คำต่อนาทีโดยเฉลี่ยในการพูดเทียบกับการพิมพ์: งานวิจัยว่าอย่างไร

คนที่พูดเร็วแค่ไหนขึ้นอยู่กับสถานการณ์ ผู้บรรยายที่วัดได้พูดราว 125–160 คำต่อนาที บทสนทนาแบบอังกฤษราว 190–230 คำ จากการสนทนาโทรศัพท์ภาษาอังกฤษแบบอเมริกัน 2,438 ครั้งในคลังข้อมูล Switchboard ผู้คนพูดเฉลี่ย 196 คำต่อนาที และคลังข้อมูลขนาดใหญ่กว่าในการศึกษาเดียวกันอยู่ที่ 193 คนพิมพ์โดยเฉลี่ยในการศึกษาที่มีผู้เข้าร่วม 168,000 คนทำได้ราว 52 คำ เมื่อนำมาวางเทียบกัน งานวิจัยเหล่านี้ชี้ว่าการพูดเร็วกว่าการพิมพ์ราวสามถึงสี่เท่า การพิมพ์ด้วยเสียง — การพูดใส่คอมพิวเตอร์แล้วเก็บข้อความไว้ — อยู่ตรงกลางระหว่างสองอย่างนี้ และเหตุผลเบื้องหลังก็สำคัญก่อนที่คุณจะวางแผนโดยหวังผลต่างนั้น

ผมสร้างแอปพิมพ์ด้วยเสียง ผมจึงมีส่วนได้ส่วนเสียชัดเจนในคำถามนี้ ทุกตัวเลขด้านล่างลิงก์ไปยังแหล่งที่มาของมัน ตรงไหนที่ผมเข้าถึงการศึกษาได้ผ่านบทสรุปของงานวิจัยอีกชิ้นเท่านั้น ผมก็บอกไว้ และตรงไหนที่งานวิจัยไปไม่ถึง ผมก็บอกเช่นกัน

คำต่อนาทีโดยเฉลี่ยในการพูด แยกตามสถานการณ์

คนเราพูดกี่คำต่อนาทีขึ้นอยู่กับบริบทเป็นส่วนใหญ่ บทสนทนาเร็วที่สุด ส่วนการบรรยายและการนำเสนอช้าที่สุด ตัวเลขเหล่านี้เป็นค่าที่ตีพิมพ์แล้ว ไม่ใช่ค่าเริ่มต้นของเครื่องคำนวณ:

สถานการณ์	คำต่อนาที	แหล่งที่มา
สนทนาโทรศัพท์ ภาษาอังกฤษแบบอเมริกัน	เฉลี่ย 196 (111–291 ตลอดการสนทนา)	Yuan, Liberman & Cieri, 2006
การสนทนาเดียวกัน ตัดช่วงเงียบออก	เฉลี่ย 236	Yuan และคณะ, 2006
บทสนทนา ภาษาอังกฤษแบบบริติช	190–230	Tauroza & Allison (1990) ตามที่สรุปโดย Huang & Gráf, 2020
การสัมภาษณ์	160–210	เหมือนกัน
ผู้จัดรายการวิทยุ	150–170	เหมือนกัน
ผู้บรรยาย	125–160	เหมือนกัน
การอ่านหนังสือเสียง	140–180	Brysbaert, 2019 ระบุไว้ผ่าน ๆ ไม่ได้วัดจริง
การอ่านออกเสียง	เฉลี่ย 183	Brysbaert, 2019 (77 การศึกษา ผู้เข้าร่วม 5,965 คน)

