Actualizado 2 de septiembre de 2026 · Por Sumbat.T
Palabras por minuto al hablar: lo que la investigación midió de verdad
La respuesta corta
- La gente habla a unas 196 palabras por minuto en una conversación ordinaria. Esa es la cifra medida a partir de 2.438 conversaciones telefónicas alineadas palabra a palabra. Las conversaciones individuales iban de 111 a 291 palabras/min.
- Quite los silencios y sube a 236 palabras/min. Mismo corpus, mismas personas, definición distinta. Más o menos un quinto del tiempo conversacional no es habla, así que qué número es «el promedio» depende por completo de si cuenta los huecos.
- La cifra de 150 palabras/min que ve por todas partes es una convención, no una medición. Viene de una página tutorial del National Center for Voice and Speech sin tamaño de muestra y sin método adjunto. Es un objetivo razonable para una presentación preparada y una estimación baja para una conversación.
- El tecleo va a 51,6 palabras/min entre 168.000 personas y 136 millones de pulsaciones, y a 36,2 palabras/min en un teléfono. Esa brecha es todo el argumento a favor del dictado, y es por lo que existe BlabbyAI: una app Windows y una extensión de Chrome que teclean lo que dice en cualquier campo de texto, desde $8.49 al mes.
Hay un número que aparece en casi todos los artículos sobre velocidad al hablar, en la mayoría de las guías de presentación y en el resumen de IA que Google muestra encima de los resultados de búsqueda: 150 palabras por minuto. Se repite con tanta constancia que tiene la textura de un hecho.
No es exactamente falso. Pero tampoco es una medición, y la investigación que sí midió el habla conversacional con cuidado llegó a un sitio bastante distinto. Este texto detalla de dónde sale cada cifra de este tema, cuáles tienen un estudio y un tamaño de muestra detrás, y cuáles son folklore copiado entre sitios el tiempo suficiente como para parecer autoritario.
La razón práctica para importarle es la brecha entre hablar y teclear. Sea cual sea la cifra que acepte para el habla, es varias veces más rápida de lo que nadie teclea, y esa diferencia es toda la base del software de dictado. También se exagera con frecuencia, así que la segunda mitad de este texto trata de lo que la brecha vale de verdad una vez se contabilizan la composición y la corrección.
Tasa de entrada por método, en palabras por minuto
Cada cifra de abajo viene de un estudio con nombre. Los tamaños de muestra van de 168.000 personas a 12, por eso la columna de la fuente importa tanto como el número.
Conversación, silencios excluidos
236 palabras/min
Yuan, Liberman & Cieri (2006) · 2.438 conversaciones Switchboard alineadas
Conversación, tiempo total transcurrido
196 palabras/min
Yuan, Liberman & Cieri (2006) · Mismo corpus, rango 111 a 291 palabras/min
Lectura en voz alta
183 palabras/min
Brysbaert (2019) metaanálisis · 77 estudios, 5.965 participantes
Dictar a un teléfono
153 palabras/min
Ruan et al. (2016), Stanford · 32 participantes, mensajes cortos
Ritmo de presentación (convención)
150 palabras/min
National Center for Voice and Speech · Regla práctica, sin tamaño de muestra
Tecleo, teclado físico
51,6 palabras/min
Dhakal et al. (2018), CHI · 168.000 personas, 136M pulsaciones
Tecleo, teclado móvil
36,2 palabras/min
Palin et al. (2019), MobileHCI · 37.370 voluntarios
Escritura a mano, copia
22 palabras/min
Brown (1988), HFES · Estudio pequeño, 12 sujetos
Lo que la gente midió de verdad: 196 palabras/min, y 236 sin las pausas
La medición más cuidadosa de la tasa de habla conversacional en inglés viene de un artículo Interspeech de 2006 de Jiahong Yuan, Mark Liberman y Christopher Cieri en la University of Pennsylvania y el Linguistic Data Consortium. Usaron la versión del corpus Switchboard en inglés corregida y alineada en el ICSI, con 2.438 conversaciones, lo que significa que cada palabra tiene una marca de tiempo en lugar de una transcripción colocada a ojo sobre un archivo de audio.
Esa alineación es lo que hace útil el estudio, porque permite calcular la tasa de habla de dos formas y ver cuánto importa la definición. En palabras de los propios autores: sumar el número de palabras dichas por ambos participantes y dividir por el tiempo total transcurrido de las conversaciones da «an overall average rate of 196 words per minute». Usar las alineaciones para excluir silencios y ruidos no lingüísticos da «an average net speaking rate of 236 WPM».
