Fortsæt → Oversigt
Ingen månedlig nulstilling · Kreditter bliver, til du bruger dem

Mere endbare et navn.

Kønsbestemmelse, der viser sit belæg

Send et fornavn, fulde navn, en e-mailadresse eller et brugernavn. Du får et køn, en sandsynlighed og stikprøvestørrelsen bag svaret tilbage, også for navne, som mange API'er lader stå ubesvarede.

Prøv det nu

Navne der varierer efter land

Evidens bag svaret

Jean

Mand

Sandsynlighed 81 %
Baseret på
2.418.610 personer
Tillid
høj
Kilde
Referencedata

Efter land, talt fødselsregistreringer

  • Frankrig 1.910.805 personer Mand 100 %
  • USA 483.198 personer Kvinde 95 %
  • Schweiz 15.459 personer Mand 99 %
  • Canada 3.295 personer Mand 88 %
Fuldstændigt profil for Jean

Robin

Kvinde

Sandsynlighed 68 %
Baseret på
433.280 personer
Tillid
høj
Kilde
Referencedata

Efter land, talt fødselsregistreringer

  • USA 338.093 personer Kvinde 86 %
  • Frankrig 59.650 personer Mand 100 %
  • England og Wales 10.247 personer Mand 82 %
  • Schweiz 9.778 personer Mand 97 %
Fuldstændigt profil for Robin

Andrea

Kvinde

Sandsynlighed 96 %
Baseret på
645.331 personer
Tillid
høj
Kilde
Referencedata

Efter land, talt fødselsregistreringer

  • USA 450.034 personer Kvinde 99 %
  • Spanien 113.054 personer Kvinde 97 %
  • Schweiz 36.125 personer Kvinde 76 %
  • Frankrig 10.855 personer Mand 79 %
Fuldstændigt profil for Andrea

Kim

Kvinde

Sandsynlighed 81 %
Baseret på
245.611 personer
Tillid
høj
Kilde
Referencedata

Efter land, talt fødselsregistreringer

  • USA 214.713 personer Kvinde 84 %
  • Norge 9.000 personer Mand 93 %
  • Frankrig 6.610 personer Kvinde 81 %
  • Canada 4.691 personer Kvinde 94 %
Fuldstændigt profil for Kim

Noa

Kvinde

Sandsynlighed 61 %
Baseret på
104.524 personer
Tillid
høj
Kilde
Referencedata

Efter land, talt fødselsregistreringer

  • Frankrig 41.975 personer Mand 83 %
  • Spanien 40.682 personer Kvinde 100 %
  • USA 12.649 personer Kvinde 83 %
  • England og Wales 2.779 personer Kvinde 73 %
Fuldstændigt profil for Noa

Udforsk datagrundlaget navne i databasen 8.235.352 lande omfattet 201

Målt på 4.610 navne med etiketter, inklusive svage punkter

Etiketterne kommer fra offentlige navnelister, som vi ikke har kompileret, og testen kører den samme kode som API'en. Vi offentliggør de skriftsystemer, vi håndterer dårligt, side om side med dem, vi håndterer godt.

I NameGender 2026-benchmark med 4.610 mærkede navne fra 25 lande svarede API'en på 94 % af navnene og 97 % af disse svar var korrekte, så 91 % af alle navne blev besvaret korrekt.

svar korrekt
97 %
4.610 mærkede navne fra 25 lande, 94 % af dem besvaret
navne i databasen
8,2M
lande omfattet
201

Navne besvaret korrekt efter skriftsystem

Andel af alle testnavne i hvert skriftsystem, der blev besvaret korrekt. Ubesvarede navne tælles som fejl.

  • Baseret på
    190
    svar korrekt
    99 %

    98 % besvaret · Andel af alle testnavne i hvert skriftsystem, der blev besvaret korrekt. Ubesvarede navne tælles som fejl.

  • Baseret på
    200
    svar korrekt
    98 %

    98 % besvaret · Andel af alle testnavne i hvert skriftsystem, der blev besvaret korrekt. Ubesvarede navne tælles som fejl.

