Opublikowana tabela syntezy mowy Azure wymienia 82 odrębne kody języków, czyli około 1,1% z 7.170 języków, które Ethnologue liczy jako używane obecnie (82 / 7.170). Dokumentacja Gemini 3.8 Flash TTS deklaruje ponad 130 języków, a projekt badawczy MMS dotarł do 1.107, lecz ten najszerszy model jest udostępniany na licencji niekomercyjnej. Głębia jest cieńsza niż szerokość: angielski USA ma 118 wpisów w tabeli Azure wobec 2 dla amharskiego. Zebraliśmy dane z Ethnologue, Microsoft, Google, Amazon, Apple, Meta oraz recenzowanych badań nad mową, czytając każdą stronę dostawców 31 października 2026 roku. To zestawienie obejmuje wyłącznie syntezę; o stronie rozpoznawania w tej samej luce piszemy w naszych statystykach pokrycia rozpoznawania mowy dla języków o niskich zasobach.
TL;DR
- Na świecie używa się 7.170 języków, a 4.153 z nich ma rozwinięty system pisma (Ethnologue 2026).
- 128 z 7.829 kodów języków osiągnęło dwa najwyższe poziomy wsparcia cyfrowego, czyli około 1,6% (Simons, Thomas i White, COLING 2022).
- Ponad 130 języków deklaruje się dla Gemini 3.8 Flash TTS, co jest najszerszą deklaracją komercyjną, jaką przeczytaliśmy (Google, dokumentacja dostawcy).
- 82 kody języków w 154 ustawieniach regionalnych występują w tabeli głosów Azure Speech (Microsoft, dokumentacja dostawcy, nasze zliczenie).
- 25 języków i 42 warianty występują w tabeli Amazon Polly, z czego 2 warianty oferują głosy do długich form (Amazon, dokumentacja dostawcy, nasze zliczenie).
- 1.107 języków ma modele syntezy MMS, czyli około 15,4% używanych języków (Meta AI, artykuł o MMS 2023).
- 945 z tych 1.107 modeli osiągnęło współczynnik błędów znaków równy 5 lub niższy, ale Afryka została w tyle z wynikiem 76% (Meta AI, artykuł o MMS 2023).
- 41 z 90 głosów Aura-2 to angielski (Deepgram, dokumentacja dostawcy, nasze zliczenie).
- 18 z 22 języków urzędowych Indii występuje na liście mowy ułatwień dostępu Apple, wobec 1 w Polly (Apple i Amazon, dokumentacja dostawców, nasze zestawienie).
- 1.704 godziny od 10.496 mówców obejmują dziś wszystkie 22 języki urzędowe Indii pod kątem syntezy mowy (AI4Bharat, IndicVoices-R 2024).
1. Mianownik: 7.170 języków, i nie wszystkie są pisane
Każde twierdzenie o pokryciu potrzebuje mianownika, a synteza ma ostrzejszy, niż większość ludzi zakłada. Zamiana tekstu na mowę czyta tekst, więc 3.017 języków bez rozwiniętego systemu pisma leży poza normalną ścieżką wejścia, zanim jeszcze wytrenowany zostanie jakikolwiek model.
Liczba ludności opowiada łagodniejszą historię i tych dwóch ujęć nie wolno mieszać. Platforma może obsługiwać większość ludzi, wymieniając mniej niż 3% języków, ponieważ ponad 88% ludzi posługuje się jako językiem ojczystym jednym z zaledwie 200 języków, a 200 / 7.170 to 2,8%. Żadna z przeczytanych przez nas stron dostawców nie podaje, jaki odsetek ludzi obejmuje jej katalog, więc zasięgu nie da się porównać bezpośrednio.
| Metryka | Wartość | Źródło |
|---|---|---|
| Języki używane na świecie | 7.170 | Ethnologue, How Many Languages 2026 |
| Języki z rozwiniętym systemem pisma wobec języków bez niego | 4.153 (57,9%) wobec 3.017 (42,1%, z 7.170 - 4.153, nasze wyliczenie) | Ethnologue FAQ, 29. wydanie 2026 |
| Osoby, których językiem ojczystym jest jeden z 200 największych języków | Ponad 88% | Ethnologue 200, 2026 |
| Kody języków na dwóch najwyższych poziomach wsparcia cyfrowego (Vital i Thriving) | 128 z 7.829 (95 + 33), czyli 1,6% | Simons, Thomas i White, COLING 2022 |
| Kody języków na najniższym poziomie wsparcia cyfrowego (Still, wynik 0) | 3.996 z 7.829, czyli 51,0% | Simons, Thomas i White, COLING 2022 |
| Kody języków na dwóch środkowych poziomach wsparcia cyfrowego (Emerging, Ascending) | 3.304 i 401 | Simons, Thomas i White, COLING 2022 |
Najnowsze dostępne dane o poziomach wsparcia cyfrowego: Simons, Thomas i White, 2022. To badanie zebrało listy obsługiwanych języków z 143 narzędzi cyfrowych, a przetwarzanie mowy jest jedną z siedmiu kategorii narzędzi. Sumy pochodzą z zestawienia liczby języków Ethnologue oraz jego FAQ o systemach pisma.
