短片用到罕見字的機會比較少。
涵蓋率最低的影片，大多跟食物有關。在 2,000 字時涵蓋率最低的 25 段英文影片中，大約三分之二是食譜、美食評論或零食試吃，而且有 21 段標為 A1 或 A2。西班牙文最低的 25 段裡有 11 段跟食物有關，還有三首兒歌。食譜的文法很簡單（「加蒜頭、攪拌、完成」），所以標籤才會低。但名詞不簡單。在英文表裡，garlic 是第 6,395 名，tablespoon 是第 11,551 名。西班牙文裡，ajo 是第 6,605 名，sartén（平底鍋）是第 11,125 名。
這裡有兩段英文影片。第一段是標為 B2 的電影預告：96.9% 的字在前 2,000 字裡，1,300 字就超過 95%。第二段是標為 A2 的慢燉鍋食譜：只有 72.3% 的字在前 2,000 字裡，要到 11,551 字（也就是 tablespoon 的名次）才超過 95%。
那段預告也不輕鬆，只是原因不同：說話者語速中位數是每分鐘 215 字。程度標籤把語速、文法和詞彙混成一個字母，而被犧牲掉的通常就是詞彙那一塊。如果你的單字量在 2,000 到 5,000 之間，除了看程度，也要看影片主題：美食、料理和產品介紹會用到很多排名很後面的字。
不同腔調也有差別
阿拉伯文的每種方言都用各自的詞頻表來測量。其他語言則是所有腔調共用一份詞表。在 2,000 字時，一般的埃及阿拉伯文影片涵蓋率是 86.1%，伊拉克是 79.6%，摩洛哥是 72.5%。摩洛哥方言有 9.5% 的詞根本不在它的詞表裡，所以這個落差有一部分是詞表造成的。法文方面，魁北克影片是 90.6%，法國影片是 87.6%。巴西葡萄牙文是 87.4%，歐洲葡萄牙文是 80.3%，但只有 61 段歐洲葡萄牙文影片通過篩選，而且它們是用另一份詞表評分的，所以這個數字要小心看待。
這和 Nation 的估計有何不同
英文口語最有名的數字來自 Paul Nation 2006 年的論文〈How large a vocabulary is needed for reading and listening?〉。他使用紐西蘭英語口語語料庫，發現 3,000 個詞族加上專有名詞可達到 95% 以上的涵蓋率，而要到 98% 則需要 6,000 到 7,000 個詞族。Webb and Rodgers (2009) 針對電影劇本得到類似結果：3,000 個詞族加上專有名詞與邊緣詞是 95.76%，6,000 個詞族加上同樣的附加項目是 98.15%。
我的英文數字比較高：一般影片要 4,462 字才達到 95%，9,403 字才達到 98%。把所有英文影片當成一整篇長文來看，5,000 字涵蓋 95.1%。數字不同有三個原因，但沒有一個代表哪個研究錯了：
- 詞族比詞元大。一個詞族會把 happy、unhappy、happiness 和 happily 算成一個單位。詞元表則算成四個。所以 3,000 個詞族對應到的詞元數量更多。
- 詞表主要是用書面文字建立的。日常口語詞在裡面的排名比你想的更後面：alright 是第 3,102 名，kinda 是 2,333 名，bye 是 3,273 名。
- 短影片只講一個主題。一支兩分鐘的食譜影片，大部分字都花在同一個主題的詞彙上；而一場長對話會東拉西扯，重複使用更多通用字。
如果你正在學語言，這代表什麼
前 2,000 或 3,000 字值得刻意去學，用依詞頻排序的字卡或課程都行。到了那個程度，就有相當比例的母語影片能達到 95%，接著你就能從情境中學到很多新字，不必再靠詞表。Christian Lauer 的初學者指南講的就是怎麼快速走到那一步。
之後，挑影片要看主題，不要只看程度。一個懂 3,000 個西班牙文單字的學習者，可以跟上前面那段貓咪短片，卻會在肉丸食譜裡迷路，雖然兩段都標為 A2。至於捷克文、芬蘭文、匈牙利文、俄文和烏克蘭文，這裡的數字會看起來比實際更嚇人：被算成不認得的字，很多其實是你認得的字，只是帶了你還沒學過的字尾。
如果你想用上面這類影片來練習，西班牙文、英文和德文頁面都依程度列出了母語影片，字幕也和本頁影片一樣是逐字對照的。想知道為什麼理解要先於開口，可以看：如何停止在腦中翻譯。
我是怎麼測量的