  • Baseret på
    3.195
    svar korrekt
    97 %

    98 % besvaret · Andel af alle testnavne i hvert skriftsystem, der blev besvaret korrekt. Ubesvarede navne tælles som fejl.

  • Baseret på
    200
    svar korrekt
    92 %

    100 % besvaret · Andel af alle testnavne i hvert skriftsystem, der blev besvaret korrekt. Ubesvarede navne tælles som fejl.

  • Baseret på
    222
    svar korrekt
    91 %

    100 % besvaret · Andel af alle testnavne i hvert skriftsystem, der blev besvaret korrekt. Ubesvarede navne tælles som fejl.

  • Baseret på
    200
    svar korrekt
    96 %

    80 % besvaret · Andel af alle testnavne i hvert skriftsystem, der blev besvaret korrekt. Ubesvarede navne tælles som fejl.

  • Baseret på
    200
    svar korrekt
    97 %

    66 % besvaret · Andel af alle testnavne i hvert skriftsystem, der blev besvaret korrekt. Ubesvarede navne tælles som fejl.

  • Baseret på
    200
    svar korrekt
    96 %

    51 % besvaret · Andel af alle testnavne i hvert skriftsystem, der blev besvaret korrekt. Ubesvarede navne tælles som fejl.

Baseret på
200
svar korrekt
100 %

100 % besvaret

Baseret på
174
svar korrekt
90 %

100 % besvaret

Baseret på
160
svar korrekt
99 %

100 % besvaret

Baseret på
200
svar korrekt
100 %

99 % besvaret

Baseret på
200
svar korrekt
99 %

100 % besvaret

Baseret på
200
svar korrekt
98 %

98 % besvaret

Baseret på
194
svar korrekt
99 %

100 % besvaret

Baseret på
200
svar korrekt
95 %

98 % besvaret

Baseret på
189
svar korrekt
99 %

100 % besvaret

Baseret på
200
svar korrekt
100 %

100 % besvaret

Baseret på
200
svar korrekt
96 %

80 % besvaret

Baseret på
200
svar korrekt
97 %

66 % besvaret

Baseret på
200
svar korrekt
97 %

98 % besvaret

Baseret på
200
svar korrekt
99 %

96 % besvaret

Baseret på
51
svar korrekt
94 %

100 % besvaret

Baseret på
200
svar korrekt
92 %

100 % besvaret

Baseret på
200
svar korrekt
96 %

100 % besvaret

Baseret på
200
svar korrekt
98 %

95 % besvaret

Baseret på
197
svar korrekt
100 %

100 % besvaret

Baseret på
190
svar korrekt
99 %

98 % besvaret

Baseret på
200
svar korrekt
100 %

100 % besvaret

Baseret på
200
svar korrekt
96 %

51 % besvaret

Baseret på
61
svar korrekt
93 %

98 % besvaret

Baseret på
200
svar korrekt
92 %

100 % besvaret

Baseret på
194
svar korrekt
80 %

89 % besvaret

Alt hvad du behøver for at klassificere køn i et datasæt

Ét API, fire inputtyper og bulkværktøjer, der håndterer filer, som andre services fejler på.

For udviklere

Én REST API til navne, e-mails og brugernavne, samme JSON-format for alle tre, og et bulk-endpoint for op til 100 værdier pr. anmodning.

curl "https://namegender.com/api/v1/gender?name=Jean&country=FR" \
  -H "Authorization: Bearer $NAMEGENDER_API_KEY"

{
    "name": "Jean",
    "gender": "male",
    "probability": 100,
    "sample_size": 1910805,
    "country": "FR",
    "confidence": "high",
    "source": "db"
}

For regneark

Kør et regnearksjob: send en XLSX- eller CSV-fil, fortæl os hvilken kolonne der indeholder navnene, og dine rækker kommer tilbage med køn, sandsynlighed og stikprøvestørrelse ved siden af. Ingen kode.

customers.xlsx
first_namecountry genderprobabilitybased_on
Jean FR male 100 1910805
Robin US female 86 338093
Andrea US female 99 450034
Kim US female 84 214713

Fornavne og fulde navne

Sammensatte navne og navne med titler eller initialer renses før opslaget, så du kan sende feltet, som det er.

