Idiomas del Mundo

El número de idiomas que se hablan en el mundo hoy en día no es una cifra establecida, sino una estimación razonada que cambia cada año conforme se registran nuevos trabajos de campo, esfuerzos de revitalización y extinciones lingüísticas. La fuente institucional más citada, Ethnologue, publicada por SIL International, reporta aproximadamente 7,168 lenguas vivas en su edición de 2024. Otros catálogos, como Glottolog, mantenido en el Instituto Max Planck de Antropología Evolutiva, arrojan totales algo distintos porque clasifican de manera diferente los dialectos y las variedades estrechamente relacionadas. Por eso, los especialistas tratan todos estos recuentos como aproximaciones.

La diversidad lingüística está distribuida de forma muy desigual. Un pequeño número de países concentra una proporción desproporcionada de los idiomas del mundo. Papúa Nueva Guinea alberga aproximadamente 840 lenguas; Indonesia, unas 710; Nigeria, cerca de 525; India, aproximadamente 450 según los criterios de clasificación aplicados; y China, alrededor de 300. Una docena de países reúne más de dos tercios de la diversidad lingüística mundial, mientras que muchas otras naciones están dominadas por uno o dos idiomas de amplia difusión.

La distribución de los hablantes es aún más desigual que el conteo de lenguas. Los diez idiomas más grandes por número de hablantes nativos representan en conjunto aproximadamente el 46 por ciento de la población mundial. El 54 por ciento restante habla miles de lenguas más pequeñas, muchas de ellas con menos de diez mil hablantes. La UNESCO estima que aproximadamente el 40 por ciento de los idiomas del mundo están en algún grado de peligro, y especialistas del Endangered Languages Project y de la Linguistic Society of America han advertido que una parte significativa podría dejar de hablarse activamente antes de que termine el presente siglo si las tendencias actuales continúan.

Esta página ofrece un panorama enciclopédico de los idiomas del mundo: cómo se contabilizan, cómo se agrupan en familias, cómo se escriben, cuáles son los más hablados, cuáles están en peligro y cómo se revitalizan algunos de ellos, y de qué manera las nuevas tecnologías están transformando lo que significa hablar y traducir. A lo largo del texto se incluyen vínculos a los perfiles de países en CountryReports y a las instituciones cuya investigación sustenta este campo.

Una familia lingüística es un grupo de idiomas que descienden de un ancestro común, identificado a través de correspondencias sistemáticas en vocabulario, fonología y gramática. Los lingüistas reconocen actualmente más de ciento cuarenta familias distintas, además de un número menor de lenguas aisladas que no tienen parientes comprobados. Glottolog, el catálogo de referencia mantenido en el Instituto Max Planck de Antropología Evolutiva, registra las familias y su estructura interna, y es ampliamente utilizado por investigadores de Harvard, MIT, Stanford y la Linguistic Society of America.

Un puñado de familias concentra la abrumadora mayoría de los hablantes. La indoeuropea es la más grande por número de hablantes, y abarca el español, el inglés, el hindi, el bengalí, el portugués, el ruso, el persa, el francés, el alemán y muchos más, con aproximadamente 3,200 millones de hablantes en total. La sino-tibetana incluye el mandarín, el cantonés, el tibetano y el birmano, y ocupa el segundo lugar por número de hablantes, con aproximadamente 1,400 millones. La níger-congo, la familia más grande por número de lenguas miembro, incluye el yoruba, el igbo, el swahili, el zulú y el shona, y tiene aproximadamente 700 millones de hablantes en el África subsahariana. La afroasiática, con el árabe, el hebreo, el hausa y el amhárico, cuenta con alrededor de 500 millones.

Entre las familias más importantes adicionales se encuentran la austronesia, hablada desde Madagascar hasta la Isla de Pascua e integrada por el indonesio, el malayo, el tagalo, el javanés y el maorí, con aproximadamente 380 millones de hablantes; la dravídica, concentrada en el sur de la India e integrada por el tamil, el télugu, el canarés y el malayalam, con cerca de 250 millones; la túrquica, que incluye el turco, el uzbeko, el kazajo y el azerbaiyano, con unos 200 millones; la japónica, que comprende el japonés y las lenguas ryukyuanas, con cerca de 130 millones; y la urálica, que incluye el finés, el húngaro y el estonio, con unos 25 millones. Las lenguas aisladas como el vasco en Europa, el ainu en el norte de Japón y, según algunas clasificaciones, el coreano son casos notables en los que no se ha demostrado ningún ancestro común con las lenguas vecinas.

