Dados e fontes

Baixar o conjunto

CSV (planilha)   JSON

201 registros × 29 campos · gerado em 2026-09-10 · UTF-8. Compilação sob CC BY 4.0: cite “Atlas das Línguas (languages.ribeiros.click)” e as fontes primárias abaixo.

O que há em cada registro

id

número fixo do idioma no atlas (1–100 = posição no infográfico de 2020; 101–201 = adicionais)

position_2026

posição atual por total de falantes

total_speakers / total_year

falantes totais e ano do dado (2026 ou 2020)

native_speakers / native_year

falantes nativos (L1) e ano; vazio quando nenhuma fonte informa

total_2020_infographic / native_2020_infographic

os números originais do infográfico, para comparação

family_*, branch_pt

classificação didática simplificada

countries

países principais, compilados pelo atlas

script, origin, period

sistema de escrita, região e época de origem (100 idiomas com história)

phrase, phrase_romanization, phrase_approximate

a frase “Olá, bom dia. Você está bem?”, transliteração e sinalização de tradução não revisada

audio, audio_note, audio_url

origem do áudio (azure, mms ou none) e observações

Fontes primárias

1. Ethnologue 200 (2026), SIL International
   Lista pública dos 200 idiomas mais falados, com totais arredondados. Origem dos totais de 2026 de 162 idiomas e da seleção dos idiomas 101–201.
2. Wikipédia (en): List of languages by total number of speakers
   Tabelas compiladas a partir do Ethnologue (29ª ed., 2026) com divisão L1/L2. Origem dos totais e nativos de 2026 das 37 maiores línguas.
3. Wikipédia (en): List of languages by number of native speakers
   Verificação cruzada dos valores de nativos.
4. WordTips: The 100 Most Spoken Languages in the World (2020)
   Infográfico que deu origem ao atlas. Seus 100 registros, com totais e nativos de 2020, foram transcritos integralmente e preservados como base de comparação. Cita o Ethnologue (22ª ed.) como fonte.
5. Visual Capitalist (15/02/2020)
   Republicação datada do infográfico, usada para fixar a data de referência de 2020.
6. Glottolog
   Referência para a classificação em famílias e ramos, simplificada para navegação. Vietnamita e khmer em austro-asiática; pidgins e crioulos num grupo separado de línguas de contato; ramo mandê mantido em Níger-Congo por convenção.
7. ISO 639-3 (SIL)
   Códigos de três letras dos idiomas, usados para identificar as variedades e casar as fontes.
8. Ethnologue, Wikipédia e enciclopédias gerais
   Base das histórias resumidas dos 100 idiomas originais (origem, época, escrita, marcos) e das listas de países. Datas aproximadas; textos escritos para o atlas.
9. Azure AI Speech (Microsoft)
   Vozes neurais usadas para gerar 122 áudios; em alguns casos, voz da língua padrão mais próxima (indicado).
10. Massively Multilingual Speech — MMS (Meta AI)
    Modelo aberto (CC BY-NC) usado para 40 idiomas sem voz comercial. Qualidade inferior, marcada no site.
11. D3.js
    Biblioteca de visualização (licença ISC).

Como os dados foram combinados

1. Os 100 registros do infográfico de 2020 foram transcritos e mantidos como total_2020_infographic e native_2020_infographic.
2. Para cada idioma, o total de 2026 vem da compilação da Wikipédia (L1/L2) quando existe; senão, da lista Ethnologue 200 (arredondada). Dois idiomas sem entrada em 2026 — filipino e árabe levantino meridional — conservam o valor de 2020, com o ano indicado.
3. Nativos: valor de 2026 quando a Wikipédia informa L1; caso contrário, o valor de 2020 do infográfico, marcado com o ano. Quando nenhuma fonte informa, o campo fica vazio e o site mostra “não informado”.
4. “Adicionais” = total − nativos, calculado apenas quando os dois valores são do mesmo conjunto de fontes.
5. A posição exibida (position_2026) ordena os 201 idiomas pelo total mais recente; o id é fixo e serve para localizar cada registro.
6. Famílias e ramos seguem o Glottolog com simplificações; países foram compilados a partir do Ethnologue e da Wikipédia; a frase e sua transliteração foram produzidas para o atlas.

Limitações

• Contar falantes é estimativa: as fontes diferem em critérios, datas de coleta e no que consideram “uma língua” (árabe padrão vs. dialetos; filipino vs. tagalo; variedades chinesas).
• Somar os totais não dá uma população: uma pessoa fala várias línguas.
• Valores da lista Ethnologue 200 são arredondados; os da Wikipédia dependem da edição consultada.
• 96 das 201 frases estão marcadas como aproximadas e ainda não foram revisadas por falantes nativos; as histórias cobrem só os 100 idiomas originais.
• Nomes em português, inglês e espanhol seguem uso corrente, não uma norma única.

Erros e contribuições

Encontrou um número desatualizado, uma tradução errada ou uma classificação discutível? Os canais de contato estão na página Sobre o site. Correções com fonte são incorporadas nas próximas atualizações do conjunto.