जो भी अपने ऑनलाइन कंटेंट को अंतरराष्ट्रीय स्तर पर उपलब्ध कराना चाहता है, वह sooner or later पूछता है: किस‑किस भाषा में अनुवाद करना वाकई फायदेमंद है?

मुझे यह सवाल तब सूझा, जब मैं LLM की मदद से ब्लॉग लेखों के स्वचालित अनुवाद पर विचार कर रहा था.

उपलब्ध डेटा (स्थिति: 2020, शोध: 2025)

विकिपीडिया ने भाषा के अनुसार इंटरनेट उपयोगकर्ता (मार्च 2020) का एक अवलोकन दिया है (तालिका 1)। अब तक मुझे इससे नए आँकड़े नहीं मिले।

उसी मानों को अन्य जगहों पर भी उद्धृत किया गया है, जैसे wéb-tränslatiôns, StarAvis, Optimational (वहाँ तो 2025 के रूप में), और ResearchGate पर प्रकाशित एक लेख में। विकिपीडिया ने स्रोत के रूप में Internet World Stats का उल्लेख किया है। वह साइट ये डेटा अब सीधे उपलब्ध नहीं कराती दिखती, लेकिन Internet Archive में ठीक यही संख्याएँ अब भी देखी जा सकती हैं।

तालिका 1: भाषा के अनुसार इंटरनेट उपयोगकर्ता, शीर्ष 5 तक सीमित (मार्च 2020), स्रोत: Internet World Stats
रैंक भाषा इंटरनेट उपयोगकर्ता सभी इंटरनेट उपयोगकर्ताओं में हिस्सेदारी
1 अंग्रेज़ी 1,18,64,51,052 25.9 %
2 चीनी 88,84,53,068 19.4 %
3 स्पैनिश 36,36,84,593 7.9 %
4 अरबी 23,74,18,349 5.2 %
5 इंडोनेशियाई 19,80,29,815 4.3 %

इन संख्याओं की अद्यतन स्थिति

यह सूची 2020 के बाद बदल चुकी होगी। एक तो विश्व जनसंख्या 2020 से 2024 के बीच लगभग 30 करोड़ बढ़ी है। दूसरे, इसी दौरान वैश्विक इंटरनेट उपयोगकर्ता अनुपात 59% से 68% हुआ। यह बढ़ोतरी खासकर उभरती अर्थव्यवस्थाओं— जैसे भारत, इंडोनेशिया, निकारागुआ और फ़िलिपींस—में औसत से कहीं तेज़ रही। यानि हाल के वर्षों में कई सौ मिलियन नए इंटरनेट उपयोगकर्ता जुड़े हैं — जिनकी पहली भाषा अक्सर अंग्रेज़ी नहीं है। अंग्रेज़ी और चीनी शीर्ष स्थानों पर अपने विशाल आकार के कारण शायद स्थिर रहें। लेकिन तीसरे स्थान से नीचे क्रम बदल सकता है।

एक और बात ध्यान देने लायक है: तालिका में हिंदी का नाम ही नहीं है। 2020 में भारत में इंटरनेट उपयोग का अनुपात करीब 43% था। 2019 के अंत में Ethnologue के मुताबिक लगभग 612 मिलियन भारतीय हिंदी बोलते थे। इससे 2020 में हिंदी बोलने वाले इंटरनेट उपयोगकर्ता लगभग 263 मिलियन बैठते हैं, जो हिंदी को टॉप 5 में ला देता:

1
2
3

612 मिलियन हिंदी बोलने वाले
x 43% इंटरनेट उपयोगकर्ता (भारत)
≈ 263 मिलियन हिंदीभाषी इंटरनेट उपयोगकर्ता

तालिका के नोट्स में लिखा है कि हर व्यक्ति को सिर्फ एक भाषा सौंपी गई है (“Zero Sum” दृष्टिकोण) — जबकि बहुत से लोग बहुभाषी होते हैं। संभव है कि भारतीय आबादी को बड़े पैमाने पर अंग्रेज़ी में गिना गया हो। एक संकेत यह भी है: दुनिया में 1.5 अरब ऐसे लोग नहीं हैं जो अंग्रेज़ी को मातृभाषा (L1) के रूप में बोलते हों। लगता है अंग्रेज़ी में दूसरी भाषा (L2) बोलने वाले भी जोड़े गए, जबकि अन्य भाषाओं को तालिका में मुख्यतः L1 के रूप में गिना गया।

ताज़ा संख्याएँ निकालने का एक प्रयास

क्योंकि भाषा‑वार इंटरनेट उपयोगकर्ताओं के नए आधिकारिक आँकड़े मिल नहीं रहे, मैंने दूसरे स्रोतों से वर्तमान का अनुमान लगाने की कोशिश की।

वर्ल्ड बैंक देता है देश‑वार इंटरनेट उपयोग का अनुपात (ITU के डेटा पर आधारित, जो एक UN विशेष एजेंसी है), और जनसंख्या के आँकड़े भी। दोनों CSV के रूप में उपलब्ध हैं, इसलिए प्रोग्राम से उपयोग में आसान हैं। इनसे पहले हम देश‑वार कुल इंटरनेट उपयोगकर्ता निकाल सकते हैं, जैसे हांगकांग के लिए:

1

7524100 जनसंख्या x 96% इंटरनेट उपयोगकर्ता = 7223136 इंटरनेट उपयोगकर्ता

अगले चरण में हमें देश के भीतर भाषाई वितरण चाहिए, ताकि उससे भाषा‑वार इंटरनेट उपयोगकर्ता निकाले जा सकें। यह स्वाभाविक रूप से एक अनुमान ही होगा, क्योंकि इंटरनेट का उपयोग सभी भाषाई समूहों में समान नहीं होता। फिर देश‑वार नतीजों से वैश्विक संख्याएँ जोड़ी जा सकती हैं।

भाषाई हिस्सेदारी के संभावित स्रोत:

विकिपीडिया के सहारे देशों की भाषाई हिस्सेदारी का मैनुअल संकलन काफी मेहनत माँगता है, जो फिलहाल मेरे लिए संभव नहीं लग रहा।

प्लान B

वापस मूल सवाल पर: ऑनलाइन कंटेंट का अनुवाद किन भाषाओं में करना चाहिए?

विश्वसनीय, ताज़ा भाषा‑वार इंटरनेट आँकड़ों के अभाव में मैं पहले सबसे अधिक बोली जाने वाली भाषाओं को मार्गदर्शक मानूँगा: अंग्रेज़ी, मानक मंदारिन चीनी, हिंदी, स्पैनिश और मानक अरबी।

जैसे‑जैसे इंटरनेट पहुँच बढ़ती है, वैसे‑वैसे किसी भाषा के इंटरनेट उपयोगकर्ताओं का अनुपात उस भाषा की आबादी के वास्तविक हिस्से के करीब आता जाता है। जब भी भाषा‑वार इंटरनेट उपयोगकर्ताओं पर नए, भरोसेमंद आँकड़े आएँगे, मैं अपनी भाषा‑चयन सूची अपडेट कर दूँगा।