什么是 词错误率？

词错误率计算公式

词错误率（通常简称为 WER）是衡量自动语音识别 (ASR) 系统性能的一种方法。它的测量比较复杂，因为“ASR 结果”的长度可能与“语音输入”不同。

这里有一种简单的方法来理解 WER 是如何计算的：

为了进一步说明，这里有一些定义：

ASR 系统的漏识别 (Deletion)：

语音输入： I surf small waves
ASR 结果： I surf waves

ASR 系统的误插入 (Insertion)：

语音输入： I surf waves
ASR 结果： I surf small waves

ASR 系统的替换 (Substitution)：

语音输入： I surf small waves
ASR 结果： I surf all waves

谁在领先？

自 1950 年代以来，语音识别技术已经走过了漫长的道路。我们之前的文章 语音识别简史 讨论了这一过程中的一些关键事件。我也提到过，我们已经达到（或几乎达到，取决于您问谁）了自动语音识别的一个拐点。

Google、IBM 和 Microsoft 等大型科技公司都在争夺准确率的冠军头衔。以下是 2017 年发布声明的时间线：

2017年3月： IBM 声称词错误率为 5.5%
2017年5月： Google 声称词错误率为 4.9%
2017年8月： Microsoft 声称词错误率为 5.1%

随着新声明的发布，我们将继续更新此内容。