2. Katalogi komercyjne obok siebie
To liczby z dokumentacji dostawców: podstawowy zapis tego, co każda platforma wymienia, a nie niezależny dowód jakości. Różnica między najdłuższym a najkrótszym katalogiem w tej tabeli sięga od ponad 130 języków do 9.
Jednostka liczy się tak samo jak liczba. Ustawienie regionalne to język plus region, więc hiszpański dla Meksyku i hiszpański dla Hiszpanii to dwa ustawienia regionalne, ale jeden język. Strona przeglądowa Azure mówi “ponad 100 języków i ustawień regionalnych”, co miesza oba pojęcia; sama tabela języków Azure Speech rozstrzyga to w poniższym wierszu.
Dłuższy katalog nie jest też nadzbiorem krótszego. Tabela języków Gemini TTS nie ma wiersza dla ukraińskiego, urdu ani zulu, a wszystkie trzy wymienia Azure.
| Metryka | Wartość | Źródło |
|---|---|---|
| Gemini 3.8 Flash TTS | Deklarowane ponad 130 języków; 132 wiersze tabeli, odczytane 31 października 2026 roku | Google, dokumentacja generowania mowy w Gemini API, zaktualizowana 28 października 2026 roku (deklaracja dostawcy) |
| Eleven v4 / Eleven v3 / Flash v2.5 / Multilingual v2 | 90+ / 70+ / 32 / 29 języków | ElevenLabs, dokumentacja modeli (deklaracja dostawcy) |
| Gotowe głosy Azure Speech | 82 kody języków w 154 ustawieniach regionalnych; angielski, hiszpański i arabski zajmują 52 ze 154 (33,8%) | Microsoft, tabela obsługi języków, zaktualizowana 22 października 2026 roku (dokumentacja dostawcy, nasze zliczenie) |
| Apple VoiceOver, Live Speech i Read & Speak | 75 wpisów językowych w iOS 27 | Apple, dostępność funkcji iOS (dokumentacja dostawcy) |
| Tabela głosów Google Cloud Text-to-Speech | 53 kody języków, 61 kodów języka i regionu; samo Chirp 3: HD obejmuje 47 języków w 53 ustawieniach regionalnych | Google Cloud, lista głosów i dokumentacja Chirp 3: HD (dokumentacja dostawcy, nasze zliczenie) |
| Sonic 3.6 | 44 języki | Cartesia, dokumentacja modeli TTS (deklaracja dostawcy) |
| Amazon Polly | 25 języków, 42 warianty, 123 pozycje głosów | Amazon, dostępne głosy Polly (dokumentacja dostawcy, nasze zliczenie) |
| IBM Text to Speech | 9 języków bazowych, 15 wpisów językowych, 48 głosów | Dokumentacja IBM Cloud, zaktualizowana 4 czerwca 2026 roku (dokumentacja dostawcy, nasze zliczenie) |
Jeśli wybierasz generator głosu AI dla języka innego niż angielski, warto otworzyć listę dla poszczególnych ustawień regionalnych, a nie nagłówkową liczbę ze strony produktu.
3. Głębia oferty głosów: gdzie naprawdę leżą głosy
Samo wymienienie języka mówi niewiele o tym, ile głosów on dostaje. Angielski USA ma 118 wpisów w tabeli Azure, podczas gdy amharski, afrikaans i zulu mają po 2, czyli stosunek 59 do 1. Dla producenta 2 głosy mogą oznaczać brak jakiegokolwiek wyboru wieku, tonu czy charakteru.
