Atualizado 2 de setembro de 2026 · Por Sumbat.T

Palavras por minuto ao falar: o que a pesquisa realmente mediu

Há um número que aparece em quase todo artigo sobre velocidade ao falar, na maioria dos guias de apresentação e no resumo de IA que o Google mostra acima dos resultados de busca: 150 palavras por minuto. É repetido com tanta consistência que tem a textura de um fato.

Não está exatamente errado. Mas também não é uma medição, e a pesquisa que de fato mediu a fala conversacional com cuidado chegou a um lugar bem diferente. Este texto mostra de onde cada número deste tema realmente vem, quais têm um estudo e um tamanho de amostra por trás, e quais são folclore que foi copiado entre sites por tempo suficiente para parecer autoritativo.

O motivo prático de se importar é a diferença entre falar e digitar. Qualquer cifra que você aceite para a fala é várias vezes mais rápida do que qualquer um digita, e essa diferença é a base inteira do software de ditado. Também é rotineiramente exagerada, então a segunda metade deste texto trata do que a diferença realmente vale depois que composição e correção entram na conta.

O que as pessoas realmente mediram: 196 palavras/min, e 236 sem as pausas

A medição mais cuidadosa da taxa de fala conversacional em inglês vem de um artigo Interspeech de 2006 de Jiahong Yuan, Mark Liberman e Christopher Cieri na University of Pennsylvania e no Linguistic Data Consortium. Eles usaram a versão do corpus English Switchboard corrigida e alinhada no ICSI, com 2.438 conversas, o que significa que cada palavra tem um carimbo de tempo em vez de uma transcrição solta sobre um arquivo de áudio.

Esse alinhamento é o que torna o estudo útil, porque permite calcular a taxa de fala de duas formas e ver o quanto a definição importa. Nas próprias palavras dos autores: somar o número de palavras ditas pelos dois participantes e dividir pelo tempo total decorrido das conversas dá “uma taxa média geral de 196 palavras por minuto”. Usar os alinhamentos para excluir silêncios e ruídos não verbais dá “uma taxa líquida média de fala de 236 WPM”.

A distância entre essas duas cifras é a parte interessante. Cerca de 40 palavras por minuto, mais ou menos um quinto do total, é silêncio: respirar, pensar, esperar a outra pessoa, as pequenas pausas que fazem a fala soar como fala em vez de uma recitação. Os dois números descrevem as mesmas gravações. Diferem só em se as pausas contam.

O mesmo artigo encontrou dois efeitos menores que valem conhecer. Homens falaram um pouco mais rápido que mulheres, cerca de 4 a 5 palavras por minuto ou aproximadamente 2%, uma diferença bem menor do que o estereótipo sugere. Falantes mais velhos foram mais lentos. E o tema da conversa moveu a média de forma significativa: entre os temas de discussão atribuídos no corpus, a taxa média de fala foi de 152 palavras/min a quase 170 palavras/min, então o que você está falando muda o quão rápido você fala sobre isso.

De onde vem a cifra de 150 palavras/min, e para o que ela serve

O número de 150 palavras/min é real, no sentido de que de fato aparece onde as pessoas dizem que aparece. O National Center for Voice and Speech, uma organização de pesquisa respeitável, afirma em uma página tutorial que a taxa média de fala para falantes de inglês nos Estados Unidos é de cerca de 150 palavras por minuto. Essa é a fonte que quase todo mundo acaba citando, saiba ou não.

O que essa página não inclui é um tamanho de amostra, uma metodologia, um corpus ou uma citação a um estudo. É uma regra prática oferecida em contexto educacional, e é perfeitamente sensata. Simplesmente não é o mesmo tipo de objeto que uma medição de corpus de 2.438 conversas alinhadas, e as duas são citadas de forma intercambiável como se fossem.

Também há um bom motivo para 150 parecer certo para as pessoas, e vale dizer com clareza em vez de tratar a cifra como simplesmente errada. Apresentações são mais lentas que conversas. Quando você fala para uma plateia, pausa para enfatizar, desacelera nas partes que importam e deixa espaço para as pessoas acompanharem. Em algum lugar entre 130 e 150 palavras/min é um ritmo confortável para uma fala preparada. O número é um bom conselho para a situação de onde veio. O erro é generalizá-lo do púlpito para o telefone.