La escritura es una tecnología humana comparativamente reciente. El sistema de escritura más antiguo que se conoce es la escritura cuneiforme sumeria, que surgió en Mesopotamia alrededor del 3200 a. C. Desde entonces, se han creado, adoptado, adaptado y abandonado cientos de escrituras. El Estándar Unicode, la referencia de la industria informática que codifica caracteres para texto digital, incluye actualmente más de ciento cincuenta sistemas de escritura, abarcando la mayoría de los sistemas vivos y una gran cantidad de los históricos. Académicos del Departamento de Lingüística de Harvard, el Departamento de Lingüística y Filosofía del MIT y el Departamento de Lingüística de Stanford han contribuido de manera significativa al desciframiento y análisis de escrituras antiguas.

Los sistemas de escritura se agrupan generalmente en varios tipos estructurales. Los alfabetos, como el latino, el cirílico, el griego, el georgiano y el armenio, utilizan símbolos distintos tanto para consonantes como para vocales. Los abyades, entre ellos el árabe y el hebreo, representan principalmente consonantes y dejan las vocales parcial o totalmente sin marcar. Las abugidas, el tipo de escritura predominante en el sur y el sureste de Asia y en partes de África, incluyen el devanagari, el bengalí, el tamil, el tailandés y el etíope. En una abugida, cada consonante lleva una vocal inherente que puede modificarse mediante diacríticos. Los silabarios, como el hiragana y el katakana japoneses y el silabario cherokee creado por Sequoyah, asignan un símbolo a cada sílaba. Las logografías, entre las que destacan los caracteres chinos utilizados en el chino, el kanji japonés e históricamente el coreano y el vietnamita, codifican morfemas o palabras.

Algunos sistemas de escritura permanecen sin descifrar. El lineal A de la Creta minoica, el rongorongo de Rapa Nui y la escritura del Valle del Indo han resistido la interpretación a pesar de más de un siglo de esfuerzos. Otros han sido descifrados en tiempos modernos: los jeroglíficos egipcios fueron descifrados gracias a la Piedra de Rosetta, y los glifos mayas fueron descifrados progresivamente mediante un trabajo colaborativo a finales del siglo XX. Los proyectos contemporáneos de preservación y digitalización en instituciones como Harvard y el Centro Smithsonian de Folclore y Patrimonio Cultural trabajan para asegurar que los manuscritos en sistemas de escritura vulnerables queden registrados para su estudio futuro.

Un pequeño conjunto de idiomas concentra gran parte de la comunicación diaria, el comercio, el gobierno y la ciencia en el mundo. Cada uno de ellos es también el idioma principal de al menos un estado grande y cuenta con una extensa literatura escrita. Los perfiles que se presentan a continuación toman como base las cifras de Ethnologue para las poblaciones de hablantes nativos y las descripciones institucionales de organismos como el Instituto Cervantes para el español, la Sede Central del Instituto Confucio (Hanban) para el mandarín, la Organización Internacional de la Francofonía para el francés y la Academia Británica para el inglés y la historia de su estudio.

El inglés funciona hoy como la principal lengua franca mundial en los ámbitos de los negocios, la ciencia, la aviación, la diplomacia e internet. Aproximadamente 390 millones de personas hablan el inglés como primer idioma, principalmente en los Estados Unidos, el Reino Unido, Canadá, Australia, Nueva Zelanda, Irlanda y otros países de la Mancomunidad de Naciones, mientras que más de mil millones de personas adicionales lo usan como segundo idioma o lengua extranjera. El chino mandarín es el idioma más grande por número de hablantes nativos, con aproximadamente 940 millones de hablantes de primera lengua concentrados en China y en comunidades de habla china en el extranjero. El español, con aproximadamente 485 millones de hablantes nativos, es el idioma oficial de España, México y la mayor parte de América Central y del Sur, y es cooficial en la comunicación pública del gobierno federal de los Estados Unidos.

