Datos y fuentes

Descargar el conjunto

CSV (hoja de cálculo)   JSON

201 registros × 29 campos · generado el 2026-09-10 · UTF-8. Compilación bajo CC BY 4.0: cita “Atlas de las Lenguas (languages.ribeiros.click)” y las fuentes primarias indicadas abajo.

Qué contiene cada registro

id

número fijo del idioma en el atlas (1–100 = posición en la infografía de 2020; 101–201 = adicionales)

position_2026

posición actual por total de hablantes

total_speakers / total_year

hablantes totales y año del dato (2026 o 2020)

native_speakers / native_year

hablantes nativos (L1) y año; vacío cuando ninguna fuente lo informa

total_2020_infographic / native_2020_infographic

las cifras originales de la infografía, para comparación

family_*, branch_pt

clasificación didáctica simplificada

countries

países principales, compilados por el atlas

script, origin, period

sistema de escritura, región y época de origen (100 idiomas con historia)

phrase, phrase_romanization, phrase_approximate

la frase “Hola, buenos días. ¿Estás bien?”, transliteración y marca de traducción no revisada

audio, audio_note, audio_url

origen del audio (azure, mms o none) y observaciones

Fuentes primarias

1. Ethnologue 200 (2026), SIL International
   Lista pública de los 200 idiomas más hablados, con totales redondeados. Origen de los totales de 2026 de 162 idiomas y de la selección de los idiomas 101–201.
2. Wikipedia (en): List of languages by total number of speakers
   Tablas compiladas a partir del Ethnologue (29.ª ed., 2026) con división L1/L2. Origen de los totales y nativos de 2026 de las 37 lenguas mayores.
3. Wikipedia (en): List of languages by number of native speakers
   Verificación cruzada de los valores de nativos.
4. WordTips: The 100 Most Spoken Languages in the World (2020)
   Infografía que dio origen al atlas. Sus 100 registros, con totales y nativos de 2020, se transcribieron íntegramente y se conservan como base de comparación. Cita el Ethnologue (22.ª ed.) como fuente.
5. Visual Capitalist (15/02/2020)
   Republicación fechada de la infografía, usada para fijar la fecha de referencia de 2020.
6. Glottolog
   Referencia para la clasificación en familias y ramas, simplificada para la navegación. Vietnamita y jemer en austroasiática; pidgins y criollos en un grupo aparte de lenguas de contacto; rama mandé mantenida en Níger-Congo por convención.
7. ISO 639-3 (SIL)
   Códigos de tres letras de los idiomas, usados para identificar variedades y cruzar fuentes.
8. Ethnologue, Wikipedia y enciclopedias generales
   Base de las historias resumidas de los 100 idiomas originales (origen, época, escritura, hitos) y de las listas de países. Fechas aproximadas; textos escritos para el atlas.
9. Azure AI Speech (Microsoft)
   Voces neuronales usadas para generar 122 audios; en algunos casos, voz de la lengua estándar más cercana (indicado).
10. Massively Multilingual Speech — MMS (Meta AI)
    Modelo abierto (CC BY-NC) usado para 40 idiomas sin voz comercial. Calidad inferior, marcada en el sitio.
11. D3.js
    Biblioteca de visualización (licencia ISC).

Cómo se combinaron los datos

1. Los 100 registros de la infografía de 2020 se transcribieron y se mantienen como total_2020_infographic y native_2020_infographic.
2. Para cada idioma, el total de 2026 viene de la compilación de Wikipedia (L1/L2) cuando existe; si no, de la lista Ethnologue 200 (redondeada). Dos idiomas sin entrada en 2026 —filipino y árabe levantino meridional— conservan el valor de 2020, con el año indicado.
3. Nativos: valor de 2026 cuando Wikipedia informa L1; en caso contrario, el valor de 2020 de la infografía, marcado con el año. Cuando ninguna fuente lo informa, el campo queda vacío y el sitio muestra “no informado”.
4. “Adicionales” = total − nativos, calculado solo cuando ambos valores proceden del mismo conjunto de fuentes.
5. La posición mostrada (position_2026) ordena los 201 idiomas por el total más reciente; el id es fijo e identifica cada registro.
6. Familias y ramas siguen Glottolog con simplificaciones; los países se compilaron a partir del Ethnologue y Wikipedia; la frase y su transliteración se produjeron para el atlas.

Limitaciones

• Contar hablantes es estimar: las fuentes difieren en criterios, fechas de recogida y en qué consideran “una lengua” (árabe estándar vs. dialectos; filipino vs. tagalo; variedades chinas).
• Sumar los totales no da una población: una persona habla varias lenguas.
• Los valores de la lista Ethnologue 200 están redondeados; los de Wikipedia dependen de la edición consultada.
• 96 de las 201 frases están marcadas como aproximadas y aún no fueron revisadas por hablantes nativos; las historias cubren solo los 100 idiomas originales, en portugués.
• Los nombres en portugués, inglés y español siguen el uso corriente, no una norma única.

Errores y contribuciones

¿Encontraste una cifra desactualizada, una traducción errónea o una clasificación discutible? Los canales de contacto están en la página Sobre el sitio. Las correcciones con fuente se incorporan en las próximas actualizaciones del conjunto.