196 palabras/min
La tasa bruta. Palabras totales divididas por el tiempo total, silencios incluidos. Las conversaciones individuales iban de 111 a 291 palabras/min.
236 palabras/min
La tasa neta, con silencios y ruidos no lingüísticos eliminados. Mínimo 158 palabras/min, máximo 312 palabras/min.
La distancia entre esas dos cifras es la parte interesante. Unas 40 palabras por minuto, más o menos un quinto del total, es silencio: respirar, pensar, esperar a la otra persona, los pequeños huecos que hacen que el habla suene a habla y no a una recitación. Ambas cifras describen las mismas grabaciones. Solo difieren en si las pausas cuentan.
Por qué importa si está citando un número
«La persona media habla a X palabras por minuto» es una frase incompleta. Tiene que decir si X incluye los silencios, y si el entorno era una conversación, una presentación o una lectura.
El mismo estudio halló que la variación entre personas es grande: 111 a 291 palabras/min entre conversaciones, una dispersión de más de dos veces y media. Cualquier promedio único está ocultando eso.
El mismo artículo halló dos efectos menores que conviene conocer. Los hombres hablaban un poco más rápido que las mujeres, unas 4 a 5 palabras por minuto o alrededor del 2 %, una diferencia mucho menor de lo que sugiere el estereotipo. Los hablantes mayores eran más lentos. Y el tema de la conversación movía el promedio de forma significativa: entre los temas de discusión asignados en el corpus, la tasa media de habla iba de 152 palabras/min a casi 170 palabras/min, así que de qué se habla cambia lo rápido que se habla de ello.
De dónde sale la cifra de 150 palabras/min, y para qué sirve
El número de 150 palabras/min es real, en el sentido de que aparece de verdad donde la gente dice que aparece. El National Center for Voice and Speech, una organización de investigación respetable, afirma en una página tutorial que la tasa media de habla de los hablantes de inglés en Estados Unidos es de unas 150 palabras por minuto. Esa es la fuente que casi todo el mundo acaba citando, sepa o no que lo hace.
Lo que esa página no incluye es un tamaño de muestra, una metodología, un corpus ni una cita a un estudio. Es una regla práctica ofrecida en un contexto educativo, y es perfectamente sensata. Solo que no es el mismo tipo de objeto que una medición de corpus de 2.438 conversaciones alineadas, y las dos se citan de forma intercambiable como si lo fueran.
También hay una buena razón por la que 150 les parece bien a las personas, y conviene decirlo con claridad en lugar de tratar la cifra como simplemente errónea. Las presentaciones son más lentas que las conversaciones. Cuando habla ante un público pausa para enfatizar, ralentiza las partes que importan y deja espacio para que la gente siga. En torno a 130 a 150 palabras/min es un ritmo cómodo para una charla preparada. El número es un buen consejo para la situación de la que salió. El error es generalizarlo del estrado al teléfono.
| Cifra | Tipo de afirmación | Evidencia detrás |
|---|---|---|
| 236 palabras/min | Conversación, silencios quitados | Revisado por pares, 2.438 conversaciones alineadas palabra a palabra |
| 196 palabras/min | Conversación, tiempo total | Mismo estudio, mismo corpus |
| 183 palabras/min | Lectura en voz alta | Metaanálisis, 77 estudios, 5.965 participantes |
| 150 palabras/min | Convención general | Página tutorial institucional, sin tamaño de muestra declarado |
Otro conjunto de cifras merece escepticismo. Busque tasa de habla y encontrará tablas seguras de sí mismas con cifras separadas para narración de audiolibros, pódcast, noticias de radio y subastadores. Esas tablas se contradicen de un sitio a otro, y ninguna de las que circulan mucho cita un estudio. Parecen folklore que se propaga entre blogs. La única cifra sólidamente medida en ese terreno es la lectura en voz alta a 183 palabras/min, de un metaanálisis de 2019 de Marc Brysbaert que cubre 77 estudios y 5.965 participantes, un ancla razonable para cualquier entrega con guion.