El hindi, con aproximadamente 345 millones de hablantes nativos en India, es uno de los veintidós idiomas reconocidos en la constitución india. El árabe destaca por su diglosia: el árabe estándar moderno se utiliza en la escritura formal, los medios de comunicación y en todo el mundo árabe, mientras que un conjunto de variedades regionales, mutuamente inteligibles en distintos grados, sirve para la comunicación cotidiana en Arabia Saudita, Egipto, Marruecos, Irak y otros países. El francés, el ruso, el portugués, el bengalí y el japonés completan el grupo de los idiomas más hablados del mundo, cada uno vinculado a una nación o grupo de naciones importante y con una sólida tradición literaria. Idiomas de menor alcance pero regionalmente dominantes, como el indonesio, el turco, el coreano y el swahili, sirven como lenguas francas en amplias zonas de Asia y África.

Se considera que un idioma está en peligro cuando los niños han dejado de aprenderlo como lengua materna o cuando su comunidad de hablantes está disminuyendo, envejeciendo o pasándose a un idioma dominante. El Atlas UNESCO de las Lenguas del Mundo en Peligro estima que aproximadamente el 40 por ciento de las lenguas vivas están en algún grado de riesgo. SIL International, que compila Ethnologue, y los académicos vinculados a la revista Language Documentation and Conservation de la Universidad de Hawái utilizan la Escala Expandida de Disrupciones Intergeneracionales Graduadas, conocida como EGIDS, para categorizar la vitalidad de una lengua desde el uso institucional hasta el estado dormido y el extinto. La UNESCO emplea una escala de cinco niveles de vulnerabilidad que va desde vulnerable hasta en grave peligro y en peligro crítico, y finalmente extinto.

Los factores que impulsan la extinción de idiomas están bien documentados. La globalización y la integración económica concentran las oportunidades en los idiomas dominantes. La escolarización formal en lenguas nacionales suele excluir o estigmatizar las lenguas locales. La urbanización lleva a los hablantes rurales a las ciudades, donde su primer idioma raramente se usa, y los medios de comunicación masivos refuerzan el prestigio de un pequeño conjunto de lenguas ampliamente habladas. La colonización histórica en las Américas, Oceanía, África y partes de Asia suprimió los idiomas indígenas, y sus secuelas son visibles hoy en día. La Linguistic Society of America ha publicado orientaciones para investigadores que trabajan en colaboración con comunidades de hablantes, y el Endangered Languages Project, una iniciativa conjunta de la Universidad de Hawái y Google, coordina la documentación, grabación y recursos comunitarios.

La revitalización es posible, y el registro histórico contiene algunos ejemplos notables. El maorí en Nueva Zelanda ha sido apoyado desde la década de 1980 mediante preescolares de inmersión conocidos como kōhanga reo, medios de comunicación en maorí y su reconocimiento formal como idioma oficial. El hawaiano ha sido revitalizado a través de escuelas y programas universitarios en lengua hawaiana. El galés, el catalán y el vasco se beneficiaron de la educación bilingüe y el reconocimiento oficial a finales del siglo XX. El irlandés se enseña en todo el sistema escolar de Irlanda y es un idioma oficial de la Unión Europea. El hebreo es el caso más dramático: durante el siglo XX fue revivido de ser una lengua de uso religioso y académico a convertirse en un idioma plenamente hablado en la vida cotidiana por millones de personas en Israel. Archivos digitales como el Rosetta Project y el Endangered Languages Project preservan grabaciones de idiomas cuyo uso cotidiano ha cesado.

