---
title: "ما هو معدل الخطأ في الحروف (CER)؟ مقياس تفريغ الكلام"
description: "معدل الخطأ في الحروف يقيّم مخرجات تحويل الصوت إلى نص وOCR بتعديلات الحروف بدل الكلمات. الصيغة، ومثال عربي محلول، ومتى تستخدم CER بدل WER."
url: https://broadrouter.com/ar/glossary/character-error-rate/
lang: ar
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

تُرجمت هذه الصفحة من الإنجليزية بمساعدة الذكاء الاصطناعي. [اقرأ الأصل الإنجليزي](https://broadrouter.com/glossary/character-error-rate/) (حُدّث في 2026-11-15).

# معدل الخطأ في الحروف (CER)

آخر تحديث 2026-11-15

معدل الخطأ في الحروف (CER) يقيس دقة التفريغ الصوتي أو OCR على مستوى الحرف: عدد الاستبدالات والحذوفات والإضافات اللازمة لتحويل المخرجات إلى النص المرجعي، مقسومًا على عدد حروف النص المرجعي. والأقل أفضل، والصفر يعني تطابقًا تامًا.

يُسمّى أيضًا: معدل الخطأ في الحروف، معدل خطأ الحروف، نسبة الخطأ في الحروف، CER، character error rate

يسأل WER: كم كلمة كانت خاطئة؟ ويسأل CER: كم حرفًا كان خاطئًا؟ وهذا غالبًا السؤال الأنصف للعربية.

## كيف يعمل

يستخدم CER فكرة مسافة التعديل نفسها التي يستخدمها [معدل الخطأ في الكلمات](https://broadrouter.com/ar/glossary/word-error-rate/)، لكن على الحروف. وتعطي بطاقة المقياس في Hugging Face الصيغة:

`CER = (S + D + I) / N`، حيث S عدد الاستبدالات، وD عدد الحذوفات، وI عدد الإضافات، وN عدد الحروف في النص المرجعي (N = S + D + C، وC هي الحروف الصحيحة).

مثال عربي محلول. النص المرجعي «وبالكتاب» (كلمة واحدة من 8 حروف). والنص المفرّغ «وبلكتاب»، ينقصه ألف واحد:

| المقياس | الأخطاء | وحدات المرجع | النتيجة |
| --- | --- | --- | --- |
| WER | كلمة واحدة خاطئة | كلمة واحدة | 1.0 (100%) |
| CER | حرف واحد محذوف | 8 حروف | 0.125 (12.5%) |

حرف واحد ناقص يجعل الكلمة كلها خاطئة في WER. أما CER فيبيّن أن النص المفرّغ كان شبه صحيح.

في Python، تحسبه حزمة `jiwer` بالدالة `jiwer.cer(reference, hypothesis)`، وتُرجع `jiwer.process_characters` المحاذاة أيضًا. وحّد الطرفين أولًا، كما في WER: علامات الترقيم والمسافات، وفي العربية التشكيل وأشكال الألف أو الياء. راجع [توحيد النص العربي](https://broadrouter.com/ar/glossary/arabic-text-normalization/).

## لماذا يهم

-   **الصرف العربي.** تُلحق العربية حروف العطف والجر والضمائر بالكلمات، فقد تحمل كلمة واحدة ما تكتبه الإنجليزية في ثلاث كلمات أو أربع. وحرف سابقة واحد خاطئ يكلّف كلمة كاملة في WER، بينما يزنه CER حرفًا واحدًا.
-   **اللغات التي لا تستخدم المسافات.** يحتاج WER إلى حدود الكلمات. وتقول بطاقة Hugging Face إن CER مفيد “especially for multilingual datasets where WER is not suitable given the diversity of languages.” (ترجمة: خصوصًا لمجموعات البيانات متعددة اللغات التي لا يناسبها WER بسبب تنوع اللغات).
-   **نوع الخطأ.** النموذج ذو WER مرتفع وCER منخفض يكاد يصيب الكلمات: أخطاء إملائية أو في الهمزة أو في السوابق واللواحق، قد يصلحها التوحيد أو خطوة تصحيح. أما CER المرتفع فيعني أن النموذج يفوّت كلمات أو محتوى بأكمله.
-   **وOCR أيضًا.** المقياس نفسه يقيّم النص المقروء من الصور، فهو مفيد حين تقارن سلاسل معالجة [التعرف الضوئي على النص (OCR)](https://broadrouter.com/ar/glossary/ocr/).

وتحذّر بطاقة المقياس أيضًا من أن CER لا يخبرك لماذا تحدث الأخطاء. اقرأ عينات من النصوص المفرّغة إلى جانب النتيجة.