Mais um conjunto de números merece ceticismo. Busque taxa de fala e você encontra tabelas confiantes com cifras separadas para narração de audiolivro, podcast, telejornal e leilão. Essas tabelas se contradizem de site para site, e nenhuma das que circulam amplamente cita um estudo. Parecem folclore que se propaga entre blogs. A única cifra solidamente medida nesse terreno é a leitura em voz alta a 183 palavras/min, de uma metanálise de 2019 de Marc Brysbaert cobrindo 77 estudos e 5.965 participantes, que é um âncora razoável para qualquer tipo de entrega com roteiro.

A outra metade da comparação: digitação a 51,6 palavras/min

O lado da digitação nesta comparação está em terreno bem mais firme, porque alguém rodou o maior estudo da pergunta já tentado. Em 2018, Vivek Dhakal, Anna Feit, Per Ola Kristensson e Antti Oulasvirta publicaram “Observations on Typing from 136 Million Keystrokes” no CHI, com base em 168.000 voluntários de mais de 200 países.

A cifra de manchete é uma média de 51,56 palavras por minuto, com desvio padrão de 20,20. A faixa foi de 4 palavras/min a 158 palavras/min, e os participantes mais rápidos chegaram a cerca de 120 palavras/min. Como na fala, a dispersão é a história: a média descreve quase ninguém, e a diferença entre um digitador lento e um rápido é bem maior do que a diferença entre um falante lento e um rápido.

Dois achados desse estudo valem repetir porque contradizem o que a maioria das pessoas assume. O primeiro é que o treinamento formal quase não importou: participantes que tinham feito um curso de digitação performaram de forma muito parecida com quem nunca tinha feito, apesar do grupo treinado usar mais dedos. O segundo é o que de fato separava o grupo rápido, que era o rollover, sobrepor uma digitada com a seguinte. Digitadores rápidos não estavam movendo os dedos mais rápido, e sim rodando-os em paralelo.

A cifra móvel vem de um estudo companheiro, “How do People Type on Mobile Devices?”, cobrindo 37.370 voluntários. Encontrou uma média de 36,2 palavras/min com 2,3% de erros não corrigidos, com mais de 74% das pessoas digitando com os dois polegares, o que foi significativamente mais rápido que qualquer outra técnica. Os digitadores móveis mais rápidos tinham de 10 a 19 anos, o que não surpreende ninguém que já viu um adolescente mandar mensagem.

Então quanto mais rápido é falar? Cerca de três a quatro vezes

Junte os dois lados e a aritmética é direta. Frente à cifra conversacional de 196 palavras/min, a fala roda cerca de 3,8 vezes mais rápido que o teclado físico médio e cerca de 5,4 vezes mais rápido que um teclado de celular. Frente à convenção mais conservadora de 150 palavras/min, fica perto de 2,9 vezes.

Essas são comparações de envelope entre estudos separados, porém, e há um número melhor disponível. Em 2016 uma equipe de Stanford, Baidu e University of Washington rodou a comparação direito: mesmas pessoas, mesma tarefa, os dois métodos de entrada. Sherry Ruan, Jacob Wobbrock, Kenny Liou, Andrew Ng e James Landay fizeram 32 participantes digitar mensagens curtas em um iPhone 6 Plus, por voz e por teclado, e mediram os dois.

Há um detalhe nesse estudo que quase todo artigo que o cita entende errado, e vale enunciá-lo com clareza. O teclado que estava sendo batido três a um era um teclado touchscreen de smartphone, não um físico, e a tarefa era transcrever mensagens curtas em vez de compor texto original. O artigo é citado com frequência sob o título de trabalho original, “Speech Is 3x Faster than Typing”, que convida a lê-lo como uma afirmação sobre digitação de desktop em geral. Não é isso. O achado é sólido e o estudo é bom; o escopo é mais estreito do que o título sugere.

A diferença, na prática

Digite na velocidade em que você fala

O BlabbyAI transforma fala em texto em qualquer aplicativo Windows com Ctrl+Espaço, ou em qualquer aba do navegador pela extensão do Chrome. Whisper large v3 turbo, sem treinamento de voz, sem cobrança por minuto. 60 créditos por semana grátis, sem cartão.

Add BlabbyAI to Chrome

Por que o ditado não parece três vezes mais rápido na prática

Quem já usou ditado de verdade para trabalho real terá notado que ele não entrega um 3x limpo. A explicação honesta tem duas partes, e entendê-las é o que separa quem tira valor do ditado de quem experimenta por uma semana e para.

A primeira é a composição. Transcrever texto que já existe é uma tarefa diferente de decidir o que dizer, e a diferença é enorme nas duas modalidades. Um estudo da IBM de 1999 de Karat e colegas mediu usuários de teclado em torno de 33 palavras/min ao transcrever, mas só a 19 palavras/min ao compor. O gargalo se move dos dedos para a cabeça. Se você está olhando um documento em branco decidindo o que pensa, o ditado não consegue fazer você pensar mais rápido, e a taxa de entrada deixa de ser o fator limitante por completo.

