단어 수는 언어마다 다릅니다 — 2,500개로 정해 둔 것이 아닙니다. 회화 코퍼스의 단어를 빈도순으로 쌓아 누적 커버리지가 55·60·70·80%에 닿는 지점이 곧 그 언어의 R1~R4 단어 수입니다(CEFR·급수 같은 임의 기준 대신 코퍼스에서 나온 변곡점). 고립어(태국어·베트남어·중국어)는 수백 단어로 70%를 넘고, 굴절어·교착어(러시아어·독일어·한국어·튀르키예어)는 표면형으로 세면 1,000~3,000단어가 필요해 레마(기본형) 단위로 다시 세어 30~50% 줄입니다. 표의 "2,500개 최대"는 분석에 쓴 빈도 목록의 길이일 뿐이며, 그 안에서 80%에 못 닿은 언어는 '미도달'로 표시했습니다.
절벽구간은 ① 자국 영화·드라마 대사로 재는 것이 기본이고, 그 자료가 없으면 ② 해외 영화 자막, 그것도 없으면 ③ 그 밖의 코퍼스를 씁니다. 아래는 언어마다 지금 가진 자료 중 가장 높은 단계의 값입니다 — ②·③ 단계 언어는 ① 단계 자료로 다시 산출하는 것이 목표입니다.
1자국 영화·드라마11개 언어 · 그 나라 사람이 실제로 보는 영화·드라마의 대사. 가장 우선하는 기준입니다.2해외 영화 자막7개 언어 · 공개 자막 말뭉치(번역 자막 포함). 자국 작품 코퍼스가 아직 없을 때 씁니다.3그 밖의 코퍼스3개 언어 · 웹·문어가 섞인 빈도 목록 등. 1·2단계 자료로 다시 계산하기 전의 임시 값입니다.
확정 19다시 산출 2확인 필요 0미얀마어는 앱 준비 전이라 제외소수언어 7 · R3까지
R1R2R3R42,500개 안에서 미도달막대 = 빈도 순위 0 → 2,500
1자국 영화·드라마 11개 언어
그 나라 사람이 실제로 보는 영화·드라마의 대사. 가장 우선하는 기준입니다.
| 언어 · 코퍼스 | R1 55% | R2 60% | R3 70% | R4 80% | 2,500개 최대 | 상태 |
|---|---|---|---|---|---|---|
| 러시아어 Русский 자국 영화·드라마 자막 1,303만 토큰 · 레마 단어 상한 3,000개 누적 83.6%(R5 = 1,986~3,000위, 2026-11-08) · 앱 문장 계획 R1 300 · R2 500 · R3 500 · R4 1,000 | 156 | 251 | 685 | 1,985 | 확정 | |
| 태국어 ไทย 태국 드라마 50편 26만 토큰 · 단어 비교: 추가 20편 101·136·260·536 / 대형 코퍼스 120·172·381·923 | 109 | 149 | 295 | 642 | 확정 | |
| 베트남어 Tiếng Việt 남부 드라마 방송 전사 73편 + 자막 42편, 52만 토큰 · 음절 R5(90%) 762 음절 | 89 | 115 | 199 | 362 | 확정 | |
| 아랍어 العربية 이집트 영화·드라마 대사 108편, 레마 토큰 58.2만(이집트 구어) · 레마 사전 표제어(레마) 기준 — 관사·접속사·전치사·대명 접미·부정 접미는 각각 한 토큰, 활용형·복수는 표제어로 합침 · 50% 47 · 90% 1,580 · 어근 절벽은 구어 분석기에 어근 정보가 없어 보류 · 옛 표면형 635·999·2,491 폐기(2026-11-03 아랍어앱) | 68 | 101 | 216 | 512 | 93.2% | 확정 |
| 일본어 日本語 일본 제작 영화·드라마 200편, 95만 토큰 · 형태소 조사·조동사(た·ます·です·ない…)를 각각 한 토큰, 용언 기본형 — 한국어와 같은 절차 · 구간 = 절대 누적 55/60/70/80%(옛 최대치 비례 107·179·603·2,500 폐기) · 한자 절벽 R1 140 · R2 226 · R3 507 · R4 1,078자(옛 분석) · 옛 기성 빈도표 294·437·998 폐기(た·ます 누락) · 말뭉치가 한국어보다 작음(2026-11-03 일본어앱) | 62 | 96 | 251 | 778 | 89.0% | 확정 |
| 한국어 한국어 한국 영화·드라마 4,268편(영화 430 · 드라마 회차 3,838), 2,322만 토큰 · 형태소 일본어와 같은 방식 — 조사·어미를 각각 한 단어로 셈, 용언 기본형 · 구간 = 절대 누적 55/60/70/80%(옛 최대치 비례 130·199·547·2,500 폐기) · 앱 회화 173편 일치율: 절벽 단어가 회화에 나온 비율 R1 100%·R2 97%·R3 92%·R4 76%, 회화 토큰 중 ≤R1 53%·≤R2 60%·≤R3 70%·≤R4 81% · 예전 어절·100/500/1,500/3,000·205/334/898 값도 폐기(2026-11-03 한국어앱) | 75 | 104 | 215 | 521 | 92.0% | 확정 |