Wzorzec powtarza się w katalogach każdej wielkości. Polly, Aura-2 i otwarty model Kokoro umieszczają od 28,5% do 51,9% swoich głosów w angielskim. Część różnicy ma charakter strukturalny: wpisy w tabeli mogą powtarzać jedną postać głosową na różnych poziomach jakości, więc są to liczby pozycji, a nie unikalnych mówców.
| Metryka | Wartość | Źródło |
|---|---|---|
| Wpisy w tabeli głosów Azure: angielski USA wobec mandaryńskiego wobec niemieckiego wobec hindi | 118 wobec 59 wobec 23 wobec 17 | Microsoft, tabela obsługi języków (dokumentacja dostawcy, nasze zliczenie) |
| Wpisy w tabeli głosów Azure dla amharskiego, afrikaans, arabskiego egipskiego i zulu | Po 2 | Microsoft, tabela obsługi języków (dokumentacja dostawcy, nasze zliczenie) |
| Pozycje głosów Polly w wariantach angielskiego | 35 ze 123 (28,5%) | Amazon, dostępne głosy Polly (dokumentacja dostawcy, nasze zliczenie) |
| Głosy Aura-2: angielski wobec hiszpańskiego wobec francuskiego | 41 wobec 17 wobec 2, z 90 w 7 językach | Deepgram, dokumentacja modeli TTS (dokumentacja dostawcy, nasze zliczenie) |
| Głosy Kokoro-82M w angielskim amerykańskim i brytyjskim | 28 z 54 (51,9%), wobec 1 dla francuskiego | Hexgrad, lista głosów Kokoro-82M (dokumentacja projektu) |
| Wpisy Google Cloud dla hindi (Indie) wobec islandzkiego | 46 (30 Chirp 3: HD, 4 Neural2, 6 Standard, 6 WaveNet) wobec 1 głosu Standard | Google Cloud, lista głosów (dokumentacja dostawcy, nasze zliczenie) |
| Wbudowane głosy OpenAI w punkcie końcowym mowy | 13, które dokumentacja nazywa “obecnie zoptymalizowanymi pod kątem angielskiego” | OpenAI, przewodnik po zamianie tekstu na mowę (deklaracja dostawcy) |
Lista głosów Cloud pokazuje też, dlaczego poziomy mają znaczenie: 30 wpisów Chirp 3: HD dla hindi pochodzi z jednego wspólnego zestawu głosów, a języki spoza tego zestawu zachowują starsze typy głosów. Zliczenie Polly pochodzi z tabeli głosów, w której 4 imiona się powtarzają, bo głosy są dwujęzyczne, co daje 119 odrębnych imion.
4. Poziomy funkcji: wymienione nie znaczy równe
Suma katalogu to najszersza liczba, jaką dostawca może podać, a każda funkcja premium obejmuje mniejszy podzbiór. Silnik generatywny Polly obejmuje 25 z 42 wariantów, a mandaryński, japoński, arabski i rosyjski są wśród 17 pominiętych.
Azure pokazuje to samo zawężenie. Jego 154 ustawienia regionalne spadają do 102 wpisów dla wizemów (dane o kształcie ust używane do animowania twarzy) i 42 dla transferu międzyjęzykowego (sprawienia, by głos niestandardowy mówił w drugim języku). Zespoły planujące wdrożenie wielojęzyczne powinny sprawdzać funkcję, a nie język. Szybkość i cena według modelu to osobne pytanie, omówione w naszych statystykach kosztu wnioskowania TTS.
| Metryka | Wartość | Źródło |
|---|---|---|
| Ustawienia regionalne Azure według funkcji: gotowe głosy / wpisy wizemów / profesjonalny głos niestandardowy / głos osobisty / źródło transferu międzyjęzykowego | 154 / 102 / 68 / 65 / 42 | Microsoft, tabela obsługi języków (dokumentacja dostawcy, nasze zliczenie) |
| Warianty Polly z co najmniej jednym głosem generatywnym wobec co najmniej jednego głosu do długich form | 25 z 42 (59,5%) wobec 2 z 42 (angielski USA, hiszpański z Hiszpanii) | Amazon, dostępne głosy Polly (dokumentacja dostawcy, nasze zliczenie) |
| Warianty Polly oferujące wyłącznie standardowy silnik głosu | 6 z 42, w tym rosyjski, rumuński i islandzki | Amazon, dostępne głosy Polly (dokumentacja dostawcy, nasze zliczenie) |
| Wiersze tabeli Gemini obsługiwane przez Flash TTS wobec Flash-Lite TTS | 132 wobec 103; fiński, szwedzki, tajski i suahili są wśród 29 brakujących we Flash-Lite | Google, dokumentacja generowania mowy w Gemini API (dokumentacja dostawcy, nasze zliczenie) |
| Języki Personal Voice Apple wobec wpisów listy mowy ułatwień dostępu | 3 wobec 75 w iOS 27 | Apple, dostępność funkcji iOS (dokumentacja dostawcy) |
Luka Apple jest najostrzejsza: jego strona dostępności funkcji wymienia Personal Voice tylko dla angielskiego USA, mandaryńskiego z Chin kontynentalnych i hiszpańskiego meksykańskiego.
