语音识别指标计算 WER

目录

CER（Character Error Rate）

WER = Word Error Rate（词错误率）

🧮 WER 计算方式

📌 示例

✅ 理解要点

CER（Character Error Rate）

语音识别中的 CER（Character Error Rate） 是衡量语音识别系统准确性的一个重要指标，表示预测文本与参考文本在字符级别上的差异程度。

CER（Character Error Rate）定义：
CER 是编辑距离（Levenshtein 距离）与参考文本字符总数的比值：

语音识别 WER 是什么意思

WER = Word Error Rate（词错误率）

在语音识别（ASR, Automatic Speech Recognition）领域，WER 是一个常用的性能评估指标，全称是：WER = Word Error Rate（词错误率）

🧮 WER 计算方式

WER 是通过比较 识别结果（Hypothesis） 和 真实文本（Reference） 之间的差异来计算的，公式如下：

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

其中：

• S（Substitutions）：替换错误数（识别成了其他词）

• D（Deletions）：漏识别的词数

• I（Insertions）：多识别出的词数

• N：真实文本中的词总数（即 Reference 中的词数）

📌 示例

假设真实文本是：

我 爱 自然语言处理

识别结果是：

我 喜欢 语言 处理

对比：

• “爱” → “喜欢”：1 个替换（S）

• “自然” 被删掉：1 个删除（D）

• 没有额外多出的词：0 个插入（I）

• 总词数 N = 4

则：

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%

✅ 理解要点

• WER 越低越好，0% 表示识别完全正确。

• 常见语音识别模型，比如 Whisper、Kaldi、Wav2Vec2，在高质量数据上 WER 可以低至 5% 以下。

• 对于方言、多语种或嘈杂环境，WER 通常会高一些。