La otra mitad de la comparación: teclear a 51,6 palabras/min
El lado del tecleo de esta comparación está en terreno mucho más firme, porque alguien hizo el mayor estudio de la pregunta jamás intentado. En 2018, Vivek Dhakal, Anna Feit, Per Ola Kristensson y Antti Oulasvirta publicaron «Observations on Typing from 136 Million Keystrokes» en CHI, a partir de 168.000 voluntarios de más de 200 países.
La cifra estrella es una media de 51,56 palabras por minuto, con una desviación estándar de 20,20. El rango iba de 4 a 158 palabras/min, y los participantes más rápidos alcanzaron unas 120 palabras/min. Como con el habla, la dispersión es la historia: el promedio no describe casi a nadie, y la diferencia entre un tipista lento y uno rápido es mucho mayor que la diferencia entre un hablante lento y uno rápido.
51,6 palabras/min
El promedio entre 168.000 personas. Desviación estándar 20,2, así que la persona típica está en algún punto entre 31 y 72 palabras/min.
36,2 palabras/min
Tecleo en el teléfono, de un estudio aparte de 37.370 voluntarios. Aproximadamente el 70 % de la velocidad del teclado físico.
40 a 70 %
La proporción de pulsaciones que los tipistas rápidos hacen con rollover, pulsando la siguiente tecla antes de soltar la última.
Dos hallazgos de ese estudio merecen repetirse porque contradicen lo que la mayoría asume. El primero es que el entrenamiento formal apenas importaba: los participantes que habían hecho un curso de mecanografía rindieron de forma muy similar a quienes nunca lo habían hecho, pese a que el grupo entrenado usaba más dedos. El segundo es lo que sí separaba al grupo rápido, que era el rollover, solapar una pulsación con la siguiente. Los tipistas rápidos no movían los dedos más rápido tanto como los hacían correr en paralelo.
La cifra móvil viene de un estudio compañero, «How do People Type on Mobile Devices?», que cubre 37.370 voluntarios. Halló un promedio de 36,2 palabras/min con un 2,3 % de errores sin corregir, con más del 74 % de la gente tecleando con ambos pulgares, lo cual era significativamente más rápido que cualquier otra técnica. Los tipistas móviles más rápidos tenían de 10 a 19 años, lo cual no sorprendará a nadie que haya visto a un adolescente escribir un mensaje.
Entonces, ¿cuánto más rápido es hablar? Unas tres o cuatro veces
Junte ambos lados y la aritmética es directa. Frente a la cifra conversacional de 196 palabras/min, el habla va más o menos 3,8 veces más rápido que el teclado físico medio y unas 5,4 veces más rápido que un teclado de teléfono. Frente a la convención más conservadora de 150 palabras/min se acerca a 2,9 veces.
Esas son, eso sí, comparaciones de sobremesa entre estudios separados, y hay un número mejor disponible. En 2016 un equipo de Stanford, Baidu y la University of Washington hizo la comparación como toca: mismas personas, misma tarea, ambos métodos de entrada. Sherry Ruan, Jacob Wobbrock, Kenny Liou, Andrew Ng y James Landay hicieron que 32 participantes introdujeran mensajes cortos en un iPhone 6 Plus, por voz y por teclado, y midieron ambos.
La comparación controlada
- Inglés: el habla fue 2,93 veces más rápida, a 153 palabras/min frente a 52 palabras/min del teclado táctil.
- Mandarín: el habla fue 2,87 veces más rápida, a 123 palabras/min frente a 43 palabras/min.
- Los errores iban en ambos sentidos. El habla produjo menos errores durante la entrada (5,30 % frente a 11,22 %), pero dejó un poco más en el texto terminado (1,30 % frente a 0,79 %).
Hay un detalle en ese estudio que casi todos los artículos que lo citan entienden mal, y conviene enunciarlo con claridad. El teclado que se batía tres a uno era un teclado táctil de smartphone, no uno físico, y la tarea era transcribir mensajes cortos en lugar de componer texto original. El artículo se cita a menudo bajo su título de trabajo original, «Speech Is 3x Faster than Typing», que invita a leerlo como una afirmación sobre el tecleo de escritorio en general. No lo es. El hallazgo es sólido y el estudio es bueno; el alcance es más estrecho de lo que sugiere el titular.
La brecha, en la práctica
Teclee a la velocidad a la que habla
BlabbyAI convierte el habla en texto en cualquier aplicación Windows con Ctrl+Espacio, o en cualquier pestaña del navegador con la extensión de Chrome. Whisper large v3 turbo, sin entrenamiento de voz, sin facturación por minuto. 60 créditos a la semana gratis, sin tarjeta.
