Hur snabbt pratar man egentligen i toppklippen på YouTube Shorts?

I 132 YouTube Shorts med minst en miljon visningar vardera är mediantempot 193 ord per minut, och första meningen tar i median slut efter 3,1 sekunder. Båda siffrorna ligger långt över de råd som cirkulerar i guider om korta videor – också de standardvärden som det här verktyget först levererades med.

Alla siffror här är uppmätta i ljudet, inte uppskattade. Metod och begränsningar står längst ned, och de är viktiga – ett mått fick strykas helt.

Taltempo

Den mittersta hälften av klippen ligger på 156–221 WPM. Den 10:e percentilen är 118 och den 90:e är 246. Det här är tempot medan personen faktiskt pratar – antal ord delat med tiden från första till sista ordet, så tystnad i början eller slutet drar inte ned det.

Som jämförelse brukar tempot för berättarröst anges till 140–160 WPM. Den uppmätta medianen är 193. Ett manus som skrivs efter en uppskattning på 155 WPM och sedan framförs i 193 tar slut ungefär 20 % för tidigt – i ett klipp på 60 sekunder blir det omkring 12 sekunder som du inte har planerat för.

Hooken

Den vanliga regeln är en hook på sju till tio ord som är klar inom tre sekunder. Mätningen visar att första meningen i median är 11 ord lång och tar 3,1 sekunder, och den mittersta hälften ligger på 1,9–4,8 s.

Två närliggande siffror. Vid tresekundersgränsen har i median 9 ord sagts – i den övre delen av de 7–10 som regeln antyder, eftersom tempot är högre än regeln förutsätter. Och 20 % av klippen (27 av 132) har en paus på mer än 0,4 sekunder under de tre första sekunderna, så en paus tidigt fäller inte hooken.

Per nisch

Skillnaden mellan medianerna för den snabbaste och den långsammaste nischen är ungefär 39 WPM – verklig, men mindre än spridningen inom var och en av nischerna. Tempot hänger mer på den enskilda kreatören än på ämnet.

Förutsäger tempot antalet visningar? Nej.

I det här urvalet finns inget användbart samband mellan hur fort någon pratar och hur många visningar klippet har. Spearmans rangkorrelation mot antal visningar:

Korrelationen för taltempo är statistiskt signifikant, men vi tänker ändå inte hävda något samband. Skälet är sammansättningen: gruppen med 10 miljoner visningar eller fler rymmer 74 av de 132 klippen och domineras av kreatörer inom matlagning, utbildning, träning och teknik, medan gruppen med 1–3 miljoner har en helt annan blandning. Korrelationen speglar vilka kreatörer som hamnade i vilken grupp, inte ett samband mellan tempo och räckvidd. Ett urval som byggs för att besvara den frågan skulle behöva hålla kreatören konstant, och det gör inte det här.

Den ärliga sammanfattningen: tempo och hooklängd skiljer inte en Short med en miljon visningar från en med tio miljoner. Båda är hygienfaktorer, inga spakar att dra i.

Vad det betyder när du skriver ett manus

• Skriv för ungefär 193 WPM, inte 155. Om du klockar ett manus vid 155 och framför det i ditt naturliga tempo för korta videor blir du klar för tidigt och måste fylla ut.
• Få inte panik vid tre sekunder. Hälften av klippen behöver längre tid än så för att avsluta sin första mening, och allt upp till ungefär fem sekunder ligger inom det normala. Skriv den mening som hooken behöver och stryk sedan ord – inte tiondelar.
• Regeln om en hook på 7–10 ord håller. I median hinner 9 ord sägas före tresekundersgränsen, mitt inom spannet. Det som är fel är tempot som regeln bygger på: de 9 orden kommer i ungefär 193 WPM, inte 155, så meningen du får in på tre sekunder är längre än den gamla räkningen antyder.
• En paus i öppningen går bra. Vart femte klipp har en.
• Skruva inte på tempot i hopp om räckvidd. Ingenting här talar för det.

