正確には分からないけど自分の知るかぎりでは、
1小節（画像でいう白数字の範囲）で、リズムよく叩ける数が○分という解釈でいいと思う。
例えば下の画像だとY!Y!Y!の部分は4分で、日本の首都は？の部分は8分となる。
https://i.imgur.com/lXWf4z8.jpg