Por qué el dictado no se siente tres veces más rápido en la práctica
Quien haya usado de verdad el dictado para trabajo real habrá notado que no entrega un 3x limpio. La explicación honesta tiene dos partes, y entenderlas es lo que separa a quienes sacan valor del dictado de quienes lo prueban una semana y lo dejan.
La primera es la composición. Transcribir texto que ya existe es una tarea distinta de decidir qué decir, y la brecha es enorme en ambas modalidades. Un estudio de IBM de 1999 de Karat y colegas midió a usuarios de teclado en torno a 33 palabras/min al transcribir, pero solo a 19 palabras/min al componer. El cuello de botella se mueve de los dedos a la cabeza. Si está mirando un documento en blanco decidiendo qué piensa, el dictado no puede hacerle pensar más rápido, y la tasa de entrada deja de ser el factor limitante del todo.
La segunda es la corrección. Cada error que arregla se come el tiempo que ahorró. Aquí es donde el reconocimiento de voz moderno ha cambiado más la aritmética, porque las cifras de 1999 venían de una época en la que dictar significaba entrenar un perfil de voz veinte minutos y corregir sin parar. Los modelos de hoy no necesitan ningún entrenamiento. Pero el principio se mantiene: la velocidad que obtiene es velocidad de entrada menos limpieza, y la limpieza depende del micrófono, el acento y cuánto ruido de fondo hay donde trabaja.
Qué significa esto para si el dictado le ayudará
La aceleración es mayor en texto que ya sabe que quiere escribir: respuestas, notas sobre algo que acaba de hacer, mensajes, documentación de trabajo ya hecho, un primer borrador de algo en lo que ya ha pensado.
Es menor en texto que aún está elaborando mientras lo escribe. Eso no es un fallo del software, es a dónde se movió el cuello de botella.
Una nota sobre la precisión, porque las cifras de marketing son optimistas
La precisión del reconocimiento de voz suele citarse como tasa de error de palabra, y la cifra que circula ronda el 2 %. Ese número es real, pero viene de LibriSpeech test-clean, un banco de pasajes de audiolibro leídos con claridad y grabados en buenas condiciones. Es el caso fácil por diseño.
En los conjuntos mixtos del Open ASR Leaderboard, Whisper large-v3 de OpenAI promedia una tasa de error de palabra de 7,44. En AMI, un corpus de grabaciones reales de reuniones con hablantes solapados y ruido de sala, el mismo modelo llega a 15,95. Así que un solo porcentaje de precisión casi no le dice nada sin saber sobre qué se midió, y quien cite un 99 % de precisión está citando el mejor caso.
La buena noticia para el dictado en concreto es que el dictado está cerca del caso fácil. Una persona, hablando a propósito, a un micrófono cerca de la boca, en una habitación que eligió. Eso está mucho más cerca del banco de audiolibros que del de la sala de reuniones, por eso la precisión del dictado en la práctica suele ser buena y por eso la precisión rara vez es lo que hace que la gente lo deje.
El hallazgo que replantea toda la pregunta: 39 bits por segundo
Merece la pena conocer un estudio más, porque sugiere que las palabras por minuto son una cosa un poco rara de medir en primer lugar.
En 2019, Christophe Coupé, Yoon Mi Oh, Dan Dediu y François Pellegrino publicaron un artículo en Science Advances que examinaba 17 idiomas de 9 familias, con 170 hablantes nativos adultos y unas 240.000 sílabas. Midieron dos cosas: lo rápido que la gente produce sílabas, y cuánta información lleva cada sílaba.
La tasa de sílabas varió enormemente, de 4,3 a 9,1 sílabas por segundo según el idioma y el hablante. Pero los idiomas hablados rápido resultaron llevar menos información por sílaba, y los más lentos llevaban más. Los dos efectos se cancelaron. La tasa de información realmente transmitida aterrizó en unos 39 bits por segundo en los 17 idiomas, con una desviación estándar de solo 5,1.
Por qué importa esto para una pregunta sobre dictado
Sugiere que el techo del habla no está realmente en la boca. Si los humanos convergen en la misma tasa de información independientemente de lo rápido que se hable el idioma, entonces la restricción es cognitiva más que mecánica. Que es la misma conclusión a la que llega la investigación sobre composición desde el otro lado: el límite de lo rápido que puede producir texto es lo rápido que puede decidir qué debe decir.
