Frecuencia de Palabras
Analiza cuántas veces aparece cada palabra en tu texto, en tu navegador.
Para qué sirve
Entiende tu texto en profundidad
Compatible con cualquier texto
Artículos, guiones, código, transcripciones, emails — cualquier contenido textual en cualquier idioma europeo.
100% privado
Tu texto se analiza en tu navegador. Nunca se envía a ningún servidor ni a ninguna IA.
Análisis de calidad
Filtra stop words, establece frecuencia mínima y exporta a CSV para análisis avanzados.
Instantáneo
El ranking de frecuencia se actualiza en tiempo real mientras escribes o pegas texto.
Cómo funciona
Tres pasos, sin complicaciones
Pega o escribe tu texto
Introduce el texto a analizar. Puede ser un artículo, un guion, código fuente, una transcripción o cualquier contenido textual.
Configura el análisis
Elige si ignorar las stop words (palabras vacías como 'el', 'de', 'y'), establece una frecuencia mínima y selecciona si el análisis distingue mayúsculas.
Explora los resultados
Las palabras se muestran ordenadas por frecuencia descendente. Copia la tabla o descárgala como CSV para usarla en hojas de cálculo o herramientas de análisis.
Preguntas frecuentes
¿Tienes dudas?
Las stop words (palabras vacías) son palabras de alta frecuencia con poco valor semántico: artículos (el, la, los), preposiciones (de, en, con), conjunciones (y, o, pero), pronombres (yo, tú, él). En cualquier texto en prosa, estas palabras dominan las primeras posiciones del ranking de frecuencia, oscureciendo las palabras con contenido real. Al filtrarlas, el análisis de frecuencia revela los términos temáticamente relevantes: conceptos clave, nombres propios, términos técnicos y verbos principales.
Los idiomas CJK no usan espacios para separar palabras, lo que hace que la tokenización por espacios en blanco (el método estándar para idiomas europeos) no funcione correctamente. Para chino y japonés, la segmentación correcta requiere un analizador morfológico específico del idioma (como MeCab para japonés o Jieba para chino). Esta herramienta aplica tokenización basada en espacios y signos de puntuación, por lo que sus resultados son orientativos para textos CJK pero no linguísticamente precisos.
Sí. Puedes configurar un umbral de frecuencia mínima para ocultar palabras que aparecen menos de N veces. Esto es útil para textos largos donde las palabras con frecuencia 1 (hapax legomena) pueden representar el 40-60% del vocabulario total. Filtrar por mínimo 2 o 3 apariciones elimina mucho ruido y permite centrarse en las palabras que realmente estructuran el contenido.
TF-IDF (Term Frequency-Inverse Document Frequency) es una métrica que pondera la frecuencia de una palabra en un documento (TF) contra su frecuencia en una colección de documentos (IDF). Una palabra muy frecuente en un documento pero también muy frecuente en todos los demás documentos (como las stop words) recibe una puntuación baja. Una palabra frecuente en un documento pero rara en el resto recibe una puntuación alta, indicando que es distintiva de ese documento. La frecuencia simple muestra cuántas veces aparece cada palabra; TF-IDF muestra qué palabras son características y diferenciadoras de ese texto específico.
La ley de Zipf, formulada por el lingüista George Kingsley Zipf en 1949, establece que en cualquier corpus de lenguaje natural, la frecuencia de una palabra es inversamente proporcional a su rango de frecuencia. La palabra más frecuente aparece el doble que la segunda, el triple que la tercera, y así sucesivamente. Esta distribución de ley de potencia aparece de forma remarkablemente consistente en todos los idiomas naturales y en muchos otros fenómenos (ciudades por población, empresas por ingresos). Si el ranking de frecuencia de tu texto sigue una curva de Zipf, es una señal de que el texto tiene características de lenguaje natural; desviaciones marcadas pueden indicar contenido generado artificialmente o textos técnicos muy especializados.
Frecuencia de palabras: análisis de contenido para SEO, escritura y lingüística
El análisis de frecuencia de palabras es una de las técnicas más antiguas y versátiles del procesamiento del lenguaje natural. En SEO, permite identificar las palabras clave que dominan un texto y compararlas con los términos objetivo para verificar la densidad de keywords y la relevancia temática. Un artículo bien optimizado tiene una distribución de frecuencia donde los términos principales aparecen con consistencia, mientras que el exceso de repetición (keyword stuffing) es penalizado por los algoritmos de los motores de búsqueda.
En escritura y edición, el análisis de frecuencia revela muletillas y palabras sobreutilizadas que empeoran la calidad del texto. Si el contador muestra que usas 'básicamente' 15 veces en un artículo de 800 palabras, tienes información concreta para mejorar el estilo. En investigación académica, la frecuencia de palabras es la base de técnicas como el análisis de concordancias, la construcción de índices de términos y la comparación estilística entre autores (estilometría), utilizada incluso para atribución de autoría en textos anónimos.
Convertir.ai procesa el análisis directamente en tu navegador sin enviar tu texto a ningún servidor ni exponerlo a modelos de IA. El resultado está disponible como tabla interactiva y como descarga CSV, compatible con Excel, Google Sheets, Python (pandas) y R para análisis más avanzados.