01 / UNDERSTAND
仕組みと使いどころ
WERは「置換数＋挿入数＋削除数」を正解文の総単語数で割って求めます。音声認識モデルや設定の文字起こし精度を比較する際に使われます。ただし、綴りの小さな違いでも単語全体を誤りとして数えます。また、余分な単語が多い場合は100％を超えることがあります。大文字・小文字、句読点、数値表記などの正規化方法によって結果が変わるため、同じ条件で比較する必要があります。日本語のように単語境界が明確でない言語では、分割方法の影響を受けるため、文字誤り率が用いられる場合があります。
02 / IN PRACTICE
WERの活用例
たとえば、こんな場面で
会議音声を文字起こしする複数の音声認識モデルについて、人が作成した正解文と各出力を比較し、同じ正規化・単語分割条件でWERを計算して、候補選定の参考にできます。
03 / GOOD TO KNOW
使うときのポイント
WERだけでは処理速度や文章の読みやすさ、用途への適合性までは判断できません。評価対象に近い音声を使い、正規化と単語分割の条件をそろえて確認します。
参考資料
Evaluation metrics for ASR · Hugging Face （新しいタブで開きます）Amazon Transcribe - AWS AI Service Cards （新しいタブで開きます）用語の説明や活用例に関連する参考資料です。
READ & LEARN
記事一覧を見る 用語を知ったら、活用を知る。
AI LABで、AIの動向や業務に取り入れるヒントを読む。