สองข้อค้นพบจากการศึกษาของ Yuan เปลี่ยนวิธีที่คุณควรอ่านตัวเลขเหล่านี้ ข้อแรก ช่วงพูดที่สั้นมากจะช้า อัตราการพูดสูงขึ้นอย่างรวดเร็วเมื่อช่วงพูดขยายจากหนึ่งเป็นเจ็ดคำ จากนั้นก็ทรงตัวราว ๆ เดิมในช่วงพูดที่ประมาณแปดถึงสามสิบคำ ข้อสอง อัตราเฉลี่ยขึ้นอยู่กับวิธีที่คุณนับ ถ้าวัดจากเวลาสนทนารวมทั้งหมด คลังข้อมูลนี้อยู่ที่เฉลี่ย 196 คำต่อนาที แต่ถ้านับเฉพาะช่วงพูดล้วน ๆ จะอยู่ที่ 236 คำต่อนาที "อัตราการพูดเฉลี่ย" ใด ๆ ที่ให้มาตัวเดียว ล้วนเลือกนิยามใดนิยามหนึ่งจากสองอย่างนั้นไปเงียบ ๆ

งานวิจัยชิ้นเดียวกันยังรายงานด้วยว่าผู้พูดที่อายุมากกว่าจะพูดช้ากว่า ผู้ชายพูดเร็วกว่าผู้หญิงเล็กน้อย และผู้คนใช้ช่วงพูดที่ยาวกว่าแต่ช้ากว่าเมื่อคุยกับคนแปลกหน้า

คนเราพูดเร็วแค่ไหนเมื่อเทียบกับการพิมพ์และการอ่าน?

การพูดเร็วกว่าการพิมพ์โดยเฉลี่ยราวสามถึงสี่เท่าเมื่อนำงานวิจัยเหล่านี้มาวางเทียบกัน และการอ่านในใจเร็วกว่าทั้งสองอย่าง การทดสอบในแล็บแบบปะทะกันโดยตรงเพียงครั้งเดียววัดได้ 2.93 เท่า นี่คือตัวเลขทั้งหมดรวมกัน:

กิจกรรม	คำต่อนาที	แหล่งที่มา
พิมพ์บนคีย์บอร์ดจริง โดยเฉลี่ย	52 (SD 20)	Dhakal และคณะ, 2018 อาสาสมัคร 168,000 คน
การพิมพ์ ผู้เข้าร่วมที่เร็วที่สุด	120 ขึ้นไป	Dhakal และคณะ, 2018
พิมพ์บนคีย์บอร์ดโทรศัพท์ ในแล็บ	52	Ruan และคณะ, 2017
การรู้จำเสียงบนโทรศัพท์ ในแล็บ	153	Ruan และคณะ, 2017
บทสนทนา	196	Yuan และคณะ, 2006
การอ่านออกเสียง	183	Brysbaert, 2019
การอ่านในใจ สารคดี / เรื่องแต่ง	238 / 260	Brysbaert, 2019

ตัวเลขความเร็วการพิมพ์โดยเฉลี่ยควรมีข้อควรระวังกำกับ ผู้เข้าร่วมของ Dhakal เป็นอาสาสมัครที่เลือกมาเองจากการทดสอบการพิมพ์ออนไลน์ โดยคัดลอกประโยคที่แสดงบนหน้าจอ นั่นวัดว่านิ้วขยับเร็วแค่ไหน ไม่ใช่วัดว่าคนเราเขียนอีเมลที่ต้องคิดได้เร็วแค่ไหน

การศึกษาบนโทรศัพท์คือสิ่งที่ใกล้เคียงการทดสอบแบบปะทะกันโดยตรงมากที่สุด มันเปรียบเทียบคีย์บอร์ด iOS กับตัวรู้จำ Deep Speech 2 ของ Baidu ในห้องเงียบ โดยให้ผู้เข้าร่วมคัดลอกวลีสั้น ๆ การพูดภาษาอังกฤษออกมาที่ 153 คำต่อนาที เทียบกับ 52 สำหรับคีย์บอร์ด เร็วกว่า 2.93 เท่า (ฉบับก่อนตีพิมพ์ของงานวิจัยชิ้นเดียวกันอยู่ บน arXiv)

จากคำเป็นนาที: คำพูดหรือการพิมพ์ด้วยเสียงใช้เวลานานเท่าไร

การแปลงคำเป็นนาที ให้หารจำนวนคำด้วยอัตราการพูด ที่จังหวะการนำเสนอ คำพูด 1,000 คำใช้เวลาพูดราว 6 ถึง 8 นาที ส่วนการพิมพ์ที่ 52 คำต่อนาทีใช้เวลาราว 19 นาที

