Fortsätt → Översikt
Ingen månadsnollställning · Krediterna finns kvar tills du använder dem

Mer änbara ett namn.

Könsbestämning som visar sitt underlag

Skicka ett förnamn, fullständigt namn, en e-postadress eller ett användarnamn. Du får tillbaka ett kön, en sannolikhet och urvalsstorleken bakom, även för namn som många API:er lämnar obesvarade.

Prova det nu

Namn som varierar efter land

Evidens bakom svaret

Jean

Man

Sannolikhet 81 %
Baserat på
2 418 610 personer
Säkerhet
hög
Källa
Referensdata

Efter land, räknat från födelsebevakningar

  • Frankrike 1 910 805 personer Man 100 %
  • USA 483 198 personer Kvinna 95 %
  • Schweiz 15 459 personer Man 99 %
  • Kanada 3 295 personer Man 88 %
Fullständig profil för Jean

Robin

Kvinna

Sannolikhet 68 %
Baserat på
433 280 personer
Säkerhet
hög
Källa
Referensdata

Efter land, räknat från födelsebevakningar

  • USA 338 093 personer Kvinna 86 %
  • Frankrike 59 650 personer Man 100 %
  • England och Wales 10 247 personer Man 82 %
  • Schweiz 9 778 personer Man 97 %
Fullständig profil för Robin

Andrea

Kvinna

Sannolikhet 96 %
Baserat på
645 331 personer
Säkerhet
hög
Källa
Referensdata

Efter land, räknat från födelsebevakningar

  • USA 450 034 personer Kvinna 99 %
  • Spanien 113 054 personer Kvinna 97 %
  • Schweiz 36 125 personer Kvinna 76 %
  • Frankrike 10 855 personer Man 79 %
Fullständig profil för Andrea

Kim

Kvinna

Sannolikhet 81 %
Baserat på
245 611 personer
Säkerhet
hög
Källa
Referensdata

Efter land, räknat från födelsebevakningar

  • USA 214 713 personer Kvinna 84 %
  • Norge 9 000 personer Man 93 %
  • Frankrike 6 610 personer Kvinna 81 %
  • Kanada 4 691 personer Kvinna 94 %
Fullständig profil för Kim

Noa

Kvinna

Sannolikhet 61 %
Baserat på
104 524 personer
Säkerhet
hög
Källa
Referensdata

Efter land, räknat från födelsebevakningar

  • Frankrike 41 975 personer Man 83 %
  • Spanien 40 682 personer Kvinna 100 %
  • USA 12 649 personer Kvinna 83 %
  • England och Wales 2 779 personer Kvinna 73 %
Fullständig profil för Noa

Utforska dataunderlaget namn i databasen 8 235 352 länder täckta 201

Mätt på 4 610 märkta namn, svaga punkter inkluderade

Etiketterna kommer från offentliga namnlistor som vi inte sammanställde, och testet kör samma kod som API:et. Vi publicerar de skriftsystem vi hanterar dåligt bredvid de vi hanterar väl.

I NameGender 2026-benchmark för 4 610 märkta namn från 25 länder besvarade API:n 94 % av namnen och 97 % av dessa svar var korrekta, så 91 % av alla namn besvarades korrekt.

svar korrekt
97 %
4 610 märkta namn från 25 länder, 94 % av dem besvarade
namn i databasen
8,2M
länder täckta
201

Namn besvarade korrekt, efter skriptsystem

Andel av alla testnamn i varje skriftsystem som besvarades korrekt. Obessvarade namn räknas som missträffar.

  • Baserat på
    190
    svar korrekt
    99 %

    98 % besvarad · Andel av alla testnamn i varje skriftsystem som besvarades korrekt. Obessvarade namn räknas som missträffar.

  • Baserat på
    200
    svar korrekt
    98 %

    98 % besvarad · Andel av alla testnamn i varje skriftsystem som besvarades korrekt. Obessvarade namn räknas som missträffar.