5. Modele otwarte: szeroki zasięg, ale z warunkami
Strona otwarta zawiera najszerszą liczbę w tym zestawieniu. MMS-TTS dotarł do 1.107 języków, czyli około 8,5 raza więcej niż 130 deklarowanych dla Gemini (1.107 / 130) i około 11 razy więcej niż około 100 języków, które obejmowała przed nim technologia mowy (1.107 / 100).
Szerokość miała swoją cenę. Artykuł o MMS wytrenował osobny model VITS dla każdego języka, głównie na nagraniach jednego mówcy z tekstów religijnych, a jego karta modelu podaje licencję niekomercyjną. Najbardziej użyteczny wynik ma charakter regionalny: jakość spadła najbardziej w Afryce, co autorzy przypisują “częściowo” systemom pisma.
Współczynnik błędów znaków oznacza tu, że system rozpoznawania mowy transkrybuje dźwięk syntetyczny, a błędy są liczone, więc niższy wynik jest lepszy. Mierzy on, czy słowa przetrwały, a nie czy mowa brzmi naturalnie; o tej stronie piszemy w naszych statystykach prozodii i intonacji neuronowej syntezy mowy.
| Metryka | Wartość | Źródło |
|---|---|---|
| Pokrycie językowe i licencja MMS-TTS | 1.107 języków (15,4% z 7.170), CC-BY-NC 4.0 | Pratap i in. (Meta AI), artykuł o MMS 2023; karta modelu Hugging Face |
| Języki MMS osiągające współczynnik błędów znaków 5 lub niższy dla mowy syntetycznej | 945 z 1.107 (85%) | Pratap i in. (Meta AI), artykuł o MMS 2023 |
| Odsetek języków MMS osiągających ten próg, według regionu | Afryka 76% (277 z 363), Azja 88%, Ameryka Północna 87%, Pacyfik 90%, Ameryka Południowa i Europa 95% | Pratap i in. (Meta AI), artykuł o MMS 2023 |
| Współczynnik błędów znaków MMS, mowa syntetyczna wobec ludzkiej mowy referencyjnej; średnia ocen opinii (od 1 do 5) w 61 językach | 3,5 ±0,2 wobec 2,2 ±0,1; 3,52 dla syntetycznej wobec 3,33 dla ludzkiego nagrania referencyjnego spoza danych treningowych, różnica, którą autorzy przypisują zaszumionym nagraniom referencyjnym | Pratap i in. (Meta AI), artykuł o MMS 2023 |
| Języki docelowe SeamlessM4T: wyjście mowy wobec wyjścia tekstu | 36 wobec 96 | Zespół SEAMLESS Communication (Meta), Nature 2025 |
| Regułowy syntezator eSpeak NG | Ponad 100 języków i akcentów | README projektu eSpeak NG |
| Lista głosów Piper | 37 języków, 42 wpisy ustawień regionalnych; repozytorium zarchiwizowane 6 października 2025 roku | Rhasspy, Piper VOICES.md |
| Chatterbox Multilingual wobec XTTS-v2 | 23+ wobec 17 języków | Resemble AI, repozytorium Chatterbox; Coqui, karta modelu XTTS-v2 |
Najnowsze dostępne dane o jakości syntezy na poziomie języka: Pratap i in., 2023. Nowsze modele otwarte w tej tabeli wymieniają znacznie mniej języków. Artykuł o SeamlessM4T pokazuje tę samą asymetrię w jednym modelu: czyta i pisze znacznie więcej języków, niż mówi.
6. Afryka i Indie: gdzie luka staje się konkretna
Zestawienia regionalne ujawniają to, co ukrywają sumy globalne. Tabela Gemini zawiera 22 języki z Afryki, tabela Azure 5, a Polly i Apple nie wymieniają żadnego poza angielskim południowoafrykańskim, podczas gdy sama Afryka Subsaharyjska jest domem dla ponad 2.000 odrębnych języków (Google Research, WAXAL 2026).