ไม่มีคำตอบเดียวว่าคำพูดหนึ่ง ๆ วิ่งอยู่ที่กี่คำต่อนาที ผมจึงใช้อัตราการพูดสามค่า คือ 130 คำต่อนาที (ค่าเริ่มต้นที่พบบ่อยในเครื่องคำนวณคำพูดออนไลน์ และอยู่ในช่วง 125–160 ที่วัดได้สำหรับผู้บรรยาย) 150 คำต่อนาที (อยู่ในช่วงทั้งของผู้บรรยายและผู้จัดรายการวิทยุด้านบน) และ 196 คำต่อนาที (ค่าเฉลี่ยบทสนทนาของ Yuan) คอลัมน์สุดท้ายคือคนพิมพ์โดยเฉลี่ยที่ 52 คำต่อนาที

จำนวนคำ	130 คำต่อนาที	150 คำต่อนาที	196 คำต่อนาที	พิมพ์ที่ 52 คำต่อนาที
100	0:46	0:40	0:31	1:55
250	1:55	1:40	1:17	4:48
500	3:51	3:20	2:33	9:37
750	5:46	5:00	3:50	14:25
1,000	7:42	6:40	5:06	19:14
1,500	11:32	10:00	7:39	28:51
2,000	15:23	13:20	10:12	38:28
3,000	23:05	20:00	15:18	57:42

เวลาแสดงเป็น นาที:วินาที สำหรับคำพูด นี่คือตัวเลขที่ใช้วางแผนได้ ถ้าอยากใช้อัตราของคุณเอง ให้วัดจำนวนคำต่อนาทีในการพูดของคุณก่อน ส่วนการพิมพ์ด้วยเสียง ให้ถือว่าคอลัมน์การพูดเป็นค่าขั้นต่ำที่คุณจะไปไม่ถึง ด้วยเหตุผลในหัวข้อถัดไป

ทำไมความเร็วการพิมพ์ด้วยเสียงจึงต่ำกว่าความเร็วการพูด

การพิมพ์ด้วยเสียงช้ากว่าการพูด เพราะมันเพิ่มเวลาคิดและการแก้ข้อผิดพลาดเข้ามา และทั้งสองอย่างนี้ไม่ปรากฏในการศึกษาอัตราการพูด

ตัวเลขที่โด่งดังเหล่านั้นวัดการคัดลอก ไม่ใช่การเรียบเรียง Ruan และคณะเลือกงานคัดลอกโดยเจตนา เพื่อแยกวิธีป้อนข้อมูลออกจากตัวผู้เขียน การเรียบเรียงนำเวลาคิดและการเลือกคำเข้ามาด้วย เวลาที่คุณพิมพ์ด้วยเสียงเป็นอีเมลจริง คุณจะหยุดเพื่อตัดสินใจว่าจะเขียนอะไรต่อ ช่วงหยุดเหล่านั้นถูกนับหักออกจากอัตราที่ได้ผลจริงของคุณ

การแก้ไขมีต้นทุนมากกว่าที่เห็น ในการศึกษาบนโทรศัพท์ชิ้นเดียวกัน การพูดภาษาอังกฤษทำผิดพลาดน้อยกว่าขณะผู้คนป้อนข้อความ (อัตราข้อผิดพลาดที่แก้ไขแล้ว 3.93% เทียบกับ 4.72% ของคีย์บอร์ด) แต่ข้อผิดพลาดของการพูดกลับหลงเหลืออยู่ในข้อความสำเร็จรูปมากกว่าเล็กน้อย (0.55% เทียบกับ 0.35%)