## في BroadNet Inference

تنشر BroadNet قيم WER، لا CER، لنموذجي [BroadNet Transcribe Arabic](https://broadrouter.com/ar/models/cohere-transcribe-arabic/) و[BroadNet Transcribe](https://broadrouter.com/ar/models/cohere-transcribe/). وللحصول على CER، فرّغ مجموعة اختبار من تسجيلاتك وقيّمها بنفسك. يحتوي مقال [شرح WER للعربية](https://broadrouter.com/ar/blog/arabic-asr-wer-explained/) على دالة توحيد وسكربت `jiwer` يطبع WER وCER معًا، ويحتوي [دليل تحويل الصوت العربي إلى نص](https://broadrouter.com/ar/guides/arabic-speech-to-text-api/) على شيفرة الطلب. أرسل دائمًا `language=ar`: فبدونه قد تعود العربية مكتوبة بحروف لاتينية، وهذا يفسد النتيجتين.

## أخطاء شائعة

-   **عدّ المسافات بطريقة غير متسقة.** قرّر هل تُعدّ المسافات حروفًا، وطبّق القاعدة نفسها على كل نموذج تقارنه.
-   **مقارنة CER لديك بـ WER لدى غيرك.** هما مقياسان مختلفان. قارن المثيل بمثيله.

## أسئلة شائعة

### هل يمكن أن يتجاوز CER نسبة 100%؟

نعم. تذكر بطاقة المقياس في Hugging Face أن CER لا يقع دائمًا بين 0 و1، خاصةً حين يحتوي النص المفرّغ على إضافات كثيرة، لأن المقام لا يعدّ إلا حروف النص المرجعي.

### هل أنشر CER أم WER للعربية؟

انشر الاثنين. WER هو ما تذكره لوحات المتصدرين والمزوّدون، فتحتاج إليه للمقارنة. أما CER فيبيّن هل الأخطاء كلمات خاطئة بالكامل أم حرف أو سابقة متصلة هنا وهناك، وهو ما يخفيه WER.

### هل تنشر BroadNet قيم CER لنماذج التفريغ الصوتي لديها؟

لا. تنشر BroadNet قيم WER فقط. وللحصول على CER، قيّم مجموعة اختبارك بأداة مثل jiwer.

## انظر أيضًا

-   [معدل الخطأ في الكلمات (WER)](https://broadrouter.com/ar/glossary/word-error-rate/) (مصطلح)
-   [تحويل الصوت إلى نص (Speech-to-text)](https://broadrouter.com/ar/glossary/speech-to-text/) (مصطلح)
-   [توحيد النص العربي (Arabic text normalization)](https://broadrouter.com/ar/glossary/arabic-text-normalization/) (مصطلح)
-   [التشكيل (الحركات العربية، Arabic diacritics)](https://broadrouter.com/ar/glossary/arabic-diacritics/) (مصطلح)
-   [العربية الفصحى الحديثة (Modern Standard Arabic، MSA)](https://broadrouter.com/ar/glossary/msa/) (مصطلح)
-   [التعرّف الضوئي على الحروف (OCR)](https://broadrouter.com/ar/glossary/ocr/) (مصطلح)
-   [الاختبار المعياري لنماذج LLM (LLM benchmark)](https://broadrouter.com/ar/glossary/llm-benchmark/) (مصطلح)
-   [API لتحويل الصوت العربي إلى نص خطوة بخطوة](https://broadrouter.com/ar/guides/arabic-speech-to-text-api/) (دليل)
-   [معدل خطأ الكلمات (WER) في التعرّف على الكلام العربي: شرح مبسّط](https://broadrouter.com/ar/blog/arabic-asr-wer-explained/) (مقال)
-   [API تحويل الصوت العربي إلى نص: كيف تختار الأنسب في 2026؟](https://broadrouter.com/ar/blog/arabic-speech-to-text-api-buyers-guide/) (مقال)

جرّبه على مهامك الفعلية. تبدأ الحسابات الجديدة برصيد قدره $5 لاستخدام Gemma والتفريغ الصوتي. أما DeepSeek وGLM وQwen3.8 فتتطلب شحن الرصيد.

[ابدأ الآن](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-glossary-character-error-rate&utm_content=page-cta) ·

**المصادر**

-   [Hugging Face evaluate، بطاقة مقياس CER: الصيغة، والقيم فوق 1، والاستخدام متعدد اللغات (تاريخ المراجعة 2026-11-15)](https://raw.githubusercontent.com/huggingface/evaluate/main/metrics/cer/README.md)
-   [وثائق jiwer، الاستخدام: jiwer.cer وprocess\_characters (تاريخ المراجعة 2026-11-15)](https://jitsi.github.io/jiwer/usage/)
-   [كتالوج نماذج BroadNet، تحويل الكلام إلى نص: قياسات WER المنشورة (تاريخ المراجعة 2026-11-15)](https://www.broadnet.ai/ar/inference/models)
