目录
[CER（Character Error Rate）](#CER（Character Error Rate）)
[WER = Word Error Rate（词错误率）](#WER = Word Error Rate（词错误率）)
[🧮 WER 计算方式](#🧮 WER 计算方式)
[📌 示例](#📌 示例)
[✅ 理解要点](#✅ 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。