Cuando hablantes de diferentes idiomas necesitan comunicarse de manera sostenida, a veces desarrollan lenguas de contacto simplificadas llamadas pidgins. Un pidgin tiene un vocabulario reducido, una gramática simplificada y, por lo general, ningún hablante nativo: todos quienes lo utilizan también hablan otro idioma. Cuando los niños crecen hablando un pidgin como primera lengua, este se expande y regulariza para convertirse en un criollo, un idioma natural completo con la misma capacidad expresiva que cualquier otro. El criollo haitiano en Haití, el patois jamaiquino en Jamaica, el papiamento en Aruba y Curazao, el tok pisin en Papúa Nueva Guinea, el bislama en Vanuatu y el afrikáans en Sudáfrica son todos idiomas ampliamente hablados que surgieron de situaciones de contacto, aunque el afrikáans se describe a veces como una lengua hija del neerlandés más que como un criollo en sentido estricto.

Las lenguas francas son idiomas utilizados para la comunicación entre grupos que no comparten una primera lengua. Han existido desde que hay rutas comerciales y estados multilingües. El latín fue la lengua franca de la erudición, la liturgia y la diplomacia en la Europa medieval. El sánscrito desempeñó un papel similar en gran parte del sur y el sureste de Asia. El árabe siguió las redes comerciales y académicas del mundo islámico temprano. El swahili surgió a lo largo de la costa de África Oriental como lengua de comercio y hoy se habla en gran parte del África oriental y central. El malayo sirvió al sureste asiático marítimo y es la base del indonesio y el malayo modernos. El inglés es hoy la lengua franca más extendida del mundo, utilizada habitualmente en los negocios internacionales, la ciencia, el control de tráfico aéreo y en internet. Su papel es seguido de cerca por la Academia Británica y por la investigación de la Comisión Europea sobre política multilingüe.

Las lenguas de señas son idiomas humanos completamente naturales que utilizan señas visuales y gestuales en lugar de sonidos. No son codificaciones manuales de los idiomas hablados. Tienen su propia gramática, vocabulario y normas comunitarias, y se desarrollan, cambian y diversifican de la misma manera que los idiomas hablados. La investigación en la Universidad Gallaudet, la Linguistic Society of America y los departamentos de lingüística del MIT, Stanford y otras instituciones ha producido una extensa literatura sobre la fonología, la morfología y la sintaxis de las lenguas de señas. Muchos países reconocen su lengua de señas nacional como idioma oficial o protegido.

La Federación Mundial de Sordos reconoce más de trescientas lenguas de señas en uso activo en todo el mundo. Entre las más estudiadas se encuentran la Lengua de Señas Americana, utilizada en los Estados Unidos y gran parte del Canadá anglófono; la Lengua de Señas Británica en el Reino Unido; la Lengua de Señas Francesa en Francia; la Lengua de Señas China en China; la Lengua de Señas Japonesa en Japón; y la Lengua de Señas India en India. Las relaciones históricas entre estas lenguas no siguen las de los idiomas hablados de su entorno: la Lengua de Señas Americana, por ejemplo, deriva en gran parte de la Lengua de Señas Francesa y no de la Lengua de Señas Británica. La Seña Internacional es una forma de comunicación por señas de contacto que se utiliza a veces en eventos multinacionales, como las reuniones de la Federación Mundial de Sordos, y funciona de manera similar a un pidgin entre comunidades de lenguas de señas.

El adulto monolingüe es una minoría en la población mundial. Los especialistas estiman que la mayoría de las personas habla al menos dos idiomas a nivel funcional, y en muchas regiones tres o cuatro son algo habitual. Papúa Nueva Guinea, con aproximadamente 840 idiomas, es quizás el país con mayor diversidad lingüística del planeta, y sus habitantes suelen hablar una lengua vernácula local, la lengua franca tok pisin y el inglés. India e Indonesia son igualmente multilingües, con cientos de lenguas regionales junto a los idiomas nacionales. Nigeria tiene aproximadamente 525 idiomas además del inglés como lengua oficial de la administración. Sudáfrica reconoce once idiomas oficiales, reflejo de la amplia diversidad lingüística del país, a los que en 2023 se sumó la Lengua de Señas Sudafricana para llevar el total a doce.