Cerrar la brecha: dictado en Windows y en el navegador
Si las cifras de arriba argumentan a favor de hablar en lugar de teclear, la pregunta práctica es qué teclea de verdad las palabras. BlabbyAI está hecho exactamente para el caso que describe este artículo: no transcribir una grabación a posteriori, sino sustituir el teclado mientras trabaja.
En Windows es una app de escritorio con un atajo global. Pulse Ctrl+Espacio en cualquier aplicación, hable, púlselo otra vez, y el texto aparece en el campo donde esté el cursor. Funciona en Word, en Slack, en una pestaña del navegador, en un IDE, en un sistema de historiales hospitalarios, en cualquier sitio donde Windows acepte caracteres tecleados. La transcripción corre sobre Whisper large v3 turbo, que maneja la puntuación y las mayúsculas sin que se lo digan, y no hay un perfil de voz que entrenar antes de empezar.
El panel de atajos. Ctrl+Espacio por defecto, y puede vincular teclas adicionales a modos concretos.
El segundo producto es una extensión de Chrome, y no es una versión menor del primero. Es la respuesta correcta para un portátil de trabajo bloqueado donde no puede instalar software de escritorio, para un Chromebook y para cualquiera en macOS. Hace el mismo trabajo dentro del navegador, que para mucha gente es donde ocurre la mayor parte de su tecleo de todos modos: Gmail, Google Docs, Notion, Linear, un CRM, una cola de soporte.
La función que más importa para el problema de composición descrito arriba son los custom modes. Un modo es una instrucción en lenguaje cotidiano aplicada a lo que dijo, así que en lugar de transcribirlo literalmente puede limpiar muletillas, reestructurar un pensamiento divagante en viñetas, o formatear la misma frase hablada como un correo formal en un modo y como un mensaje corto de Slack en otro. Eso apunta de lleno a la brecha entre hablar rápido y producir texto usable, que es el verdadero cuello de botella más que la tasa bruta de palabras.
Un custom mode se escribe como una instrucción, no se programa como una macro.
En cuanto a precios, el nivel gratis son 60 créditos a la semana, que son más o menos 2.000 palabras de transcripción y bastan para saber si el dictado encaja con cómo trabaja. El uso ilimitado es $8.49 al mes. No hay facturación por minuto, porque esto es una herramienta de dictado y no un servicio de transcripción.
Qué más hay disponible, y cuánto cuesta
El software de dictado es ahora una categoría bastante concurrida, y las opciones se dividen con bastante claridad por plataforma y por precio. La opción gratuita integrada merece de verdad probarse primero, porque si solo necesita transcripción sencilla ya la tiene.
| Herramienta | Precio | Plataforma | Notas |
|---|---|---|---|
| BlabbyAI | Nivel gratis, luego $8.49/mes | App Windows + extensión de Chrome | Whisper large v3 turbo, custom modes, Ctrl+Espacio |
 Windows Win+H | Gratis, integrado | Windows 11 y 10 | Ilimitado, pero sin control de vocabulario ni formato |
 Wispr Flow | Nivel gratis, luego $15/mes | macOS, Windows, móvil | El nivel gratis topea en 2.000 palabras a la semana |
 Superwhisper | Nivel gratis, Pro $8.49/mes | macOS, Windows, iOS | Puede ejecutar modelos en local |
 Dragon Professional v16 | Solo cotización, sin precio publicado | Windows | Se vende mediante una conversación comercial |
El dictado de Windows con Win+H es gratis, ilimitado y ya está instalado, y para la transcripción directa es decente. Lo que no le da es ningún control sobre la salida: sin vocabulario personalizado para los términos que usa todo el día, sin reglas de formato y sin forma de transformar lo que dijo en lugar de solo transcribirlo. Esa es la línea entre la herramienta integrada y una de pago, y merece la pena probarla antes de gastar nada.
Dictado de Windows con Win+H. Gratis e ilimitado, pero las palabras llegan en bruto.
Cómo medir su propio ritmo, y qué hacer con él
Cada número de este artículo es un promedio sobre otras personas. Su propio ritmo es más útil, y tarda dos minutos en encontrarlo.