影片。 所有影片在 2026 年 9 月 29 日都在 Reelang 片庫中，而且正在輪播：公開顯示、有語音、屬於母語內容（不是語言課）、非配音、且為單一語言。每種語言我在每個 CEFR 程度最多抽 500 段影片，並依各程度在片庫中的比例加權，所以這些數字描述的是整個片庫。少於 50 個詞的影片、字幕行重複的影片（超過 30% 的行重複）、語速超過每分鐘 330 字的影片，以及超過 35% 的詞不在該語言詞表中的影片（通常是逐字稿語言錯誤），都被剔除。之後，23 種排名語言中還剩 35,615 段影片，共 1,380 萬個詞。影片長度中位數為 81 秒。其中 35,600 段來自 YouTube，8 段來自 TikTok，7 段來自 Instagram。
單字。 每份逐字稿依空白和標點切成單字，轉為小寫，並移除數字。每個字都在該語言的詞頻表中查找，這份詞頻表以 wordfreq 3.1.1（Speer, 2022）為基礎建立：取最常見的 25,000 個詞形，用 simplemma 依詞元分組（阿拉伯文、希伯來文和亞洲語言使用其他工具），再依各詞元的總詞頻排名。不在表中的詞形，會以 simplemma 做詞形還原作為備援。專有名詞（首字母大寫、不在句首、不在詞表中）以及 uh、mhm、haha 這類邊緣詞都算作認得，做法與 Nation (2006) 和 Webb and Rodgers (2009) 相同。德文所有名詞都大寫，印地文和阿拉伯文沒有大小寫，所以這些語言不給專有名詞的加分。在英文裡，縮寫的兩半算成完整的字（didn't 算成 did 和 not）。
數字。 涵蓋率是指影片中詞元落在前 N 名內的詞所佔的比例。上面的百分比都是各影片的中位數。「達到 95% 的影片」這類數字，是依每段影片自己的詞頻名次算出確切門檻，沒有做內插。「一般影片在幾字達到 95%」指的是讓中位數影片超過 95% 的最小單字量。
未列入排名。 希伯來文的前綴（ve-、ha-、be-、le-）沒有切開，所以認得的字被算成不認得。坦米爾文的逐字稿是口語坦米爾文，詞表卻是書面坦米爾文。日文、中文和韓文只計算實詞，越南文以音節計算，所以這些數字無法和其他語言比較。一種語言至少要有 300 段影片才會列入排名。挪威文有 449 段；其他列入排名的語言都超過 1,000 段。土耳其文詞表只有 9,088 個詞元，所以土耳其文的圖表停在 8,000 字，而「10,000+」表示一般影片用完整份詞表也達不到 95%。
已知偏誤。 這些數字描述的是逐字稿，不是音訊，所以語音辨識的錯誤也被算成字。完美掌握前 N 字是理想狀況，而慣用語沒有被當成單位計算。CEFR 程度是模型對逐字稿的判斷。而且片庫是為學習者挑選的：它偏向口齒清晰、主題大眾的影片，所以不是 YouTube 或 TikTok 上所有內容的隨機樣本。
使用這份資料
歡迎你在自己的寫作、教學或研究中重複使用本頁的圖表和數字。請連結到本頁作為出處。
| 語言 | 影片數 | 1,000 | 2,000 | 5,000 | 95%+ | 98%+ | 95% 所需 |
|---|---|---|---|---|---|---|---|
| 丹麥文 | 1,122 | 86.5% | 91.1% | 94.8% | 47.0% | 8.4% | 5,292 |
| 英文 | 2,002 | 83.7% | 89.9% | 95.6% | 58.4% | 15.2% | 4,462 |
| 瑞典文 | 1,325 | 85.6% | 89.8% | 94.0% | 37.6% | 5.6% | 6,768 |
| 荷蘭文 | 1,841 | 84.4% | 89.0% | 93.7% | 32.2% | 3.5% | 7,109 |
| 法文 | 1,961 | 82.7% | 88.4% | 94.2% | 40.1% | 5.8% | 5,804 |
| 挪威文 | 449 | 83.5% | 88.1% | 93.0% | 25.0% | 3.8% | 9,478 |
| 西班牙文 | 2,195 | 81.6% | 87.3% | 93.5% | 32.0% | 5.4% | 6,781 |
| 葡萄牙文 | 1,865 | 81.4% | 87.2% | 94.0% | 38.4% | 7.3% | 6,121 |
| 羅馬尼亞文 | 1,602 | 81.4% | 87.0% | 92.5% | 25.3% | 5.8% | 9,586 |
| 世界語 | 1,007 | 80.0% | 86.3% | 92.3% | 28.6% | 4.5% | 10,000+ |
