目錄

CER（Character Error Rate）

WER = Word Error Rate（詞錯誤率）

🧮 WER 計算方式

📌 示例

? 理解要點

---

CER（Character Error Rate）

語音識別中的 CER（Character Error Rate） 是衡量語音識別系統準確性的一個重要指標，表示預測文本與參考文本在字符級別上的差異程度。

CER（Character Error Rate）定義：
CER 是編輯距離（Levenshtein 距離）與參考文本字符總數的比值：

語音識別 WER 是什么意思

WER = Word Error Rate（詞錯誤率）

在語音識別（ASR, Automatic Speech Recognition）領域，WER 是一個常用的性能評估指標，全稱是：WER = Word Error Rate（詞錯誤率）

---

🧮 WER 計算方式

WER 是通過比較 識別結果（Hypothesis） 和 真實文本（Reference） 之間的差異來計算的，公式如下：

WER=S+D+IN\text{WER} = \frac{S + D + I}{N}WER=NS+D+I?

其中：

• S（Substitutions）：替換錯誤數（識別成了其他詞）

• D（Deletions）：漏識別的詞數

• I（Insertions）：多識別出的詞數

• N：真實文本中的詞總數（即 Reference 中的詞數）

---

📌 示例

假設真實文本是：

我 愛 自然語言處理

識別結果是：

我 喜歡 語言 處理

對比：

• “愛” → “喜歡”：1 個替換（S）

• “自然” 被刪掉：1 個刪除（D）

• 沒有額外多出的詞：0 個插入（I）

• 總詞數 N = 4

則：

WER=1（S）+1（D）+0（I）4=0.5=50%\text{WER} = \frac{1（S）+ 1（D）+ 0（I）}{4} = 0.5 = 50\%WER=41（S）+1（D）+0（I）?=0.5=50%

---

? 理解要點

• WER 越低越好，0% 表示識別完全正確。

• 常見語音識別模型，比如 Whisper、Kaldi、Wav2Vec2，在高質量數據上 WER 可以低至 5% 以下。

• 對于方言、多語種或嘈雜環境，WER 通常會高一些。