Hable un minuto sobre algo que de verdad necesite escribir, no un pasaje preparado, y cuente las palabras. Luego teclee el mismo contenido un minuto y cuente esas. La ratio entre ambas es su versión personal de la comparación de la que trata todo este artículo, y será más informativa que 196 frente a 51,6, porque incluye su acento, su teclado, su temática y sus hábitos.
- Mida el habla espontánea, no la lectura. La lectura en voz alta tiene su propio banco de referencia, 183 palabras/min, y es más rápida y estable que elaborar un pensamiento mientras habla.
- Cuente un minuto completo. El habla es a ráfagas, y una muestra de diez segundos le favorecerá o castigará según dónde caigan las pausas.
- Hágalo con trabajo real. El ritmo que importa es el que alcanza en los correos, notas y documentos que produce de verdad, no en un pasaje elegido para ser fácil de decir.
Si la brecha que encuentra es grande y la mayor parte de lo que escribe es contenido que ya sabe que quiere decir, el dictado se pagará solo rápido. Si pasa la mayor parte del tiempo de escritura decidiendo qué piensa, la ganancia será menor y vendrá de otro sitio: sacar una primera versión desordenada de la cabeza más rápido, y ordenarla después.
Add to ChromePreguntas frecuentes
¿Cuántas palabras por minuto habla la gente?
Depende de si cuenta los silencios, y esa sola decisión mueve la respuesta unas 40 palabras por minuto. La cifra medida con más cuidado viene de un estudio Interspeech de 2006 de Yuan, Liberman y Cieri, que analizó 2.438 conversaciones telefónicas en inglés alineadas palabra a palabra del corpus Switchboard. Contando cada palabra dicha por ambos participantes y dividiendo por el tiempo total transcurrido, el promedio global fue de 196 palabras por minuto, con un rango de 111 a 291 palabras/min entre conversaciones individuales. Cuando los investigadores usaron las alineaciones para quitar silencios y ruidos no lingüísticos, la tasa «neta» media de habla subió a 236 palabras/min, con un mínimo de 158 y un máximo de 312. La cifra tan citada de 150 palabras/min proviene del National Center for Voice and Speech y se describe mejor como una convención que como una medición: aparece en una página tutorial sin tamaño de muestra y sin metodología. Ambas cifras circulan, y la forma honesta de usarlas es decir cuál se quiere decir.
¿Es 150 palabras por minuto una buena velocidad al hablar?
Para una presentación, sí, y ese es el contexto al que realmente pertenece la cifra. Hablar ante un público es más lento que hablar con un amigo por teléfono, a propósito: se pausa para enfatizar, se deja asentar un punto y se da tiempo para seguir. Alrededor de 130 a 150 palabras/min es un ritmo cómodo para una charla preparada. La confusión nace porque esa cifra de presentación se cita como la tasa media del habla humana en general, lo que los datos conversacionales no respaldan. En una conversación ordinaria a dos bandas la tasa medida se acerca a 196 palabras/min, y supera las 236 palabras/min una vez se descuentan los huecos. Así que 150 palabras/min es un buen objetivo para un discurso y una estimación baja para una conversación, y tratar esas dos situaciones como un solo número es donde la mayoría de los artículos sobre este tema se equivocan.
¿Cuánto más rápido es hablar que teclear?
Más o menos tres o cuatro veces, según con qué tecleo se compare. El mayor estudio de tecleo disponible midió a 168.000 voluntarios a lo largo de 136 millones de pulsaciones y halló un promedio de 51,6 palabras por minuto, con una desviación estándar de 20,2 y un rango completo de 4 a 158 palabras/min. Un estudio móvil aparte de 37.370 personas halló 36,2 palabras/min en el teléfono. Frente a la cifra conversacional de 196 palabras/min, el habla va unas 3,8 veces más rápido que un teclado físico y 5,4 veces más rápido que un teléfono. La medición más directa de la brecha viene de un estudio controlado de 2016 en Stanford, que hizo a las personas introducir los mismos mensajes cortos de las dos formas en un iPhone: el habla salió 2,93 veces más rápido en inglés, 153 palabras/min frente a 52 palabras/min. Esa última comparación es la honesta para citar, porque midió ambas modalidades en la misma tarea con las mismas personas.
¿Cuál es la velocidad media de tecleo?