Joruba pokazuje, że luka nie dotyczy tylko danych. Występuje w otwartych korpusach WAXAL i BibleTTS, a mimo to nie ma wpisu w przeczytanych przez nas tabelach Azure, Polly, Chirp 3: HD ani Gemini. Istnienie danych publicznych nie oznacza, że platforma wdrożyła głos.
Indie opowiadają lepszą historię, bo jeden zbiór danych zamknął znaną dziurę. Wcześniejsze zbiory kończyły się na 14 z 22 języków urzędowych, jak podaje artykuł o IndicVoices-R, często z 1 lub 2 mówcami na język. Małe społeczności mogą potrzebować mniej, niż się spodziewano: Pine i współpracownicy podważyli założenie, że synteza neuronowa wymaga dużych zbiorów danych.
| Metryka | Wartość | Źródło |
|---|---|---|
| Języki z Afryki, z wyłączeniem odmian arabskiego: Gemini Flash TTS / Gemini Flash-Lite TTS / Azure / Chirp 3: HD / Polly / Apple | 22 / 13 / 5 / 1 / 0 / 0 | Katalogi Google, Microsoft, Amazon i Apple (dokumentacja dostawców, nasze zestawienie) |
| Języki WAXAL-TTS i nagrane godziny | 17 języków; ponad 180 godzin na karcie zbioru danych, ponad 235 w artykule, ponad 565 we wpisie na blogu | Google Research, karta zbioru danych WAXAL, artykuł i blog 2026 |
| Nagrania BibleTTS w jakości studyjnej do syntezy języków afrykańskich | 10 języków, do 86 godzin na język przy 48 kHz | Meyer i in., Interspeech 2022 |
| 22 języki urzędowe Indii na liście: Apple / Gemini Flash TTS / Azure / Chirp 3: HD / Polly | 18 / 17 / 13 / 10 / 1 | Katalogi Apple, Google, Microsoft i Amazon (dokumentacja dostawców, nasze zestawienie) |
| Wcześniejsze indyjskie dane do syntezy: IndicTTS | 284 godziny, 27 mówców, 14 języków | AI4Bharat, artykuł o IndicVoices-R 2024 |
| Korpus syntezy mowy IndicVoices-R | 1.704 godziny, 10.496 mówców, 22 języki | AI4Bharat, artykuł o IndicVoices-R 2024 |
| Korpus mowy Kanien’kéha po decyzji społeczności o wykluczeniu nagrań mówców, którzy odeszli | 3,46 godziny zachowane z 24 nagranych | Pine i in. 2022, za Nigatu i in. 2024 |
| Model FastSpeech2 na 1 godzinie angielskiego wobec Tacotron2 na 10 godzinach | Porównywalna naturalność | Pine i in., ACL 2022 |
Najnowsze dostępne dane dla BibleTTS i dla ustaleń Pine i in.: 2022. Liczbę dla Kanien’kéha przytaczają Nigatu i in. i jest to najbardziej użyteczna liczba w tej tabeli: ograniczeniem tego korpusu była zgoda, a nie technologia.
Podsumowanie: pokrycie językowe i głosowe w syntezie mowy w liczbach
| Metryka | Wartość | Źródło |
|---|---|---|
| Języki używane na świecie | 7.170 | Ethnologue, How Many Languages 2026 |
| Osoby, których językiem ojczystym jest jeden z 200 największych | Ponad 88% | Ethnologue 200, 2026 |
| Kody języków na dwóch najwyższych poziomach wsparcia cyfrowego | 128 z 7.829 | Simons, Thomas i White, COLING 2022 |
| Języki Gemini 3.8 Flash TTS | Deklarowane ponad 130 | Google, dokumentacja Gemini API (deklaracja dostawcy) |
| Języki Eleven v4 | 90+ | ElevenLabs, dokumentacja modeli (deklaracja dostawcy) |
| Kody języków i ustawienia regionalne Azure | 82 i 154 | Microsoft, tabela obsługi języków (nasze zliczenie) |
| Lista mowy ułatwień dostępu Apple | 75 wpisów | Apple, dostępność funkcji iOS |
| Języki i warianty Amazon Polly | 25 i 42 | Amazon, dostępne głosy Polly (nasze zliczenie) |
| Wpisy głosów Azure: angielski USA wobec amharskiego | 118 wobec 2 | Microsoft, tabela obsługi języków (nasze zliczenie) |
| Głosy Aura-2, które są angielskie | 41 z 90 | Deepgram, dokumentacja modeli TTS (nasze zliczenie) |
| Warianty Polly z głosem generatywnym | 25 z 42 | Amazon, dostępne głosy Polly (nasze zliczenie) |
| Języki MMS-TTS | 1.107 | Pratap i in. (Meta AI), artykuł o MMS 2023 |
| Afrykańskie języki MMS ze współczynnikiem błędów znaków 5 lub niższym | 277 z 363 (76%) | Pratap i in. (Meta AI), artykuł o MMS 2023 |
| Głosy Kokoro-82M w angielskim amerykańskim i brytyjskim | 28 z 54 | Hexgrad, lista głosów Kokoro-82M |
| Korpus IndicVoices-R | 1.704 godziny, 22 języki | AI4Bharat, artykuł o IndicVoices-R 2024 |
| Korpus mowy Kanien’kéha: zachowane wobec nagranych | 3,46 wobec 24 godzin | Pine i in. 2022, za Nigatu i in. 2024 |
Metodologia i źródła
Wszystkie strony dostawców zostały przeczytane 31 października 2026 roku. Liczby oznaczone jako “nasze zliczenie” lub “nasze zestawienie” to nasze własne zliczenia opublikowanych tabel; pozostają deklaracjami dostawców o tym, co oferują, a nie niezależnymi testami, że każdy głos działa dobrze.
