掌握了86%的单词，你可能仍然只能看懂一部动漫38%的台词

来源：https://learnfromx.com/research/anime-word-coverage-vs-lines-understood 覆盖率告诉你，你认识的词占全部台词用词的百分之多少，而不是你能看懂多少句台词。数据来自《葬送的芙莉莲》和另外七部动漫。

假设你想看《葬送的芙莉莲》，于是学会了剧中最常见的500个词。覆盖率计算器显示，你现在认识了台词中85.9%的词。

你泡好茶，按下播放键。下面是你听到的三句台词：

目立たず生きろ不要引人注目地活着。

いい眺めだね景色真不错啊。

シッ静かにして嘘\！安静点。

模糊显示的词不在最常见的500个词之内。将鼠标悬停在上面或点击即可显示。

当你第三次暂停查词时，茶已经凉了。掌握这500个词后，在前3,000句台词中，有1,151句的每个词你都认识，占38.4%。其余1,849句，每句都至少含有一个你不认识的词。

两个数字都没错

大多数学习网站引用的数字是覆盖率。它表示你认识的词占全部台词用词的百分比，因此，一个助词出现一千次，就会计入一千次。《葬送的芙莉莲》词频表中排名最前面的都是の\（的\）和は\（主题标记\）之类的语法词，所以仅前100个词就能带来68.3%的覆盖率。但你只能看懂8.5%的台词。

三个数字描述的是同样的500个词：

衡量指标《葬送的芙莉莲》，前3,000句台词认识的词2,448个不同词中的500个\（20.4%\）覆盖率，包含重复出现的词85.9%看懂的台词，每个词都认识38.4% manga-kotoba就是这样构建覆盖率表的。jpdb和jiten也会显示覆盖率，不过它们的帮助页面没有给出确切公式。

覆盖率与看懂台词比例之间的差距，来自台词的长度。《葬送的芙莉莲》的一句台词平均有7个词。你需要认识这7个词，才能看懂整句。在85.9%的覆盖率下，你认识一句台词中所有词的概率约为35%。也就是将0.859连乘七次。这与我们测得的38.4%很接近。

用你喜欢的动漫试试

粗线：所选动漫中看懂的台词比例。虚线：该动漫的词汇覆盖率。浅色线：另外七部动漫中看懂的台词比例。对于每条曲线，我们都假设你优先学习该动漫最常见的词。

八部动漫都存在这种差距。《玲音》达到95%覆盖率所需的词最少，为1,191个。即便如此，你仍然只能看懂77.5%的台词。

有些动漫所需的词汇量远少于其他动漫

在这八部动漫中，《玲音》需要的词最少：约400个词就能让你看懂一半台词。《咒术回战》则需要980个。

动漫台词数集数不同词数掌握500词时的覆盖率掌握500词时看懂的台词比例看懂一半台词所需的词数玲音2,034131,92488.0%55.9%401多罗罗3,000132,43185.2%42.1%633电锯人2,849122,20386.3%41.1%647葬送的芙莉莲3,000122,44885.9%38.4%730灵能百分百3,00082,79582.4%39.1%749死亡笔记3,000112,52986.6%36.0%782全职猎人\（2011\）3,000122,78582.3%34.6%862咒术回战3,000103,02881.5%32.7%980 我们将每部动漫的台词数上限设为3,000句，避免长篇动漫仅仅因为集数更多就显得更难。如果一部动漫在后期变难，这里的结果就会让它显得比实际更容易。

很多看不懂的台词，其实只差一个词

再来看《葬送的芙莉莲》。你有1,849句台词看不懂。其中1,042句只差一个词，占56.4%。在所有动漫中，这一比例介于50.2%到63.9%之间。

こちらは約束の報酬です这是我们约定好的报酬。

从500词增加到1,000词带来的帮助，远比覆盖率所显示的更大。覆盖率只增加了6.5个百分点，因为这些新词出现得并不频繁。但看懂的台词比例增加了22.1个百分点，因为一个新词往往正是你看懂整句台词所缺的最后一个词。

你无法只学少量几个词就填上这些只差一词的空缺。这1,042句台词总共缺少804个不同的词。一个词最多能帮你多看懂4句，比如後悔\（后悔\）、約束\（约定\）和収集\（收集\）。