  • Baserat på
    3 195
    svar korrekt
    97 %

    98 % besvarad · Andel av alla testnamn i varje skriftsystem som besvarades korrekt. Obessvarade namn räknas som missträffar.

  • Baserat på
    200
    svar korrekt
    92 %

    100 % besvarad · Andel av alla testnamn i varje skriftsystem som besvarades korrekt. Obessvarade namn räknas som missträffar.

  • Baserat på
    222
    svar korrekt
    91 %

    100 % besvarad · Andel av alla testnamn i varje skriftsystem som besvarades korrekt. Obessvarade namn räknas som missträffar.

  • Baserat på
    200
    svar korrekt
    96 %

    80 % besvarad · Andel av alla testnamn i varje skriftsystem som besvarades korrekt. Obessvarade namn räknas som missträffar.

  • Baserat på
    200
    svar korrekt
    97 %

    66 % besvarad · Andel av alla testnamn i varje skriftsystem som besvarades korrekt. Obessvarade namn räknas som missträffar.

  • Baserat på
    200
    svar korrekt
    96 %

    51 % besvarad · Andel av alla testnamn i varje skriftsystem som besvarades korrekt. Obessvarade namn räknas som missträffar.

Baserat på
200
svar korrekt
100 %

100 % besvarad

Baserat på
174
svar korrekt
90 %

100 % besvarad

Baserat på
160
svar korrekt
99 %

100 % besvarad

Baserat på
200
svar korrekt
100 %

99 % besvarad

Baserat på
200
svar korrekt
99 %

100 % besvarad

Baserat på
200
svar korrekt
98 %

98 % besvarad

Baserat på
194
svar korrekt
99 %

100 % besvarad

Baserat på
200
svar korrekt
95 %

98 % besvarad

Baserat på
189
svar korrekt
99 %

100 % besvarad

Baserat på
200
svar korrekt
100 %

100 % besvarad

Baserat på
200
svar korrekt
96 %

80 % besvarad

Baserat på
200
svar korrekt
97 %

66 % besvarad

Baserat på
200
svar korrekt
97 %

98 % besvarad

Baserat på
200
svar korrekt
99 %

96 % besvarad

Baserat på
51
svar korrekt
94 %

100 % besvarad

Baserat på
200
svar korrekt
92 %

100 % besvarad

Baserat på
200
svar korrekt
96 %

100 % besvarad

Baserat på
200
svar korrekt
98 %

95 % besvarad

Baserat på
197
svar korrekt
100 %

100 % besvarad

Baserat på
190
svar korrekt
99 %

98 % besvarad

Baserat på
200
svar korrekt
100 %

100 % besvarad

Baserat på
200
svar korrekt
96 %

51 % besvarad

Baserat på
61
svar korrekt
93 %

98 % besvarad

Baserat på
200
svar korrekt
92 %

100 % besvarad

Baserat på
194
svar korrekt
80 %

89 % besvarad

Allt du behöver för att klassificera ett dataset efter kön

Ett API, fyra indatatyper och massverktyg som hanterar filer som andra tjänster misslyckas med.

För utvecklare

Ett REST API för namn, e-postadresser och användarnamn, samma JSON-struktur för alla tre, och en massendpoint för upp till 100 värden per begäran.

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"
}

För kalkylblad

Kör ett kalkylbladsjobb: skicka en XLSX- eller CSV-fil, ange vilken kolumn som innehåller namnen, så kommer dina rader tillbaka med kön, sannolikhet och urvalsstorlek bredvid. Ingen kod krävs.

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

För- och fullständiga namn

Sammansatta namn och namn med titlar eller initialer rensas före uppslaget, så du kan skicka fältet som det är.

E-postadresser

ayse.yilmaz84@example.com läses som Ayşe; funktionsbrevlådor som info@ returneras som okända.