การศึกษาบนเดสก์ท็อปยุคเก่าแสดงให้เห็นว่าการแก้ไขอาจมีต้นทุนสูงแค่ไหน ในการศึกษาปี 2003 ของ Koester กับผู้ใช้ระบบรู้จำเสียงที่มีประสบการณ์ 23 คน ซึ่งทั้งหมดมีความบกพร่องทางร่างกายที่กระทบการใช้คีย์บอร์ด การป้อนข้อความอยู่ที่เฉลี่ย 16.7 คำต่อนาที โดยมีช่วงตั้งแต่ 3.5 ถึง 31.7 โดยเฉลี่ย 37% ของเวลางานหมดไปกับการแก้ข้อผิดพลาดของระบบรู้จำ และความแม่นยำของการรู้จำอยู่ในช่วง 72% ถึง 94% งานวิจัยของ Ruan ยังอ้างถึงการศึกษาปี 1999 ของ Karat และคณะ ซึ่งผู้ใช้เสียงทำได้ 7.8 คำต่อนาทีในการเรียบเรียง และ 13.6 คำต่อนาทีในการคัดลอก

ระบบรู้จำเหล่านั้นมีอายุสองทศวรรษแล้ว และอัตราข้อผิดพลาดทุกวันนี้ไม่เหมือนแบบนั้นเลย แต่รูปแบบเดิมยังคงอยู่ คือคำที่ถูกฟังผิดใช้เวลาพูดแค่หนึ่งวินาที แต่ใช้เวลาหลายวินาทีในการหาและแก้

ไม่มีเกณฑ์มาตรฐานสมัยใหม่ที่ดีพอ ผมหาการศึกษาที่ผ่านการทบทวนโดยผู้ทรงคุณวุฒิเมื่อเร็ว ๆ นี้ ซึ่งวัดการพิมพ์ด้วยเสียงบนเดสก์ท็อปของข้อความที่เรียบเรียงเอง โดยนับรวมการแก้ไข ด้วยโมเดลเสียงปัจจุบันไม่เจอ ใครก็ตามที่อ้าง "ความเร็วการพิมพ์ด้วยเสียง" ตัวเป๊ะ ๆ สำหรับการเขียนจริง กำลังวัดจากตัวเองหรือไม่ก็เดาเอา

มันคือเลขคณิตง่าย ๆ คือ อัตราที่ได้ผลจริง = จำนวนคำ ÷ (เวลาพูด + ช่วงหยุด + เวลาแก้ไข) ในฐานะตัวอย่าง ไม่ใช่การวัดจริง: คำ 300 คำที่พูดในสองนาที บวกเวลาคิดหนึ่งนาทีและเวลาแก้ไขหนึ่งนาที เท่ากับ 75 คำต่อนาที ซึ่งต่ำกว่าความเร็วการพูดมาก แต่ยังเร็วกว่าที่คนส่วนใหญ่พิมพ์ ถ้าอยากเช็กว่าการพิมพ์ด้วยเสียงเร็วกว่าการพิมพ์สำหรับคุณหรือไม่ ให้จับเวลาทั้งสองอย่างบนข้อความเดียวกัน

ตรงไหนที่การพิมพ์ด้วยเสียงชนะการพิมพ์ และตรงไหนที่ไม่

การพิมพ์ด้วยเสียงชนะในงานร้อยแก้วที่ยาวและโครงสร้างไม่เข้มงวด การพิมพ์ชนะตรงไหนก็ตามที่ตัวอักษรที่แน่นอนสำคัญ

การพิมพ์ด้วยเสียงมักช่วยในเรื่อง:

• ร่างแรกของอีเมล เอกสาร และโพสต์ ซึ่งการถ่ายทอดคำออกมามีความสำคัญกว่าการทำให้ถูกต้อง
• พรอมต์ยาว ๆ สำหรับเครื่องมือ AI ซึ่งบริบทที่มากขึ้นให้ผลลัพธ์ที่ดีขึ้น
• บันทึกและไอเดียที่จับไว้ก่อนจะเลือนหาย
• งานเขียนใด ๆ เมื่อมือหรือข้อมือของคุณต้องการพัก

การพิมพ์มักยังเร็วกว่าสำหรับ:

• โค้ด พาธไฟล์ URL และอะไรก็ตามที่มีสัญลักษณ์
• ตาราง รายการตัวเลข และการจัดรูปแบบที่แม่นยำ
• คำตอบสั้น ๆ ซึ่งการเริ่มพิมพ์ด้วยเสียงใช้เวลานานกว่าการพิมพ์สามคำ
• การแก้ไขเล็กน้อยภายในข้อความที่มีอยู่

คนส่วนใหญ่ที่ใช้การพิมพ์ด้วยเสียงต่อเนื่องลงเอยด้วยการผสมทั้งสองอย่าง คือพูดร่างแล้วพิมพ์แก้ ถ้าการเขียนกินเวลาส่วนใหญ่ของวันคุณ ซอฟต์แวร์พิมพ์ด้วยเสียงสำหรับนักเขียน เจาะลึกขั้นตอนการทำงานนั้นมากกว่านี้

ทำให้ความเร็วการพิมพ์ด้วยเสียงของคุณเข้าใกล้ความเร็วการพูดมากขึ้น

ช่องว่างส่วนใหญ่ระหว่างการพูดกับการพิมพ์ด้วยเสียงคือเวลาแก้ไข ผลได้ที่มากที่สุดจึงมาจากการมีคำที่ถูกฟังผิดน้อยลงและมีการแก้กลางคันน้อยลง

• พูดเป็นประโยคเต็ม การพูดเป็นห้วงสั้น ๆ นั้นช้า ซึ่งสอดคล้องกับข้อค้นพบของ Yuan ที่ว่าช่วงพูดที่เจ็ดคำหรือน้อยกว่าจะถูกพูดช้าที่สุด
• อย่าแก้ไขขณะพูด ให้พิมพ์ด้วยเสียงทั้งความคิดให้จบ แล้วค่อยแก้ในรอบเดียว
• แก้ข้อผิดพลาดที่เกิดซ้ำที่ต้นตอ ถ้าชื่อหรือศัพท์ใดถูกฟังผิดทุกครั้ง ให้สอนเครื่องมือครั้งเดียวแทนที่จะแก้ทุกวัน ทำไมการพิมพ์ด้วยเสียงบน Mac จึงฟังคำผิด ครอบคลุมสาเหตุที่พบบ่อย
• เริ่มได้ฟรี macOS Dictation ติดมากับเครื่อง Apple บอกว่าคุณสามารถ"พิมพ์ด้วยเสียงเป็นข้อความยาวเท่าใดก็ได้โดยไม่มีหมดเวลา" และมันจะหยุดหลังไม่มีเสียงพูด 30 วินาที

ถ้าคุณต้องการการควบคุมที่มากขึ้น Vext ซึ่งเป็นแอปที่ผมสร้าง เล็งไปที่ส่วนของเวลาแก้ไขในช่องว่างนั้น กฎคลังคำศัพท์แบบกำหนดเอง ("heard as" → "replace with") ถูกใช้กับทุกข้อความถอดความ ชื่อที่คุณแก้ครั้งเดียวจึงถูกแก้ถาวร สไตล์ Clean up จะลบคำเติมและการเริ่มประโยคแล้วเลิกออก ขณะที่ยังคงถ้อยคำของคุณให้ใกล้เคียงกับที่คุณพูดมากที่สุด และข้อความถอดความดิบจะถูกเก็บไว้ข้างเวอร์ชันที่เกลาแล้ว อ่านเรื่องข้อแลกเปลี่ยนนั้นเพิ่มเติมได้ที่การขัดเกลาข้อความด้วย AI สำหรับการพูดต่อเนื่องยาว ๆ การพิมพ์ด้วยเสียงแบบไม่ต้องใช้มือ ให้คุณสลับการบันทึกเปิดและปิดได้แทนที่จะต้องกดปุ่มค้างไว้

ดาวน์โหลด Vext ราคา 49 ดอลลาร์จ่ายครั้งเดียว มีให้ทดลองฟรี 100 ครั้ง ต้องใช้ macOS 14 ขึ้นไปบน Apple Silicon หรือติดตั้งด้วย Homebrew:

brew install muvon/tap/vext