単語の86%を知っていても、アニメのセリフの38%しか理解できない可能性

単語の86%を知っていても、アニメのセリフの38%しか理解できない可能性

カバー率は、あなたが知っている単語の割合を示すものであり、理解できるセリフの数を示すものではありません。フリーレンを含む8つのアニメで測定しました。

2026年10月30日公開 by learnfromx

フリーレンを見たいと思って、その作品で最も一般的な500語を学ぶとします。カバー率計算ツールによると、あなたは話されている単語の85.9%を知っていることになります。

お茶を淹れて再生ボタンを押します。聞こえてくるセリフのうち3つは次のとおりです。

目立たず生きろLive without standing out.

いい眺めだねNice view, isn't it?

シッ 静かにしてShh! Be quiet.

ぼやけた単語はトップ500の外にあります。ホバーまたはタップして表示します。

単語を調べるために3回一時停止する頃には、お茶は冷めてしまっています。その500語で、最初の3,000行のうち1,151行の全ての単語を知っています。これはその38.4%です。残りの1,849行は、それぞれ少なくとも1つの知らない単語を含んでいます。

両方の数字は真実です

カバー率とは、多くの学習サイトが引用する数字です。これは、話されている単語のうち、あなたが知っている単語の割合であり、1000回発音された助詞も1000回カウントされます。フリーレンのリストの最上位にある単語は、すべて「の」や「は」のような文法的な要素であり、トップ100語だけで68.3%のカバー率が得られます。しかし、セリフの理解度はわずか8.5%にしかなりません。

3つの数字が同じ500語を表しています。

manga-kotoba はこのようにカバー率の表を作成しています。jpdb や jiten もカバー率の数値を示していますが、ヘルプページには正確な計算式は記載されていません。

カバー率とセリフ理解度のギャップは、セリフの長さに起因します。フリーレンの1行あたりの平均単語数は7語です。理解するには、その7語すべてを知っている必要があります。カバー率85.9%の場合、セリフ全体を理解できる確率は約35%です。これは0.859を7回掛けた値です。これは測定されたセリフの38.4%に近い値です。

好きな作品で試してみる

[画像: coverage of lines understood]

知っている単語数：

太線：選択した作品でのセリフ理解度。点線：その作品でのカバー率。薄い線：他の7作品でのセリフ理解度。各曲線について、その作品で最も一般的な単語を最初に学ぶと仮定しました。

8作品すべてにこのギャップがあります。Serial Experiments Lain は最も少ない単語数で95%のカバー率に達しますが、それでもセリフの77.5%しか理解できません。

作品によっては、他の作品よりもはるかに少ない単語数で済む

Serial Experiments Lain は、8作品の中で最も少ない単語数で済みます。約400語でセリフの半分を理解できます。Jujutsu Kaisen は980語必要です。

長編アニメがエピソード数が多いからといって難しく見えるのを避けるため、すべての作品を3,000行に制限しました。もし作品が後半で難しくなる場合、ここでは実際よりも簡単に見えます。

見逃すセリフの多くは、あと1語で理解できる

フリーレンに戻りましょう。1,849行を見逃しました。そのうち1,042行は、たった1語足りないだけで、これは56.4%にあたります。すべての作品を合わせると、この数値は50.2%から63.9%の範囲です。

こちらは約束の報酬ですHere is the reward we promised.

500語から1,000語に増やすことは、カバー率が示唆するよりもはるかに役立ちます。カバー率はわずか6.5ポイントしか増加しません。なぜなら、これらの新しい単語は頻繁には出現しないからです。しかし、セリフの理解度は22.1ポイント増加します。なぜなら、新しい単語が1つあるだけで、セリフを理解するために必要だった最後の単語であることが多いからです。

これらの1語のギャップを少数の単語で埋めることはできません。それら1,042行は、合計804語の異なる単語を欠いています。1語から得られる最大の効果は4行のセリフを理解できるようになることで、「後悔」「約束」「収集」といった単語が該当します。

一般的な日本語の2,000語では、最大でもセリフの38%しか理解できない

大まかな比較として、wordfreqリストから、一般的な日本語で最も一般的な2,000語を試してみました。それらでセリフの23.4%から37.6%を理解できました。次に、各作品固有のトップ2,000語を試しました。それらでセリフの74.3%から93.3%を理解できました。Serial Experiments Lain は2,000語未満の異なる単語しか持たないため、2番目の範囲には含まれません。

作品固有の単語は珍しい場合があります。フリーレンのリストの304番目は「生臭坊主」で、これはキャラクターたちがハイターをからかうときに使う言葉です。21番目は「魔法」で、「私」の4つ前に位置します。

前半のエピソードからのリストでも、後半の仕事の2/3をこなせる

ある作品のトップ単語を1シーズン学習し、次のシーズンに進むと仮定しましょう。4つの十分な長さのエピソードがある作品で、これに近いテストを行いました。各リストを最初の3,000行から作成し、その後次の3,000行でテストしました。フリーレンの次の3,000行では、古いリストは22.3%しか理解できませんでしたが、それらの行自体から作成されたリストは33.0%を理解できました。「試験」という単語は、最初の3,000行には一度しか現れませんが、その後51回出現します。なぜなら、キャラクターたちは後に魔導士試験を受けるからです。これらの作品全体で、低下率は5.5から14.0ポイントです。