51,6 palabras por minuto, del mayor conjunto de datos jamás recopilado sobre la pregunta. El artículo CHI de 2018 «Observations on Typing from 136 Million Keystrokes» de Dhakal, Feit, Kristensson y Oulasvirta registró a 168.000 voluntarios de más de 200 países y halló una media de 51,56 palabras/min con una desviación estándar de 20,20. La dispersión importa más que el promedio: los participantes iban de 4 a 158 palabras/min. Las personas más rápidas del estudio alcanzaron unas 120 palabras/min. Un hallazgo sorprendió a los investigadores: quienes habían hecho un curso formal de mecanografía tecleaban a velocidades muy similares a quienes nunca lo habían hecho, pese a usar menos dedos. Lo que realmente separaba a los tipistas rápidos era el rollover, pulsar la siguiente tecla antes de soltar la anterior, que representaba del 40 al 70 % de las pulsaciones entre los participantes más rápidos.
¿Todo el mundo habla al mismo ritmo?
No, y la variación es mayor de lo que admiten la mayoría de los resúmenes. En el análisis de Switchboard, las conversaciones individuales iban de 111 a 291 palabras/min, una dispersión de más de dos veces y media entre las más lentas y las más rápidas. El mismo estudio halló que los hombres hablan un poco más rápido que las mujeres, unas 4 a 5 palabras por minuto o alrededor del 2 %, y que los hablantes mayores son más lentos. El tema de la conversación también importaba: las tasas medias entre distintos temas asignados iban de 152 a casi 170 palabras/min dentro del mismo corpus. También hay un hallazgo a nivel de idioma que conviene conocer. Un estudio de Science Advances de 2019 sobre 17 idiomas y 170 hablantes nativos halló tasas de sílabas de 4,3 a 9,1 sílabas por segundo, y aun así la tasa de información transmitida convergía en unos 39 bits por segundo en todos ellos. Los idiomas que se hablan rápido tienden a meter menos significado en cada sílaba, así que el caudal se equilibra.
Si hablar es mucho más rápido, ¿por qué el dictado no se siente tres veces más rápido?
Porque la velocidad bruta de entrada no es toda la tarea, y la respuesta honesta aquí es más útil que la de marketing. Dos cosas se comen la ventaja. La primera es la composición: pensar qué escribir es más lento que el acto mecánico de producirlo, en cualquiera de las dos modalidades. Un estudio de IBM de 1999 midió a usuarios de teclado a 33 palabras/min al transcribir texto que ya existía, pero solo a 19 palabras/min al componerlo ellos mismos, y el mismo desplome aplica al habla. La segunda es la corrección. En la comparación de Stanford, el habla produjo menos errores durante la entrada (5,30 % frente a 11,22 %), pero dejó un poco más en el texto final (1,30 % frente a 0,79 %), así que parte del tiempo ahorrado vuelve a irse en arreglar cosas. El resultado práctico es que el dictado da una aceleración real y sustancial en cualquier cosa que ya sepa que quiere decir, y una menor en texto que aún está elaborando sobre la marcha.
¿Qué tan preciso es el reconocimiento de voz ahora?
Lo bastante como para que la precisión rara vez sea lo que detiene a la gente, aunque las cifras de marketing suelen ser mejores que las que obtendrá. Los sistemas modernos se construyen sobre modelos como Whisper, entrenado por OpenAI con 680.000 horas de audio en la versión original y mucho más en las posteriores. La cifra que a menudo se cita, alrededor del 2 % de tasa de error de palabra, viene de LibriSpeech test-clean, un banco de pasajes de audiolibro leídos con claridad que es deliberadamente fácil. En los conjuntos mixtos del Open ASR Leaderboard, el mismo modelo Whisper large-v3 promedia 7,44 de tasa de error de palabra, y en grabaciones de reuniones AMI llega a 15,95. Así que la precisión depende mucho del micrófono, el acento y el ruido de fondo, y un solo porcentaje de titular dice muy poco. Para una persona que dicta a propósito a un micrófono decente, que es justo lo que es el software de dictado, la precisión real se sitúa en el extremo bueno de ese rango.
¿Cómo mido mi propia velocidad al hablar?
