Fortsett → Oversikt
Ingen månedlig nullstilling · Kreditter blir værende til de er brukt

Mer ennbare et navn.

Kjønnsgjenkjenning som viser grunnlaget sitt

Send et fornavn, et fullt navn, en e-postadresse eller et brukernavn. Du får tilbake et kjønn, en sannsynlighet og utvalgsstørrelsen bak svaret, også for navnene mange API-er lar stå ubesvart.

Prøv det nå

Navn som varierer etter land

Grunnlag for svaret

Jean

Mann

Sannsynlighet 81 %
Basert på
2 418 610 personer
Sikkerhet
høy
Kilde
Referansedata

Etter land, basert på fødselsregistreringer

  • Frankrike 1 910 805 personer Mann 100 %
  • USA 483 198 personer Kvinne 95 %
  • Sveits 15 459 personer Mann 99 %
  • Canada 3 295 personer Mann 88 %
Fullstendig profil for Jean

Robin

Kvinne

Sannsynlighet 68 %
Basert på
433 280 personer
Sikkerhet
høy
Kilde
Referansedata

Etter land, basert på fødselsregistreringer

  • USA 338 093 personer Kvinne 86 %
  • Frankrike 59 650 personer Mann 100 %
  • England og Wales 10 247 personer Mann 82 %
  • Sveits 9 778 personer Mann 97 %
Fullstendig profil for Robin

Andrea

Kvinne

Sannsynlighet 96 %
Basert på
645 331 personer
Sikkerhet
høy
Kilde
Referansedata

Etter land, basert på fødselsregistreringer

  • USA 450 034 personer Kvinne 99 %
  • Spania 113 054 personer Kvinne 97 %
  • Sveits 36 125 personer Kvinne 76 %
  • Frankrike 10 855 personer Mann 79 %
Fullstendig profil for Andrea

Kim

Kvinne

Sannsynlighet 81 %
Basert på
245 611 personer
Sikkerhet
høy
Kilde
Referansedata

Etter land, basert på fødselsregistreringer

  • USA 214 713 personer Kvinne 84 %
  • Norge 9 000 personer Mann 93 %
  • Frankrike 6 610 personer Kvinne 81 %
  • Canada 4 691 personer Kvinne 94 %
Fullstendig profil for Kim

Noa

Kvinne

Sannsynlighet 61 %
Basert på
104 524 personer
Sikkerhet
høy
Kilde
Referansedata

Etter land, basert på fødselsregistreringer

  • Frankrike 41 975 personer Mann 83 %
  • Spania 40 682 personer Kvinne 100 %
  • USA 12 649 personer Kvinne 83 %
  • England og Wales 2 779 personer Kvinne 73 %
Fullstendig profil for Noa

Utforsk datagrunnlaget navn i databasen 8 235 352 land dekket 201

Målt på 4 610 merkede navn, svake punkter inkludert

Merkingene kommer fra offentlige navnelister vi ikke selv har kompilert, og testen kjører den samme koden som API-et. Vi publiserer skriftsystemene vi håndterer dårlig ved siden av dem vi håndterer godt.

I NameGender 2026-benchmarken med 4 610 merkede navn fra 25 land, svarte API-en på 94 % av navnene og 97 % av svarene var korrekte, så 91 % av alle navn ble besvart korrekt.

svar korrekt
97 %
4 610 merkede navn fra 25 land, 94 % av dem besvart
navn i databasen
8,2M
land dekket
201

Navn besvart korrekt, etter skriftsystem

Andel av alle testnavn i hvert skriftsystem som ble besvart riktig. Ubesvarte navn regnes som feil.

  • Basert på
    190
    svar korrekt
    99 %

    98 % besvart · Andel av alle testnavn i hvert skriftsystem som ble besvart riktig. Ubesvarte navn regnes som feil.