複数の意味を持つ単語は、これらの数値を高くする

多くの単語は複数の意味を持ちます。これは言語学では多義性と呼ばれます。私たちは、セリフがどの意味を使用しているかに関わらず、単語を知っているとカウントしました。500語の場合、フリーレンのこれらの2行は両方とも理解できたとカウントされます：「手が震えています」と「手に取るように分かる」。「手」という単語は最初のセリフで完全に理解できても、2番目のセリフでは迷う可能性があります。文字通りには「それを手で取るように分かる」という意味です。この問題を持つセリフの数は測定していません。この基準だけで見ると、セリフ理解度の数値は高すぎます。

方法

レシピ

1. 歌、フォーマットタグ、括弧内のもの、楽譜記号などを削除して字幕をクリーニングします。テキストを文単位の行に分割します。重複した行を削除します。
2. Sudachi（無料の日本語トークナイザー）を使用して、各行を単語に分割します。SudachiPy 0.6.11 と SudachiDict-core 20260428 を split mode C で使用しました。Python のバージョンは 3.13.7 です。単語の辞書形を使用するため、「行った」と「行く」は1つの単語としてカウントされます。
3. 句読点、数字、Sudachi が固有名詞としてタグ付けしたものをスキップします。
4. 「シッ」や「ハハッ」のようなフィラーをスキップします。フィラーは、Sudachi が感動詞、副詞、名詞としてタグ付けした場合にのみフィラーとしてカウントされます。文法的な語尾である「ん」は、異なるタグを持つにもかかわらずカウントします。助詞や「うん」のような日常的な返答は、引き続き単語としてカウントされます。
5. 単語が残っていない行を削除し、エピソード順に並べ替え、最初の3,000行を保持します。
6. 各単語の出現頻度をカウントし、ランク付けします。同率の場合はアルファベット順で決定します。
7. 上位N個の単語を知っているとみなします。カバー率は、知っている単語の出現回数を全単語の出現回数で割ったものです。セリフ理解度は、すべての単語を知っているセリフの割合です。

Python 29行で全てを説明

# pip install sudachipy sudachidict_core
# lines.txt: 字幕の各行を1行ずつ、エピソード順に、歌や繰り返しを除去して記述
# fillers.txt: カウントしない音のリストを1行ずつ記述
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   # punctuation
        if pos[1] in ("固有名詞", "数詞"): continue           # names, numbers
        if not re.search(r"[0-9A-Za-zぁ-ヿ一-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]   # the first 3,000 lines with a real word
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"coverage: {coverage:.1%}   lines understood: {understood:.1%}")

フリーレンの行で実行すると、85.9%と38.4%が出力されます。未処理の字幕ファイルは保存していません。ご自身の字幕とフィラーリストを使用すると、若干異なる数値が得られます。

全ての数値

各セルは、その単語数におけるカバー率、次にセリフ理解度を示しています。

特定のセリフ理解度を達成するために必要な単語数：

この数値が不正確になる可能性

• 「理解できた」とは、すべての単語を知っていることを意味します。文法、漢字の読み方、話す速度、文脈は考慮されていません。
• あなたがその作品の最も一般的な単語を正確に知っており、何も忘れていないと仮定しています。もし代わりに他の単語を知っていたり、いくつか忘れていたりした場合、これらの数値は低くなります。また、視聴前にその作品の単語リストが必要になります。
• 同じセリフは1回カウントされます。実際の視聴では、「うん」のような定型句が何度も聞こえるため、セリフ理解度は上がる可能性があります。これは測定していません。
• セリフは各作品の初期のエピソードから取得されており、エピソードのスキップはありません。Chainsaw Man と Serial Experiments Lain は3,000行未満なので、すべての行を使用しました。行数が少ないほどスコアは高くなります。500語の場合、他の作品は Lain の長さに切り詰めると最大4.8ポイント高くスコアされます。Serial Experiments Lain の字幕は品質が低いため、その数値は信頼性が低いです。
• 一部の字幕ファイルは、わずかに異なる表現で同じセリフを繰り返しており、完全一致の重複のみを削除しました。近いコピーを削除すると、500語でのセリフ理解度は最大2.2ポイント変化します。
• フィラーを単語としてカウントするかどうかの判断は主観的です。フィラーを単語としてカウントすると、500語でのセリフ理解度は最大2.7ポイント変化します。カウントするセリフが変わるため、変化は両方向に起こります。
• 行われた形態をカウントするため、「行った」と「行く」が別々にカウントされると、500語でのセリフ理解度は5.3〜7.7ポイント低下します。
• 単語は、意味の数に関わらず1回カウントされるため、カバー率とセリフ理解度の両方が高すぎます。各セリフがどの意味を使用しているかのカウントはありません。部分的なテストとして、Sudachi が与える品詞ごとに単語を別々にカウントしたところ、500語でのセリフ理解度は1.2〜2.5ポイント低下しました。このテストでは、名詞と動詞の違いのようなものしか捉えられません。
• Sudachi は間違いを犯します。単語を断片に分割することがあります。また、一部の名前を通常の単語として扱います。「フリーレン」は彼女自身のリストで31位です。Sudachi が認識しない単語をすべてカウントすると、500語で最大0.6ポイント追加されます。

learnfromx は、アニメから日本語を教えるフラッシュカードアプリです。各カードは、新しい単語以外はすべて知っているセリフを使用しており、それが私たちがセリフのカウントを開始した理由です。上記の数値は、単語の意味の数に関わらず、各単語を1回カウントしたものです。これはアプリでは機能しません。「あれ」を「that」と知っていても、誰かが「あれ？」と言った場合には役に立ちません。これらは2つの異なるカードです。まだそのような単語をすべて捉えているわけではありませんが、取り組んでいます。早期アクセス中は、Hunter x Hunter の1作品を提供しています。