Lea algo en voz alta exactamente un minuto y cuente las palabras, luego hágalo otra vez hablando con normalidad en lugar de leer, porque las dos diferirán. La lectura en voz alta tiene su propio banco de referencia medido: un metaanálisis de 2019 de Brysbaert, que cubre 77 estudios y 5.965 participantes, situó la lectura oral media en 183 palabras/min. El habla espontánea es más irregular, con reinicios y pausas, así que contar un minuto completo es más representativo que contar una frase. Si quiere la cifra que importa para el dictado en concreto, mida la segunda, y mídala en su trabajo real en lugar de en un pasaje preparado. El ritmo al que habla cuando está elaborando un pensamiento es el que determina cuánto le ahorrará de verdad el dictado.
¿Hablar más rápido significa comunicar más?
No entre idiomas, y ese es uno de los hallazgos más sorprendentes de la investigación. El estudio de Science Advances de 2019 midió tanto la tasa de sílabas como la densidad de información en 17 idiomas de 9 familias, con 170 hablantes nativos adultos y unas 240.000 sílabas. La tasa de habla varió mucho: los hablantes de japonés y español producen sílabas rápido, mientras que idiomas como el vietnamita y el tailandés son más lentos. Pero los idiomas más rápidos llevan menos información por sílaba, y los más lentos llevan más, así que la tasa de información aterrizó en unos 39 bits por segundo en todas partes, con una desviación estándar de solo 5,1. Dentro de un solo idioma el cuadro es distinto: hablar más rápido sí mueve más palabras, hasta el punto en que los oyentes dejan de seguir. Para el dictado el límite relevante no es lo rápido que pueda hablar físicamente, sino lo rápido que pueda decidir qué decir a continuación.
¿Qué ritmo de habla debería usar para un pódcast o un vídeo?
Los ritmos que se citan para narración, pódcast y emisión, normalmente entre 140 y 180 palabras/min, conviene tratarlos con cierta cautela: circulan mucho entre blogs sin un estudio detrás, y distintas fuentes dan rangos contradictorios. La única cifra sólidamente medida en ese terreno es la lectura oral a 183 palabras/min, del metaanálisis de Brysbaert de 2019 sobre 77 estudios. Ese es un ancla razonable para una entrega con guion. Más allá, la orientación práctica es clara: más lento para material complejo o poco familiar, más rápido para material ligero y para públicos que pueden rebobinar. Si está produciendo algo y quiere un objetivo, grabe dos minutos a su ritmo natural, cuente las palabras y ajuste desde ahí, no desde un número que leyó en algún sitio.
Fuentes
- Yuan, J., Liberman, M. and Cieri, C. (2006). Towards an Integrated Understanding of Speaking Rate in Conversation. Interspeech 2006. Las cifras de 196 y 236 palabras/min, de 2.438 conversaciones Switchboard alineadas palabra a palabra.
- Dhakal, V., Feit, A., Kristensson, P.O. and Oulasvirta, A. (2018). Observations on Typing from 136 Million Keystrokes. CHI 2018. 168.000 participantes, media 51,56 palabras/min.
- Palin, K., Feit, A., Kim, S., Kristensson, P.O. and Oulasvirta, A. (2019). How do People Type on Mobile Devices? MobileHCI 2019. 37.370 participantes, media 36,2 palabras/min.
- Ruan, S., Wobbrock, J.O., Liou, K., Ng, A. and Landay, J. (2016). Comparing Speech and Keyboard Text Entry for Short Messages in Two Languages on Touchscreen Phones. La comparación controlada habla-frente-a-teclado de 2,93x.
- Coupé, C., Oh, Y.M., Dediu, D. and Pellegrino, F. (2019). Different languages, similar encoding efficiency. Science Advances. 17 idiomas, ~39 bits por segundo.
- Brysbaert, M. (2019). How many words do we read per minute? A review and meta-analysis of reading rate. Journal of Memory and Language. Lectura oral a 183 palabras/min.
- National Center for Voice and Speech, Voice Qualities tutorial. La fuente de la convención de 150 palabras/min.
- OpenAI, Whisper large-v3 model card. Cifras de tasa de error de palabra.
Para más sobre convertir la ventaja de velocidad al hablar en software que funciona, software de dictado es la visión general de la categoría, voz a texto en Windows cubre el lado de escritorio, y la extensión de Chrome cubre el dictado en el navegador.
Ya habla tres veces más rápido de lo que teclea
BlabbyAI es la parte que lo convierte en texto: Ctrl+Espacio en Windows, o la extensión de Chrome donde no pueda instalar software. Sin entrenamiento de voz, sin facturación por minuto. 60 créditos a la semana gratis.