  • Basert på
    200
    svar korrekt
    98 %

    98 % besvart · Andel av alle testnavn i hvert skriftsystem som ble besvart riktig. Ubesvarte navn regnes som feil.

  • Basert på
    3 195
    svar korrekt
    97 %

    98 % besvart · Andel av alle testnavn i hvert skriftsystem som ble besvart riktig. Ubesvarte navn regnes som feil.

  • Basert på
    200
    svar korrekt
    92 %

    100 % besvart · Andel av alle testnavn i hvert skriftsystem som ble besvart riktig. Ubesvarte navn regnes som feil.

  • Basert på
    222
    svar korrekt
    91 %

    100 % besvart · Andel av alle testnavn i hvert skriftsystem som ble besvart riktig. Ubesvarte navn regnes som feil.

  • Basert på
    200
    svar korrekt
    96 %

    80 % besvart · Andel av alle testnavn i hvert skriftsystem som ble besvart riktig. Ubesvarte navn regnes som feil.

  • Basert på
    200
    svar korrekt
    97 %

    66 % besvart · Andel av alle testnavn i hvert skriftsystem som ble besvart riktig. Ubesvarte navn regnes som feil.

  • Basert på
    200
    svar korrekt
    96 %

    51 % besvart · Andel av alle testnavn i hvert skriftsystem som ble besvart riktig. Ubesvarte navn regnes som feil.

Basert på
200
svar korrekt
100 %

100 % besvart

Basert på
174
svar korrekt
90 %

100 % besvart

Basert på
160
svar korrekt
99 %

100 % besvart

Basert på
200
svar korrekt
100 %

99 % besvart

Basert på
200
svar korrekt
99 %

100 % besvart

Basert på
200
svar korrekt
98 %

98 % besvart

Basert på
194
svar korrekt
99 %

100 % besvart

Basert på
200
svar korrekt
95 %

98 % besvart

Basert på
189
svar korrekt
99 %

100 % besvart

Basert på
200
svar korrekt
100 %

100 % besvart

Basert på
200
svar korrekt
96 %

80 % besvart

Basert på
200
svar korrekt
97 %

66 % besvart

Basert på
200
svar korrekt
97 %

98 % besvart

Basert på
200
svar korrekt
99 %

96 % besvart

Basert på
51
svar korrekt
94 %

100 % besvart

Basert på
200
svar korrekt
92 %

100 % besvart

Basert på
200
svar korrekt
96 %

100 % besvart

Basert på
200
svar korrekt
98 %

95 % besvart

Basert på
197
svar korrekt
100 %

100 % besvart

Basert på
190
svar korrekt
99 %

98 % besvart

Basert på
200
svar korrekt
100 %

100 % besvart

Basert på
200
svar korrekt
96 %

51 % besvart

Basert på
61
svar korrekt
93 %

98 % besvart

Basert på
200
svar korrekt
92 %

100 % besvart

Basert på
194
svar korrekt
80 %

89 % besvart

Alt du trenger for å legge til kjønn i et datasett

En API, fire inndatatyper, og bulk-verktøy som håndterer filer andre tjenester ikke klarer.

For utviklere

Én REST API for navn, e-poster og brukernavn, samme JSON-struktur for alle tre, og et bulkendpoint for opptil 100 verdier per forespørsel.

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

Kjør en regnearkjobb: send en XLSX- eller CSV-fil, fortell oss hvilken kolonne som inneholder navnene, og radene dine kommer tilbake med kjønn, sannsynlighet og utvalgsstørrelse ved siden av. Ingen koding.

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

Fornavn og fulle navn

Sammensatte navn og navn med titler eller initialer ryddes opp før oppslaget, så du kan sende feltet slik det er.

E-postadresser

ayse.yilmaz84@example.com leses som Ayşe; rollepostkasser som info@ returneres som ukjent.

Brukernavn og profilnavn

camelCase, snake_case og etterfølgende sifre deles opp før oppslaget.