- Ethnologue (SIL Global): How Many Languages, Ethnologue 200, FAQ o językach niepisanych.
- Simons, Thomas i White: Assessing Digital Language Support on a Global Scale, COLING 2022.
- Microsoft: obsługa języków i głosów w Azure Speech, przegląd zamiany tekstu na mowę.
- Google: generowanie mowy w Gemini API, lista głosów Cloud, Chirp 3: HD, blog WAXAL, artykuł o WAXAL, karta zbioru danych WAXAL.
- Amazon: dostępne głosy Polly.
- Apple: dostępność funkcji iOS.
- Dokumentacja dostawców: modele ElevenLabs, modele TTS Cartesia, modele TTS Deepgram, głosy IBM, przewodnik OpenAI po zamianie tekstu na mowę.
- Meta: artykuł o MMS, karta modelu MMS-TTS, SeamlessM4T w Nature.
- Projekty otwarte: głosy Kokoro-82M, głosy Piper, eSpeak NG, Chatterbox, XTTS-v2.
- Badania: BibleTTS, Meyer i in., IndicVoices-R, Pine i in., ACL 2022, Nigatu i in., Zeno’s Paradox of Low-Resource Languages.
- Uwaga o danych: Katalogi dostawców zmieniają się bez uprzedzenia, więc każdą liczbę traktuj jako migawkę. Wpisy Azure powtarzają postacie głosowe na różnych poziomach jakości, a grupa angielskiego USA zawiera wpisy wielomówcowe nazwane na cześć francuskiego i chińskiego. Tabela Gemini ma 132 wiersze, ale 5 języków występuje dwa razy z powodu pisma, co zostawia 127 nazw, a na stronie nie widzieliśmy danych o jakości dla poszczególnych języków. Suahili występuje w tabeli Chirp 3: HD, ale nie znaleźliśmy go na szerszej liście głosów, więc zliczenie 53 kodów może być zaniżone o jeden. FAQ Ethnologue o systemach pisma przytacza liczbę z 28. wydania pod cytatem z 29. wydania, a Simons i in. używają 7.829 kodów ISO zamiast 7.170 żywych języków, więc oba mianowniki nie są wymienne. Trzy źródła WAXAL są ze sobą sprzeczne (27 języków i ponad 565 godzin na blogu, 24 języki i ponad 235 godzin w artykule, 17 języków syntezy i ponad 180 godzin na karcie). Artykuł o SeamlessM4T podaje 36 języków mowy w wynikach, ale “35 w formie mowy” w metodach. Przewodnik OpenAI podaje zarówno 11, jak i 13 wbudowanych głosów i wskazuje, że jego obecne modele mowy zostaną wyłączone 6 stycznia 2027 roku. Lista Apple łączy trzy funkcje pod jednym nagłówkiem. Nasze zestawienia regionalne to dopasowania nazw języków, a nie audyty językoznawcze, a porównania 8,5 raza i 15,4% korzystają z sumy 7.170 oraz z deklaracji ponad 130, więc oba są przybliżone.
Ostatnia aktualizacja: 31 października 2026 roku. Aktualizujemy to zestawienie kwartalnie, a kolejnej aktualizacji należy się spodziewać, gdy Ethnologue opublikuje swoje 30. wydanie.