A segunda é a correção. Cada erro que você conserta come o tempo que economizou. É aqui que o reconhecimento de fala moderno mais mudou a aritmética, porque as cifras de 1999 vinham de uma época em que ditar significava treinar um perfil de voz por vinte minutos e corrigir sem parar. Os modelos de hoje não precisam de nenhum treinamento. Mas o princípio se mantém: a velocidade que você obtém é velocidade de entrada menos limpeza, e a limpeza depende do microfone, do sotaque e de quanto ruído de fundo há onde você trabalha.

Uma nota sobre precisão, porque as cifras de marketing são otimistas

A precisão do reconhecimento de fala costuma ser citada como taxa de erro de palavra, e a cifra que circula fica em torno de 2%. Esse número é real, mas vem do LibriSpeech test-clean, um benchmark de trechos de audiolivro lidos com clareza e gravados em boas condições. É o caso fácil por design.

Nos conjuntos mistos do Open ASR Leaderboard, o Whisper large-v3 da OpenAI tem média de taxa de erro de palavra de 7,44. No AMI, um corpus de gravações reais de reuniões com falantes sobrepostos e ruído de sala, o mesmo modelo chega a 15,95. Então um único percentual de precisão quase não te diz nada sem saber sobre o que foi medido, e quem cita 99% de precisão está citando o melhor caso.

A boa notícia para o ditado em específico é que o ditado fica perto do caso fácil. Uma pessoa, falando de propósito, em um microfone perto da boca, em uma sala que escolheu. Isso está bem mais perto do benchmark de audiolivro do que do de sala de reunião, por isso a precisão do ditado na prática costuma ser boa e por isso a precisão raramente é o que faz as pessoas desistirem.

O achado que reframa a pergunta inteira: 39 bits por segundo

Vale conhecer mais um estudo, porque sugere que palavras por minuto é uma coisa um pouco estranha de medir em primeiro lugar.

Em 2019, Christophe Coupé, Yoon Mi Oh, Dan Dediu e François Pellegrino publicaram um artigo em Science Advances examinando 17 idiomas de 9 famílias, com 170 falantes nativos adultos e cerca de 240.000 sílabas. Mediram duas coisas: o quão rápido as pessoas produzem sílabas, e quanta informação cada sílaba carrega.

A taxa de sílabas variou enormemente, de 4,3 a 9,1 sílabas por segundo conforme o idioma e o falante. Mas os idiomas falados rápido acabaram carregando menos informação por sílaba, e os mais lentos carregavam mais. Os dois efeitos se cancelaram. A taxa de informação realmente transmitida aterrissou em cerca de 39 bits por segundo nos 17 idiomas, com desvio padrão de apenas 5,1.

Fechando a diferença: ditado no Windows e no navegador

Se os números acima fazem o caso a favor de falar em vez de digitar, a pergunta prática é o que de fato digita as palavras. O BlabbyAI é feito exatamente para o caso que este artigo descreve: não transcrever uma gravação depois, e sim substituir o teclado enquanto você trabalha.

No Windows é um app de desktop com um atalho global. Pressione Ctrl+Espaço em qualquer aplicativo, fale, pressione de novo, e o texto aparece no campo onde o cursor está. Funciona no Word, no Slack, em uma aba do navegador, em um IDE, em um sistema de prontuários hospitalares, em qualquer lugar onde o Windows aceite caracteres digitados. A transcrição roda no Whisper large v3 turbo, que cuida de pontuação e maiúsculas sem que você diga, e não há um perfil de voz para treinar antes de começar.

O painel de atalhos. Ctrl+Espaço por padrão, e você pode vincular teclas adicionais a modos específicos.

O segundo produto é uma extensão do Chrome, e não é uma versão menor do primeiro. É a resposta certa para um laptop de trabalho travado onde você não pode instalar software de desktop, para um Chromebook e para quem está no macOS. Faz o mesmo trabalho dentro do navegador, que para muita gente é onde a maior parte da digitação acontece de qualquer forma: Gmail, Google Docs, Notion, Linear, um CRM, uma fila de suporte.

O recurso que mais importa para o problema de composição descrito acima são os custom modes. Um modo é uma instrução em linguagem cotidiana aplicada ao que você disse, então em vez de transcrever literalmente pode limpar muletas, reestruturar um pensamento divagante em tópicos, ou formatar a mesma frase falada como um e-mail formal em um modo e como uma mensagem curta de Slack em outro. Isso mira de frente a diferença entre falar rápido e produzir texto utilizável, que é o gargalo real mais do que a taxa bruta de palavras.