Regnearkjobber

Gi oss en XLSX- eller CSV-fil og få de samme radene tilbake med kjønnskolonner lagt til. 200 000 rader tar under ett sekund med beregning.

Landbevisst

Andrea er mann i Italia og kvinne i Tyskland. Send et land og vi vekter det.

Kildegjennomsiktighet

Hvert svar forteller deg hvor det kommer fra og hvor stor prøven var.

Kreditter blir værende til du bruker dem

Kjøp 5 000 kreditter for 5,00 €, eller 50 000 000 for 990,00 €. Det du ikke bruker, blir værende på kontoen din: ingen månedlig tilbakestilling og ingen inaktivitetsklausul.

Hver konto får også 100 gratis kreditter per dag.

Se alle pakker
Pakke Kreditter Pris Pris per 1 000 navn
5K 5 000 kreditter 5,00 € 1,000 € per 1 000
300K 300 000 kreditter 63,00 € 0,210 € per 1 000
50M 50 000 000 kreditter 990,00 € 0,020 € per 1 000

Spørsmål folk stiller før de velger et kjønns-API

Hva er et kjønns-API?

Et kjønns-API forutsier kjønnet som oftest er knyttet til et fornavn, ved hjelp av tellefødselsregistreringer og annen navnestatistikk. NameGender returnerer kjønnet sammen med sannsynligheten, antallet personer svaret er basert på, landet og kilden, og returnerer ukjent når bevisene er for svake.

Hvor nøyaktig er NameGender?

I 2026-sammenligningen av 4 610 merkede navn fra 25 land svarte NameGender 94 % av navnene, og 97 % av disse svarene var korrekte, så 91 % av alle navn ble besvart korrekt. Navn som mangler fra datasettet helt er en annen sak: av 2 000 navn som ble fjernet fra det for en separat test, 10 % ble besvart ved nærmeste stavemåte, og 97 % av disse svarene var korrekte.

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

Ja. Tyrkiske navn bruker det latinske alfabetet, der 96 % av testnavn ble besvart korrekt. Arabiske, kinesiske og koreanske navn matches direkte eller etter translitterasjon: 96 %, 91 % og 92 % av testnavn ble besvart korrekt. Hebraiske og thailandske navn besvares sjeldnere: 64 % og 49 % av testnavnene ble besvart riktig.

Kan samme navn ha ulikt kjønn i forskjellige land?

Ja. Jean er registrert som mann i Frankrike (100 %) og som kvinne i USA (95 %). Pass en to-bokstavs landkode så brukes landets data; uten den får du det globale aggregatet.

Kan den oppdage kjønn fra en e-postadresse eller brukernavn?

Ja. Email-endepunktet slår opp fornavnet i den lokale delen, slik at john.doe@example.com tolkes som John, og brukernavnendepunktet fjerner først siffer og skilletegn. Rolleadresser som admin@ eller info@, plassholdernavn som user123, og initialfølgt bare av etternavn, som j.smith@, returneres som ukjent i stedet for som et gjett.

Hvor lenge varer kreditter, og hva koster de?

Kjøpte kreditter blir værende på saldoen din til du bruker dem. Pakker starter på 5,00 € for 5 000 kreditter, den største koster 0,020 € per 1 000 navn, og hver konto får 100 gratis kreditter daglig.

Kan jeg bruke resultatet til å ta en beslutning om en person?

Nei. Et navnbasert resultat er en statistisk sammenheng, ikke en persons kjønnsidentitet. Bruk det til samlet arbeid som publikumssegmentering eller undersøkelsesveining, hold ukjente resultater synlige, og bruk det ikke til ansettelse, medisinsk, økonomisk, forsikrings-, rettslig eller kvalifikasjonsbeslutninger.

Start med 100 gratis poeng hver dag

Intet kredittkort. Alt du kjøper blir værende på saldoen din til du bruker det.

Opprett din gratis konto