La investigación en centros académicos como el Instituto Max Planck de Antropología Evolutiva ha documentado ventajas cognitivas, sociales y económicas asociadas al multilingüismo, entre ellas la flexibilidad en la resolución de problemas, una función ejecutiva más sólida en algunas tareas y mayores oportunidades educativas y económicas. Los enfoques gubernamentales varían ampliamente. Francia ha promovido históricamente el idioma francés como institución nacional unificadora, política reforzada por la Organización Internacional de la Francofonía y la Académie française. Suiza gestiona cuatro idiomas nacionales a través de un modelo cantonal. Canadá es oficialmente bilingüe en inglés y francés a nivel federal. La Comisión Europea opera en veinticuatro idiomas oficiales y financia amplios programas de enseñanza de idiomas, y la Carta Europea de las Lenguas Regionales o Minoritarias protege idiomas históricos adicionales como el catalán, el galés y el sami.

Todos los idiomas cambian de manera continua. Los sonidos se desplazan, los patrones gramaticales se reorganizan, las palabras se toman prestadas de los vecinos y surge nuevo vocabulario para describir nuevas tecnologías e ideas. La Gran Mutación Vocálica, un cambio profundo en la pronunciación de las vocales largas del inglés que tuvo lugar aproximadamente entre 1400 y 1700, es un ejemplo bien estudiado de cuánto puede transformarse un idioma en pocas generaciones. La gramaticalización, el proceso por el cual palabras léxicas plenas se convierten gradualmente en marcadores gramaticales, puede observarse en muchas familias lingüísticas. La extinción de un idioma, cuando deja de hablarse activamente, también forma parte de la historia más amplia del cambio, al igual que el nacimiento de nuevos idiomas, ya sea por largo contacto, por criollización o por la divergencia de dialectos.

Los lingüistas históricos reconstruyen etapas anteriores de los idiomas mediante el método comparativo, alineando sistemáticamente vocabulario y correspondencias fonológicas entre lenguas relacionadas para inferir formas ancestrales. El protoindoeuropeo, el ancestro no documentado de la mayoría de los idiomas europeos y de muchos del sur de Asia, ha sido reconstruido con considerable detalle a partir de evidencia comparativa por académicos de Harvard, la Universidad de Cambridge y otras instituciones. El protoaustronesio, el protobantu y el protosino-tibetano se encuentran entre las otras protolenguas reconstruidas. En la era moderna, los flujos de préstamos lingüísticos siguen el movimiento de la tecnología, la ciencia y la cultura popular: el inglés ha absorbido miles de palabras de otros idiomas a lo largo de su historia y, a su vez, es la fuente de numerosos préstamos en el japonés, el coreano, el francés y casi cualquier otro idioma ampliamente hablado, en ámbitos que van desde la informática hasta la gastronomía.

Los últimos quince años han transformado lo que las máquinas pueden hacer con el lenguaje humano. La traducción automática neuronal, que sustituyó a los sistemas estadísticos y basados en reglas a mediados de la década de 2010, impulsa hoy los servicios de traducción cotidianos, incluidos Google Translate, DeepL, Microsoft Translator y los sistemas de traducción propietarios integrados en muchos productos de consumo. El reconocimiento y la síntesis de voz se han vuelto utilizables para el dictado, la accesibilidad, los asistentes de voz y los subtítulos en transmisiones en los idiomas más grandes. Los grandes modelos de lenguaje han mejorado aún más la fluidez en la producción de textos entre idiomas y han ampliado la traducción funcional a muchos más pares de lenguas que los que antes eran compatibles.

Los beneficios de estos avances se distribuyen de manera desigual. Los modelos funcionan mejor en idiomas que cuentan con grandes corpus de texto digital disponibles para su entrenamiento; el archivo de las Naciones Unidas, las principales organizaciones de noticias y corpus paralelos de libros y sitios web han aportado la mayor parte de esos datos de entrenamiento. Los llamados idiomas de bajos recursos, que incluyen la mayoría de las lenguas vivas, están comparativamente desatendidos. Iniciativas recientes buscan abordar esta brecha. El proyecto No Language Left Behind de Meta ha lanzado modelos de traducción de código abierto para más de doscientos idiomas. Masakhane, una red de investigación de base centrada en las lenguas africanas, ha construido corpus abiertos, métricas de evaluación y modelos para docenas de idiomas del continente. El Endangered Languages Project alberga materiales aportados por comunidades que pueden apoyar la creación de corpus a pequeña escala. La investigación en centros académicos como Stanford, el MIT y el Instituto Max Planck explora herramientas de documentación asistida por inteligencia artificial, transcripción de voz y revitalización que pueden implementarse en colaboración con las comunidades de hablantes.