Um custom mode é escrito como uma instrução, não programado como uma macro.

Em preços, o plano grátis é 60 créditos por semana, o que dá cerca de 2.000 palavras de transcrição e basta para descobrir se o ditado combina com como você trabalha. Uso ilimitado custa $8.49 por mês. Não há cobrança por minuto, porque isto é uma ferramenta de ditado e não um serviço de transcrição.

O que mais está disponível, e quanto custa

Software de ditado é agora uma categoria razoavelmente concorrida, e as opções se dividem com bastante clareza por plataforma e por preço. A opção grátis integrada merece de verdade ser testada primeiro, porque se transcrição simples é tudo que você precisa, você já tem.

Ferramenta	Preço	Plataforma	Notas
BlabbyAI	Plano grátis, depois $8.49/mês	App Windows + extensão do Chrome	Whisper large v3 turbo, custom modes, Ctrl+Espaço
Windows Win+H	Grátis, integrado	Windows 11 e 10	Ilimitado, mas sem controle de vocabulário nem formatação
Wispr Flow	Plano grátis, depois $15/mês	macOS, Windows, mobile	O plano grátis limita em 2.000 palavras por semana
Superwhisper	Plano grátis, Pro $8.49/mês	macOS, Windows, iOS	Pode rodar modelos localmente
Dragon Professional v16	Só orçamento, sem preço publicado	Windows	Vendido por meio de conversa comercial

O ditado do Windows com Win+H é grátis, ilimitado e já está instalado, e para transcrição direta é decente. O que ele não te dá é nenhum controle sobre a saída: sem vocabulário personalizado para os termos que você usa o dia todo, sem regras de formatação e sem forma de transformar o que você disse em vez de só transcrever. Essa é a linha entre a ferramenta integrada e uma paga, e vale testar antes de gastar qualquer coisa.

Ditado do Windows com Win+H. Grátis e ilimitado, mas as palavras chegam cruas.

Como medir seu próprio ritmo, e o que fazer com ele

Cada número neste artigo é uma média sobre outras pessoas. Seu próprio ritmo é mais útil, e leva dois minutos para encontrar.

Fale por um minuto sobre algo que você de fato precisa escrever, não um trecho preparado, e conte as palavras. Depois digite o mesmo conteúdo por um minuto e conte essas. A razão entre as duas é sua versão pessoal da comparação de que trata este artigo inteiro, e será mais informativa que 196 contra 51,6, porque inclui seu sotaque, seu teclado, seu tema e seus hábitos.

• Meça a fala espontânea, não a leitura. A leitura em voz alta tem o próprio benchmark, 183 palavras/min, e é mais rápida e estável do que elaborar um pensamento enquanto fala.
• Conte um minuto cheio. A fala vem em rajadas, e uma amostra de dez segundos vai te favorecer ou punir conforme onde as pausas caem.
• Faça com trabalho real. O ritmo que importa é o que você atinge nos e-mails, notas e documentos que de fato produz, não em um trecho escolhido para ser fácil de dizer.

Se a diferença que você encontra é grande e a maior parte do que escreve é conteúdo que já sabe que quer dizer, o ditado se paga sozinho rápido. Se você passa a maior parte do tempo de escrita decidindo o que pensa, o ganho será menor e virá de outro lugar: tirar uma primeira versão bagunçada da cabeça mais rápido, e organizar depois.

Perguntas frequentes

Fontes

• Yuan, J., Liberman, M. and Cieri, C. (2006). Towards an Integrated Understanding of Speaking Rate in Conversation. Interspeech 2006. As cifras de 196 e 236 palavras/min, de 2.438 conversas Switchboard alinhadas palavra a palavra.
• Dhakal, V., Feit, A., Kristensson, P.O. and Oulasvirta, A. (2018). Observations on Typing from 136 Million Keystrokes. CHI 2018. 168.000 participantes, média 51,56 palavras/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, média 36,2 palavras/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. A comparação controlada fala-contra-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. Leitura oral a 183 palavras/min.
• National Center for Voice and Speech, Voice Qualities tutorial. A fonte da convenção de 150 palavras/min.
• OpenAI, Whisper large-v3 model card. Cifras de taxa de erro de palavra.

Para mais sobre transformar a vantagem de velocidade ao falar em software que funciona, software de ditado é a visão geral da categoria, voz para texto no Windows cobre o lado desktop, e a extensão do Chrome cobre o ditado no navegador.