Klocka ditt manus mot de här siffrorna →

Metod

Tio nischer. Kanalerna hittades på tre sätt: sökning på YouTube, en handplockad lista över kreatörer som pratar i bild eller läser in voiceover, och en kompletterande sökning inriktad på tal för tre nischer med litet urval. Inom varje kanal är kandidaterna de mest visade bland kanalens 80 senaste Shorts, högst fem per kanal, alla med minst 1 000 000 visningar enligt kanalsidan när de hittades (3 september 2026).

Sökningen gav 312 kandidater. Av dem sorterades 104 bort redaktionellt före all nedladdning, fördelade på 32 kanaler: barnunderhållning, ASMR och tysta klipp, musik- och fancamkanaler, produktreklam, kanaler för tv-nyheter och tidningar, konferenstal, utdrag ur poddintervjuer, kanaler på andra språk än engelska och kreatörer som hade hamnat i fel nisch. Skälen är dokumenterade per kanal. Kvar blev 208 att försöka ladda ned.

De första 30 sekunderna av varje klipp laddades ned som monoljud i 16 kHz och transkriberades med Whisper medium med tidsstämplar på ordnivå. Utfallet av nedladdningen: 152 hämtades, 51 avvisades för att de var längre än 60 sekunder och 5 fanns inte längre kvar.

Filter som tillämpades på de 152 transkriberade klippen, med antal för varje:

Hooksiffrorna bygger på de 125 klipp där Whisper hittade en meningsgräns inom de första 30 sekunderna. I 7 klipp hittade den ingen, och de klippen har uteslutits ur hookstatistiken i stället för att räknas som en enda lång mening. Klippen laddades upp mellan 28 juli 2022 och 28 augusti 2026 och kommer från 42 kanaler, högst fem från varje.

Begränsningar, bland annat en som kostade oss ett mått

• Tiden före första ordet redovisas inte, eftersom den inte gick att mäta. Whisper placerade det första ordet på exakt 0,00 sekunder i 128 av 132 klipp. Det beror på att transkriberaren låser sig vid segmentets början, inte på att 132 kreatörer börjar prata på exakt samma bildruta. En ”mediantystnad före första ordet” som vi kunde ha redovisat skulle vara en artefakt, så någon sådan siffra finns inte.
• Urval med de senaste klippen först. En kanals Shorts-flik är sorterad efter datum, inte efter visningar. Att gå igenom 80 klipp täcker därför några veckor hos den som lägger upp något varje dag och flera år hos den som lägger upp då och då. Det snedvrider urvalet mot kreatörer som publicerar sällan och, för flitiga kanaler, mot det senaste de gjort snarare än det bästa.
• Meningsgränserna är Whispers. Skiljetecknen avgör var den första meningen slutar. I ungefär var åttonde hookmätning satte modellen få skiljetecken, vilket gav första ”meningar” på över 10 sekunder. Medianen tål det, men den övre kvartilen är osäkrare än den ser ut.
• Gränsen vid 60 sekunder slänger en fjärdedel av underlaget. Shorts kan i dag vara upp till tre minuter långa, och 51 klipp som uppfyllde kraven föll bort på grund av längden. Resultaten gäller Shorts på högst en minut.
• Två nischer har för litet urval för att redovisas separat – företag (n=5) och privatekonomi (n=6). Klipp med över en miljon visningar är verkligen sällsynta där: en kreatör hade en enda sådan Short bland sina 400 senaste, en annans 80 senaste nådde som mest omkring 51 000 visningar, och nio till gav inga alls. Det som når över en miljon i de nischerna är mest poddklipp, reklam och nyheter, och allt det sorterades bort. Nischerna ingår i de samlade siffrorna men visas inte i diagrammet.
• Bara YouTube, bara engelska, bara de första 30 sekunderna, och antal visningar som de visades när klippen hittades.

Det här publiceras inte

Bara sammanställda värden. Inga transkript, inga tidsstämplar för enskilda ord, inga rader per video och ingen lista över vilka videor eller kreatörer som mättes. Ljudet hämtades till en lokal dator, analyserades och raderades. Poängen var aldrig att publicera en rankad lista över andras videor – poängen är siffrorna, och alla siffror finns här.