CountryReports publica sus perfiles de países, contenido global, artículos y secciones de referencia en cinco idiomas: inglés, español, chino, hindi y francés. En conjunto, estos cinco idiomas son la lengua materna de más de dos mil millones de personas y son estudiados como segundo idioma o lengua extranjera por cientos de millones más. La estrategia de cinco idiomas tiene como objetivo ofrecer al mayor número posible de lectores en todo el mundo acceso directo al contenido educativo del sitio, a la vez que se ajusta a los mercados escolares, universitarios e institucionales donde CountryReports se usa con mayor frecuencia.

Los usuarios pueden cambiar el idioma de la interfaz en cualquier momento desde el menú de idiomas en el encabezado del sitio. El contenido de acceso libre está disponible en los cinco idiomas sin necesidad de membresía, y el contenido que forma parte del nivel de pago sigue los derechos descritos en los términos de servicio del sitio y en la política de disponibilidad de idiomas correspondiente. La cobertura en idiomas adicionales se evalúa periódicamente según los datos de audiencia, y los comentarios de la comunidad sobre la calidad de las traducciones son bienvenidos a través de la página de contacto del sitio.

Las citas detalladas, referencias de datos y fuentes institucionales de todo el contenido de CountryReports se encuentran en la página de Fuentes. Las siguientes organizaciones internacionales, catálogos de referencia e instituciones académicas son las principales autoridades en las que nos basamos para el contenido sobre los idiomas del mundo. Cada enlace apunta a la página principal de la institución correspondiente.

Organizaciones internacionales y catálogos de referencia

• Atlas UNESCO de las Lenguas del Mundo en Peligro — Clasificaciones de vitalidad, indicadores de peligro y datos por país sobre las lenguas amenazadas en todo el mundo.
• UNESCO — Programas sobre diversidad lingüística, educación en lengua materna y patrimonio cultural inmaterial.
• Comisión Europea — Política de multilingüismo — Marco político para los idiomas oficiales y regionales en la Unión Europea.

Centros de investigación académica y revistas

• Instituto Max Planck de Antropología Evolutiva — Investigación en tipología lingüística, lingüística histórica y el catálogo de lenguas Glottolog.
• Linguistic Society of America — Sociedad profesional de lingüística en América del Norte, con recursos sobre documentación de lenguas en peligro, ética y educación pública.
• Language Documentation and Conservation (Universidad de Hawái) — Revista académica de acceso abierto sobre la documentación y revitalización de lenguas en peligro.
• Departamento de Lingüística de Harvard — Investigación y formación de posgrado en lingüística histórica, fonología, sintaxis, semántica y trabajo de campo.
• Departamento de Lingüística y Filosofía del MIT — Lingüística teórica y experimental, incluida la investigación en lenguas de señas y lingüística computacional.
• Departamento de Lingüística de Stanford — Sociolingüística, variación lingüística, lingüística computacional y trabajo de campo en lenguas poco documentadas.
• Academia Británica — Academia nacional del Reino Unido para las humanidades y las ciencias sociales, con programas sobre aprendizaje de idiomas e investigación lingüística.

Institutos culturales y de lengua

• Centro Smithsonian de Folclore y Patrimonio Cultural — Documentación de tradiciones culturales vivas e idiomas, incluido el Festival de Cine en Lengua Materna.
• Organización Internacional de la Francofonía — Organismo intergubernamental de los países de habla francesa que promueve el idioma francés y la diversidad lingüística.
• Instituto Cervantes — Instituto del Gobierno español que promueve el idioma español y las culturas hispánicas en todo el mundo, incluido el informe anual El español en el mundo.
• Sede Central del Instituto Confucio (Hanban) — Instituto del Gobierno chino que apoya el estudio del idioma y la cultura chinos a nivel internacional.

Si detecta algún error o desea sugerir una corrección, utilice nuestra página de contacto para comunicarse con nosotros.