2,000个常用日语词，最多只能让你看懂38%的台词

作为粗略比较，我们尝试了wordfreq词表中通用日语最常见的2,000个词。这些词能让你看懂23.4%到37.6%的台词。随后，我们尝试了各部动漫自身最常见的2,000个词，结果能看懂74.3%到93.3%的台词。《玲音》的不同词总数不足2,000个，因此未纳入第二个范围。

一部动漫的高频词可能很特别。《葬送的芙莉莲》词表中排名第304的是生臭坊主，指不守戒律的僧侣，角色们经常这样称呼海塔。排名第21的是魔法\（魔法\），比私\（我\）还高四位。

前期剧集的词表，到后期仍能发挥三分之二的作用

假设你学会了一部动漫某一季的高频词，然后继续看下一季。我们在四部台词数量足够的动漫上做了类似测试。我们用前3,000句台词构建词表，再用接下来的3,000句进行测试。在《葬送的芙莉莲》接下来的3,000句台词中，旧词表能让你看懂22.3%，而根据这部分台词本身构建的词表能让你看懂33.0%。試験\（考试\）一词在前面的台词中只出现一次，之后却出现了51次，因为角色们后来参加了魔法使考试。在这些动漫中，降幅介于5.5到14.0个百分点之间。

一词多义会让这些数字偏高

很多词有多个意思，语言学家将其称为多义性。无论一句台词使用了哪个意思，我们都将这个词计为已知词。掌握500个词时，《葬送的芙莉莲》的这两句台词都会被计为看懂：手が震えています\（我的手在发抖\）和手に取るように分かる\（我对此了如指掌\）。你可能完全明白第一句中手\（手\）的意思，却仍然看不懂第二句。逐字翻译，第二句的意思是“就像拿在手里一样清楚”。我们没有统计多少句台词存在这个问题。仅这一点就足以说明，看懂台词比例的数字偏高。

我们是怎么做的

操作步骤

1. 清理字幕，删除歌曲、格式标签、括号内的所有内容和音符。将文本拆分为句子长度的台词行。删除重复台词。
2. 使用免费的日语分词器Sudachi，将每句台词拆分为词。我们使用SudachiPy 0.6.11和SudachiDict-core 20260428，采用C分词模式。Python版本为3.13.7。使用每个词的词典形，因此行った\（去了\）和行く\（去\）算作同一个词。
3. 跳过标点、数字，以及所有被Sudachi标记为专有名词的内容。
4. 跳过シッ\（嘘\）和ハハッ\（哈哈\）之类的填充语。只有当Sudachi将某个声音标记为感叹词、副词或名词时，它才算填充语。语法词尾ん的标签不同，我们仍将其计入。助词和うん\（嗯\）之类的日常应答也仍然算作词。
5. 删除没有剩余词的台词，按集数排序，保留前3,000句。
6. 统计每个词出现的次数，然后按频率排名。频次相同时按字母顺序排列。
7. 将排名前N的词视为已知词。覆盖率等于已知词的出现次数除以所有词的出现次数。看懂的台词比例，是每个词都已知的台词所占的百分比。

用29行Python实现整个过程

``

pip install sudachipy sudachidict_core

lines.txt：每行一句字幕，按集数排列，已删除歌曲和重复台词

fillers.txt：自行整理的不计入统计的声音列表，每行一个

from collections import Counter from sudachipy import Dictionary, SplitMode import re

tok = Dictionary().create() fillers = set(open(“fillers.txt”, encoding=“utf-8”).read().split())

def words(line): out = [] for m in tok.tokenize(line, SplitMode.C): pos = m.part_of_speech() if pos[0] in (“補助記号”, “空白”, “記号”): continue # 标点 if pos[1] in (“固有名詞”, “数詞”): continue # 专有名词、数字 if not re.search(r“[0-9A-Za-zぁ-コト一-鿿々]“, m.surface()): continue if m.surface() in fillers and pos[0] in (“感動詞”, “副詞”, “名詞”): continue out.append(m.dictionary_form()) return out

lines = [words(l.strip()) for l in open(“lines.txt”, encoding=“utf-8”)] lines = [l for l in lines if l][:3000] # 前3,000句包含实际词语的台词 count = Counter(w for line in lines for w in line) known = {w for w, _ in sorted(count.items(), key=lambda x: (-x[1], x[0]))[:500]}

coverage = sum(n for w, n in count.items() if w in known) / sum(count.values()) understood = sum(all(w in known for w in line) for line in lines) / len(lines) print(f“覆盖率：{coverage:.1%} 看懂的台词比例：{understood:.1%}“) ``