E-mailadresser

ayse.yilmaz84@example.com læses som Ayşe; funktionspostkasser som info@ returneres som ukendte.

Brugernavne og handles

camelCase, snake_case og afsluttende cifre deles op før opslaget.

Regnearksjob

Giv os en XLSX- eller CSV-fil, og få de samme rækker tilbage med kønskolonner tilføjet. 200.000 rækker tager under et sekunds beregning.

Landklar

Andrea er mand i Italien og kvinde i Tyskland. Angiv et land, og vi vægtlægger det.

Kildetransparens

Hvert svar fortæller dig, hvor det stammer fra, og hvor stort prøvestørrelsen var.

Kreditter bliver, til du bruger dem

Køb 5.000 kreditter for 5,00 €, eller 50.000.000 for 990,00 €. Det du ikke bruger, bliver på din konto: ingen månedlig nulstilling og ingen inaktivitetsklausul.

Hver konto får også 100 gratis kreditter dagligt.

Se alle pakker
Pakke Kreditter Pris Pris pr. 1.000 navne
5K 5.000 kreditter 5,00 € 1,000 € pr. 1.000
300K 300.000 kreditter 63,00 € 0,210 € pr. 1.000
50M 50.000.000 kreditter 990,00 € 0,020 € pr. 1.000

Spørgsmål folk stiller før de vælger en køns-API

Hvad er en køns-API?

En køns-API forudsiger det køn, der oftest er forbundet med et fornavn, ved hjælp af registrerede fødsler og anden navnestatistik. NameGender returnerer kønet sammen med sandsynligheden, antallet af personer svaret er baseret på, landet og kilden, og returnerer ukendt når beviserne er for svage.

Hvor præcis er NameGender?

I 2026-benchmarket med 4.610 navne med etiketter fra 25 lande svarede NameGender på 94 % af navnene, og 97 % af disse svar var korrekte, så 91 % af alle navne blev besvaret korrekt. Navne, der slet ikke er i datasættet, er en anden sag: af 2.000 navne, der blev fjernet fra det til en separat test, blev 10 % besvaret ved nærmeste stavemåde, og 97 % af disse svar var korrekte.

Fungerer det for tyrkiske, arabiske, kinesiske eller koreanske navne?

Ja. Tyrkiske navne bruger det latinske alfabet, hvor 96 % af testnavne blev besvaret korrekt. Arabiske, kinesiske og koreanske navne matches direkte eller efter transliteration: 96 %, 91 % og 92 % af testnavne blev besvaret korrekt. Hebraiske og thailandske navne besvares sjældnere: 64 % og 49 % af testnavnene blev besvaret korrekt.

Kan det samme navn have et forskelligt køn i forskellige lande?

Ja. Jean er registreret som mand i Frankrig (100 %) og som kvinde i USA (95 %). Send en to-bogstavs landekode, så bruges det pågældende lands data; uden det får du det verdensomspændende aggregat.

Kan det registrere køn fra en e-mailadresse eller brugernavn?

Ja. Email endpoint'et slår fornavn op i den lokale del, så john.doe@example.com bliver til John, og username endpoint'et fjerner cifre og separatorer først. Rolleadresser som admin@ eller info@, placeholder-handles som user123, og initialer fulgt kun af efternavn, som j.smith@, returneres som ukendt i stedet for et gæt.

Hvor længe holder kreditter, og hvad koster de?

Købte kreditter bliver på din saldo, til du bruger dem. Pakker starter ved 5,00 € for 5.000 kreditter, den største koster 0,020 € pr. 1.000 navne, og hver konto får 100 gratis kreditter dagligt.

Kan jeg bruge resultatet til at træffe en beslutning om en person?

Nej. Et resultat baseret på navn er en statistisk sammenhæng, ikke en persons kønsidentitet. Brug det til aggregeret arbejde såsom målgruppesegmentering eller undersøgelsesvægtning, hold ukendte resultater synlige, og brug det ikke til beslutninger vedrørende ansættelse, medicin, finanser, forsikring, jura eller berettigelse.

Start med 100 gratis kreditter hver dag

Intet kreditkort. Alt, hvad du køber, bliver på din saldo, til du bruger det.

Opret din gratis konto