词错误率

词错误率(Word Error Rate,简称WER)是一个百分比数值,用来表示语音转文字程序识别的准确程度。这就像学校考试按错题数除以总题数来算错误率一样。以说话人实际说出的句子作为标准答案,统计程序转写出的文字中漏掉的、多加的、或替换成其他词的单词数量,再除以原句子的总词数。

举例来说,如果一句十个词的话被转写时漏掉一个词、又把另一个词错认成别的词,那就是两个错误,词错误率就是20%。数字越低,说明出错越少、准确度越高;数字越高,说明转写效果越差。

这个指标是语音识别技术公司常用来比较新旧模型表现的标准。方言或口音、多语言混杂、周围噪音大等情况,都容易让这个数值升高。

文章提到某系统"改善了多语言处理性能和词错误率(错误转写的比例)"。这里容易产生的误解是,以为"改善"意味着数字变大了,其实恰恰相反,是数字变小了。因为词错误率衡量的是出错比例,数值越低表示成绩越好。

你可以亲自体验一下。

1. 大声说出一句简短的话,用手机或应用的语音转文字功能将其转写为文本。
2. 把原本说的句子和转写结果放在一起对比,逐一数出漏掉的词、多加的词、以及被替换成别的词的地方。
3. 用统计出的错误词数除以原句子的总词数,再乘以100,就是这次转写的词错误率。
4. 试着比较放慢速度清晰说话和快速含糊说话这两种情况,感受一下错误率会有怎样的变化。