用我们的《葬送的芙莉莲》台词运行这段代码，会输出85.9%和38.4%。我们不保存未经处理的字幕文件。使用你自己的字幕和填充语列表，结果会略有不同。

全部数据

每个单元格依次显示：掌握相应数量的词时，覆盖率和看懂的台词比例。

动漫100词250词500词1,000词2,000词玲音70.8% / 20.2%81.4% / 38.8%88.0% / 55.9%93.7% / 73.0%不适用多罗罗64.5% / 10.1%76.6% / 24.6%85.2% / 42.1%92.0% / 63.1%97.8% / 87.6%电锯人66.0% / 9.4%78.4% / 23.8%86.3% / 41.1%93.2% / 65.3%98.9% / 93.3%葬送的芙莉莲68.3% / 8.5%78.7% / 22.5%85.9% / 38.4%92.4% / 60.5%98.0% / 86.9%灵能百分百64.7% / 11.3%75.1% / 25.4%82.4% / 39.1%89.5% / 58.0%95.8% / 79.5%死亡笔记67.3% / 6.9%78.9% / 18.0%86.6% / 36.0%93.0% / 59.1%98.0% / 84.6%全职猎人\（2011\）63.0% / 9.0%74.0% / 20.9%82.3% / 34.6%89.9% / 55.1%96.3% / 79.6%咒术回战63.7% / 9.5%74.3% / 20.7%81.5% / 32.7%88.4% / 50.5%94.8% / 74.3% 看懂给定比例的台词所需掌握的词数：

动漫25%的台词50%75%90%玲音1304011,0821,686多罗罗2546331,4292,101电锯人2636471,3131,893葬送的芙莉莲2837301,4912,111灵能百分百2417491,7752,458死亡笔记3457821,5452,200全职猎人\（2011\）3208621,7682,446咒术回战3289802,0322,695

哪些因素可能让结果失准

• “看懂”意味着你认识每个词。它没有考虑语法、汉字读音、语速和上下文。
• 我们假设你掌握的恰好是该动漫最常见的词，而且一个也没忘。如果你学的是其他词，或忘了一些词，这些数字就会更低。你还需要在观看前就拿到该动漫的词表。
• 每句不同的台词只计一次。观看动漫时，你会反复听到うん\（嗯\）之类的固定台词，这很可能提高看懂的台词比例。我们没有测量这一点。
• 台词来自各部动漫最前面的剧集，没有跳过任何一集。《电锯人》和《玲音》的台词不足3,000句，所以我们使用了它们的全部台词。台词越少，得分越高。掌握500词时，将其他动漫的台词数截到与《玲音》相同的长度，得分最多会提高4.8个百分点。《玲音》的字幕质量较低，因此其数据的可靠性也较低。
• 有些字幕文件会用略有不同的措辞重复同一句台词，而我们只删除了完全相同的重复项。如果连近似重复项也删除，掌握500词时看懂的台词比例最多会变化2.2个百分点。
• 判断什么算填充语，需要主观取舍。如果将填充语也算作词，掌握500词时看懂的台词比例最多相差2.7个百分点。变化可能向上，也可能向下，因为纳入统计的台词会随之改变。
• 按实际听到的词形计数，即将行った和行く分开计算，会使掌握500词时看懂的台词比例降低5.3到7.7个百分点。
• 一个词无论有多少个意思，都只算一个，这会让覆盖率和看懂的台词比例都偏高。我们没有统计每句台词使用的是哪个意思。作为部分检验，我们将Sudachi给出的不同词性分别计为不同词，这使掌握500词时看懂的台词比例降低了1.2到2.5个百分点。这项检验只能捕捉名词与动词之类的差异。
• Sudachi会出错。它有时会把一个词切成片段。它还会将某些名字当作普通词：フリーレン\（芙莉莲\）在她自己的词表中排名第31。将所有Sudachi无法识别的词视为已知词，掌握500词时最多会增加0.6个百分点。

learnfromx (https://learnfromx.com/)是一款通过动漫教授日语的闪卡应用。每张卡片都使用一句除了一个新词之外，其余词你都认识的台词，这也是我们开始统计台词的原因。上述数据将每个词只计为一个词，无论它有多少个意思。但应用中不能这样处理：知道あれ表示“那个”，并不能帮助你理解别人说的あれ? \（咦？\）。它们对应两张不同的卡片。目前应用还不能识别所有这类词，我们正在改进。在抢先体验期间，它提供一部动漫：《全职猎人》。