Användarnamn och handles

camelCase, snake_case och avslutande siffror delas upp före uppslaget.

Kalkylbladsjobb

Ge oss en XLSX- eller CSV-fil och få tillbaka samma rader med könskolumner tillagda. 200 000 rader tar under en sekund beräkning.

Landsmedveten

Andrea är manlig i Italien och kvinnlig i Tyskland. Skicka ett land och vi väger det.

Källtransparens

Varje svar talar om var det kom ifrån och hur stor urvalsstorleken var.

Krediterna finns kvar tills du använder dem

Köp 5 000 krediter för 5,00 €, eller 50 000 000 för 990,00 €. Det du inte använder stannar på ditt konto: ingen månatlig återställning och ingen inaktivitetsklausul.

Alla konton får också 100 gratiskrediter per dag.

Se alla paket
Paket Krediter Pris Pris per 1 000 namn
5K 5 000 krediter 5,00 € 1,000 € per 1 000
300K 300 000 krediter 63,00 € 0,210 € per 1 000
50M 50 000 000 krediter 990,00 € 0,020 € per 1 000

Vanliga frågor innan du väljer ett könsprediktions-API

Vad är ett könsprediktions-API?

Ett könsprediktions-API förutsäger det kön som oftast förknippas med ett förnamn, med hjälp av räknade födelseregistreringar och annan namnstatistik. NameGender returnerar könet tillsammans med sannolikheten, antalet personer som svaret baseras på, landet och källan, och returnerar okänd när underlaget är för svagt.

Hur korrekt är NameGender?

I 2026-benchmark med 4 610 märkta namn från 25 länder svarade NameGender på 94 % av namnen och 97 % av dessa svar var korrekta, så 91 % av alla namn besvarades korrekt. Namn som helt saknas i datasetet är ett annat fall: av 2 000 namn som tagits bort för ett separat test besvarades 10 %, enligt närmaste stavning, och 97 % av dessa svar var korrekta.

Fungerar det för turkiska, arabiska, kinesiska eller koreanska namn?

Ja. Turkiska namn använder det latinska alfabetet, där 96 % av testnamnen besvarades korrekt. Arabiska, kinesiska och koreanska namn matchas direkt eller efter translitterering: 96 %, 91 % och 92 % av testnamnen besvarades korrekt. Hebreiska och thailändska namn besvaras mer sällan: 64 % och 49 % av testnamnen besvarades korrekt.

Kan samma namn ha olika kön i olika länder?

Ja. Jean är registrerad som man i Frankrike (100 %) och som kvinna i USA (95 %). Skicka en tvåtecknad landskod så använder svaret det landets data; utan kod får du det globala aggregatet.

Kan det detektera kön från en e-postadress eller användarnamn?

Ja. Email-endpointen slår upp förnamnet i den lokala delen, så john.doe@example.com tolkas som John, och username-endpointen tar bort siffror och separatorer först. Rolladdresser som admin@ eller info@, platshållarnamn som user123, och endast initialer följt av efternamn, som i j.smith@, returneras som okänd istället för en gissning.

Hur länge finns krediterna kvar, och vad kostar de?

Köpta krediter ligger kvar på ditt saldo tills du använder dem. Paket börjar på 5,00 € för 5 000 krediter, det största kostar 0,020 € per 1 000 namn, och varje konto får 100 gratis krediter per dag.

Kan jag använda resultatet för att fatta ett beslut om en person?

Nej. Ett namnbaserat resultat är en statistisk association, inte en persons könsidentitet. Använd det för aggregerat arbete som målgruppssegmentering eller enkätviktning, håll okända resultat synliga, och använd det inte för sysselsättnings-, medicin-, finans-, försäkrings-, juridiska eller behörighetsbeslut.

Börja med 100 gratis poäng varje dag

Inget kreditkort. Allt du köper ligger kvar på ditt saldo tills du använder det.

Skapa ditt kostnadsfria konto