| 義大利文 | 1,880 | 79.7% | 85.6% | 91.9% | 21.2% | 2.7% | 9,269 |
| 土耳其文 | 1,322 | 77.1% | 85.6% | 92.3% | 25.4% | 5.5% | 10,000+ † |
| 德文 | 1,933 | 80.0% | 84.8% | 90.3% | 11.3% | 1.1% | 10,000+ |
| 希臘文 | 1,796 | 78.0% | 83.5% | 89.0% | 6.7% | 1.0% | 10,000+ |
| 印地文 | 1,417 | 77.2% | 82.4% | 88.3% | 6.6% | 1.2% | 10,000+ |
| 阿拉伯文 | 1,916 | 73.1% | 82.2% | 91.2% | 17.8% | 2.7% | 10,000+ |
| 波蘭文 | 1,503 | 73.9% | 81.0% | 88.2% | 8.2% | 1.0% | 10,000+ |
| 印尼文 | 1,582 | 68.6% | 80.6% | 89.4% | 10.4% | 2.3% | 10,000+ |
| 捷克文 * | 1,239 | 73.4% | 80.0% | 86.8% | 3.9% | 0.5% | 10,000+ |
| 芬蘭文 * | 1,565 | 71.7% | 79.3% | 87.0% | 3.6% | 0.8% | 10,000+ |
| 匈牙利文 * | 1,732 | 71.7% | 78.1% | 84.5% | 0.4% | 0.0% | 10,000+ |
| 俄文 * | 1,305 | 70.0% | 77.8% | 86.5% | 2.9% | 0.1% | 10,000+ |
| 烏克蘭文 * | 1,056 | 65.4% | 73.4% | 83.7% | 0.8% | 0.0% | 10,000+ |
1,000、2,000、5,000 這三欄：影片中被前 1,000、2,000 或 5,000 個詞元涵蓋的詞所佔比例的中位數。95%+ 與 98%+：認得前 5,000 個詞元的學習者，能認得至少 95% 或 98% 的字的影片比例。95% 所需：讓中位數影片超過 95% 的單字量（10,000+ 表示 10,000 字以內達不到）。* 下限：一般影片中有 9% 以上的詞無法對應到詞表，所以真實涵蓋率更高。† 土耳其文詞表只有 9,088 個詞元：一般土耳其文影片用完整份詞表也達不到 95%。
參考資料
- 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（全文免費）
- 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. 紀錄
- 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、免費 PDF
- Speer, R. (2022). wordfreq v3.0 [data and software]. Zenodo. doi.org/10.5281/zenodo.7199437。本研究使用 github.com/rspeer/wordfreq 的 3.1.1 版。
- 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
繼續閱讀
初學者的可理解輸入指南
可理解輸入要先聽得懂，才會發揮效果。Christian Lauer 談怎麼最快到達那個門檻，以及怎麼判斷自己到了。
怎麼停止在腦中翻譯：為什麼聽懂要排在開口之前
想停止在腦中翻譯，方法是給大腦大量你聽得懂的語言，多到它不再需要翻譯。翻譯只是大腦在經驗不足時搭出來的臨時橋。真正的解法不是技巧，也不是意志力，而是時數：長時間聽你大致聽得懂的真實語言，直到大腦建立一條從聲音直接到意義的路，而不再繞道母語。
為什麼可理解輸入對學中文的人特別有效
中文最大的三個障礙：聲調、漢字讀寫、口語和書面語的落差，都要先靠耳朵學，而不是靠規則學。文法練習和字卡教你在孤立狀態下認出中文；可理解輸入教你在母語者真正說話的樣子裡認出它：自然語速、有情境、聲調和節奏都完整保留。這篇文章講的就是這個差別。