| 독일어 Deutsch 독일어권 자국 작품 자막 1.27억 토큰 · 레마 레마 기준(2026-11-03 독일어앱 실측) · 이전 외국 영화 자막 기준 153·224·525·1,514 대체 | 89 | 130 | 317 | 1,084 | 확정 | |
| 스페인어 Español 자국 영화·드라마 자막 1만 4천여 편, 7,565만 토큰 · 레마 레마 기준 최종(활용형·동사+대명사 결합까지 원형 합산, 사전에 없는 가짜 원형 제외) · 일반 빈도 기준 77·153·532·1,706 은 참고만(2026-11-03 스페인어앱 확정) | 45 | 69 | 168 | 570 | 88.9% | 확정 |
| 프랑스어 Français 프랑스어권 제작 작품 자막 1.26억 토큰(프랑스 57%·캐나다 39%·벨기에·스위스 등) · 레마 레마 기준(활용형·동사+대명사 결합 원형 합산, 가짜 원형·이름·영어·자막 조각 제외 — 스페인어앱과 같은 절차) · 옛 웹·문어 혼합 102·155·385·1,104 폐기(2026-11-03 프랑스어앱) | 44 | 61 | 146 | 491 | 89.7% | 확정 |
| 이탈리아어 Italiano 이탈리아 제작 영화·드라마 5,513편, 3,193만 토큰 · 레마 레마 기준(활용형·동사+대명사 결합 원형 합산, 가짜 원형·자막 표기·외국어 제외 — 스페인어와 같은 절차) · 옛 웹·문어 혼합 225·329·761·2,069 폐기(2026-11-03 이탈리아어앱) | 61 | 91 | 211 | 661 | 88.0% | 확정 |
| 포르투갈어 Português 포르투갈 제작 작품 자막 181편, 97만 토큰(pt-PT) · 레마 레마 기준(접어 결합 원형 합산·전치사 축약 분리·가짜 원형 제외) · 표의 값은 유럽판(pt-PT) · 브라질판(pt-BR, 브라질 제작 115편·63만 토큰) R1 63·R2 96·R3 243·R4 727(89.9%) · 작품 수가 적음 · 옛 혼합 234·403·1,134 폐기(2026-11-03 포르투갈어앱) | 55 | 83 | 217 | 656 | 90.1% | 확정 |
2해외 영화 자막 7개 언어
공개 자막 말뭉치(번역 자막 포함). 자국 작품 코퍼스가 아직 없을 때 씁니다.
| 언어 · 코퍼스 | R1 55% | R2 60% | R3 70% | R4 80% | 2,500개 최대 | 상태 |
|---|---|---|---|---|---|---|
| 중국어 中文 공개 자막 1만 5천 편(영화 9,200·드라마 5,960), 7,700만 토큰 — 번역 외화 포함 · 단어 번체→간체·서식 제거·정밀 분절, 한자가 든 토큰만 셈 · 한자 절벽 50% 71자 · 80% 411자 · 90% 805자 · 중화권 원작만(영화 39편)은 표본 부족으로 참고만 · 앱 채택 값은 중국어앱 결정 대기(2026-11-03 중국어앱 재산출) | 157 | 240 | 666 | 2,184 | 81.1% | 확정 |
| 폴란드어 Polski 소수언어 자막 기반 공개 빈도(원형 합산) · 레마 소수언어 — 절벽 약 1,500단어, 회화 150화, 레벨은 R3까지. 레마 기준(러시아어앱 방식) · 단어 상한 3,000개 누적 83.3%(R5 = 1,940~3,000위, 2026-11-08) · 1,000개 74.5% · 이전 표면형 665·1,147 대체 · 자국 영화·드라마 코퍼스로 다시 산출 예정 | 136 | 218 | 594 | R3까지 | 81.9% | 다시 산출 |
| 힌디어 हिन्दी 소수언어 영화·드라마 자막 80편, 약 65만 토큰(번역 자막 포함) · 형태소 소수언어 — 절벽 약 1,500단어, 회화 150화, 레벨은 R3까지. 일본어 방식 — 후치사(대명사 융합형 분리 포함)·조동사를 각각 한 토큰, 동사 기본형 · 1,500개 93.2% · 소수언어라 앱은 R3 까지 · 옛 229 → 28, 직전 레마 32 → 28(2026-11-03 힌디어앱) | 28 | 39 | 84 | R3까지 | 95.7% | 확정 |
| 페르시아어 فارسی 소수언어 공개 자막 8,400만 토큰 — 외국 작품 번역 자막 섞인 구어 · 형태소 소수언어 — 절벽 약 1,500단어, 회화 150화, 레벨은 R3까지. 일본어 방식 — 동사는 부정사+접두(می/ب/ن)+인칭 어미 각각 한 토큰, را·에자페·대명 접미사·부정관사·복수 -hā 도 한 토큰 · 입말 동사(میکنم·میشه 등)·به+접미사·منو 도 분리 · 1,500개 87.3% · 입말 서술 ‑ه 는 아직 안 뗌 · 소수언어라 앱은 R3 까지 · 옛 웹·문어 혼합 530·775·1,626 폐기(2026-11-03 페르시아어앱) | 50 | 72 | 185 | R3까지 | 90.5% | 확정 |
