TTR
Divide el número de formas distintas entre el total de palabras. Es intuitivo, pero cae de manera sistemática al crecer el texto; úsalo solo como descripción de esa muestra.
Herramienta gratuita · español
¿Tu vocabulario cambia o solo lo parece?
Pega un fragmento, un capítulo o varias páginas. El analizador compara formas distintas, MATTR y MTLD y dibuja cómo cambia la variedad léxica dentro del propio texto. No decide si tu prosa es rica, pobre, buena o mala.
Sin cuentaSin IASin subir el manuscritoMétodo publicado
Resultados de variedad léxica
Cómo cambia dentro del texto
Divido la muestra en bloques consecutivos de hasta 200 palabras y calculo MATTR-50 dentro de cada uno. Esta vista no compara tu novela con una norma externa: compara unas zonas con otras.
Más variedad no significa mejor prosa
Repetir una palabra puede ser torpeza, ritmo, voz, cohesión o una decisión deliberada. Un diálogo natural puede usar menos vocabulario que un párrafo descriptivo y funcionar mejor. Estas métricas miden distribución de formas; no entienden intención narrativa.
Por eso esta herramienta no muestra semáforos, percentiles de «calidad» ni una puntuación final. Si quieres localizar qué palabras se repiten y dónde, esa tarea corresponde al detector de repeticiones.
Qué significa cada cifra
MATTR-50 y MATTR-100
Calculan TTR en ventanas móviles y promedian los resultados. Reducen parte del problema de longitud, pero el tamaño de ventana y la posición de los tokens siguen importando. Mostrar dos ventanas hace visible esa sensibilidad.
MTLD
Estima cuánto texto hace falta, en promedio, para que TTR caiga hasta un umbral de 0,72. Se calcula en ambos sentidos y sirve como contraste, no como nota literaria.
Formas que aparecen una sola vez
Los hapax son formas con una sola aparición en la muestra. También dependen de longitud, género y tema. Los mostramos porque ayudan a describir el texto, no porque exista una proporción ideal.
Una limitación importante en español
Este MVP trabaja con formas ortográficas, no con lemas. «Casa» y «casas» cuentan como formas distintas; «hablo», «hablé» y «hablar» también. Es una decisión deliberada: una lematización española fiable requiere un análisis lingüístico bastante más pesado que no quiero fingir con reglas caseras.
Los estudios y herramientas académicas de riqueza léxica para español suelen lematizar antes de calcular algunas métricas. Por eso no debes comparar directamente una cifra de esta página con otra herramienta que use spaCy, Freeling u otro analizador morfológico.
Privacidad
Todo el cálculo ocurre en JavaScript dentro del navegador. No hay fetch, API de IA, almacenamiento local del manuscrito ni envío del contenido a analítica.
Si se mide el uso, el evento solo contiene el nombre de la herramienta y un tramo aproximado de longitud, por ejemplo «500–1.999 palabras». Nunca incluye el texto, palabras detectadas, nombres, resultados o títulos.
Fuentes y método
- Covington & McFall (2010) — Moving-Average Type-Token Ratio.
- McCarthy & Jarvis (2010) — evaluación de MTLD y otras medidas de diversidad léxica.
- Bestgen (2025) — ventajas y límites de MATTR como medida global.
- Díez-Ortega & Kyle — riqueza léxica en español L2 y métricas basadas en lemas.
- lexical_diversity — implementación abierta de referencia para TTR, MATTR y MTLD.
La política general de fuentes, correcciones y uso de herramientas está en Metodología editorial.
Dudas frecuentes
¿Qué TTR o MTLD debería tener una novela?
No existe un umbral universal fiable para decir que una novela tiene «buen vocabulario». La longitud, el género, el diálogo, el tema y el procesamiento lingüístico cambian los resultados.
¿Por qué TTR baja al pegar más texto?
Porque al crecer la muestra muchas palabras reaparecen mientras el número de formas nuevas no aumenta al mismo ritmo. Es una propiedad conocida de TTR, no un deterioro automático del estilo.
¿Por qué mostráis MATTR-50 y MATTR-100?
Porque el tamaño de ventana influye. Ver ambos resultados recuerda que MATTR tampoco es una constante absoluta del texto.
¿Detecta texto escrito por IA?
No. La diversidad léxica por sí sola no identifica de forma fiable la autoría humana o automática, y esta herramienta no intenta hacerlo.
¿Sirve para mejorar el SEO?
No hay un factor de ranking documentado que premie un TTR, MATTR o MTLD concreto. El objetivo es ayudar a revisar escritura; el posible valor orgánico de la página proviene de ser una utilidad real.
Sigue revisando, sin subir el manuscrito
Cada herramienta responde una pregunta distinta.
Para localizar ecos concretos, usa el detector de repeticiones. Para ver dónde aumenta la carga formal de lectura, usa el analizador de legibilidad.