| 헝가리어 Magyar 소수언어 공개 자막 표본 68.7만 줄, 형태소 토큰 399만 — 번역 자막 다수 · 형태소 소수언어 — 절벽 약 1,500단어, 회화 150화, 레벨은 R3까지. 일본어 방식 — 낱말 기본형 + 격 접미사·소유 접사·복수 -k·동사 어미를 각각 한 토큰 · 1,500개 85.0% · 기본형 변환기+규칙 근사(일부 소유 복수형 덜 나뉨) · 소수언어라 앱은 R3 까지 · 옛 235·391·1,007(단어형) 폐기(2026-11-03 헝가리어앱) | 105 | 146 | 306 | R3까지 | 88.6% | 확정 |
| 미얀마어 မြန်မာ 소수언어 공개 자막 2,345편, 1,667만 토큰 — 외국 작품 번역 자막 위주 · 형태소 소수언어 — 절벽 약 1,500단어, 회화 150화, 레벨은 R3까지. 일본어 방식(분절 후 조사·어미·부정 표지를 각각 한 토큰, 용언은 어간=기본형) · 1,500개 89.0% · 소수언어라 앱은 R3 까지 · 옛 267·366·699 는 54편·최장일치 분절로 결합형을 한 단위로 센 값이라 폐기(2026-11-03 미얀마어앱) | 47 | 60 | 122 | R3까지 | 91.2% | 확정 |
| 튀르키예어 Türkçe 영화·드라마 자막 빈도(공개), 낱말 2.24억 → 형태소 토큰 3.73억 — 외국·자국 작품 섞임 · 형태소 일본어 방식 — 용언 기본형, 접미사(-ler·-de·-im·-di …)를 각각 한 토큰(표면형 그대로) · 뜻 검수로 오분석 기본형 합침 · R1 119개 중 접미사 66 · 옛 어간 156·219·438·1,034 폐기(2026-11-03 튀르키예어앱, 사용자 지시 문법 세션 경유) | 119 | 157 | 282 | 568 | 91.1% | 확정 |
3그 밖의 코퍼스 3개 언어
웹·문어가 섞인 빈도 목록 등. 1·2단계 자료로 다시 계산하기 전의 임시 값입니다.
| 언어 · 코퍼스 | R1 55% | R2 60% | R3 70% | R4 80% | 2,500개 최대 | 상태 |
|---|---|---|---|---|---|---|
| 인도네시아어 Bahasa Indonesia 인도네시아 제작 영화·드라마 자막 빈도, 낱말 290만 → 토큰 343만 · 형태소 어근(kata dasar) + 접사 각 한 토큰(meN-·-nya·-an·-kan …), 중첩 표지·접어(-ku·-mu·-lah)도 한 토큰 · R1 104개 = 어근 88 + 접사·중첩 16 · 옛 단어 403·603·1,349 폐기(2026-11-03 인도네시아어앱) | 104 | 139 | 249 | 523 | 93.0% | 확정 |
| 몽골어 Монгол 소수언어 공개 자막 34편, 약 27만 토큰 — 대부분 번역 자막 · 신뢰도 낮음 · 형태소 소수언어 — 절벽 약 1,500단어, 회화 150화, 레벨은 R3까지. 일본어 방식(격접사·어미를 각각 한 토큰, 용언은 어간=기본형, 규칙 기반 근사·과분리 가능) · 1,500개 89.2% · 소수언어라 앱은 R3 까지 · 옛 961·1,508 폐기 · 자국 대사 말뭉치 없음(2026-11-03 몽골어앱) | 49 | 71 | 185 | R3까지 | 93.0% | 다시 산출 |
| 카자흐어 Қазақ 소수언어 공개 자막 카자흐어판 167편, 약 60만 토큰 — 대부분 번역 자막 · 형태소 소수언어 — 절벽 약 1,500단어, 회화 150화, 레벨은 R3까지. 몽골어·일본어 방식(굴절 접사를 각각 한 토큰, 동사 사전형 -у) · 1,500개 88.5% · 소수언어라 앱은 R3 까지 · 2026-11-08 카자흐어앱 v1 | 45 | 62 | 160 | R3까지 | 91.7% | 확정 |
소수언어(몽골어·미얀마어·헝가리어·페르시아어·힌디어·폴란드어, 사용자 결정 2026-11-03)는 절벽을 약 1,500단어로 보고 회화 150화·레벨 R3까지로 만듭니다 — R4 칸은 비워 둡니다. 값 출처: 각 언어앱 세션 보고(2026-11-02)와 17개 언어 일괄 분석의 실측 도달 단어 수. 단위가 언어마다 다릅니다(러시아어 레마, 베트남어 음절, 한국어 어절). 같은 언어의 다른 분석값은 메모에 적었습니다. 절벽구간 자료의 상세 분석과 함께 보세요.