---
title: "Character error rate (CER) क्या है? ASR मीट्रिक समझें"
description: "Character error rate स्पीच-टू-टेक्स्ट और OCR आउटपुट को शब्दों के बजाय कैरेक्टर के बदलावों से स्कोर करता है। फ़ॉर्मूला, अरबी उदाहरण, और WER की जगह CER कब।"
url: https://broadrouter.com/hi/glossary/character-error-rate/
lang: hi
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

यह पेज अंग्रेज़ी से AI की मदद से अनुवाद किया गया है। [अंग्रेज़ी मूल पढ़ें](https://broadrouter.com/glossary/character-error-rate/) (2026-11-15 को अपडेट किया गया).

# कैरेक्टर एरर रेट (character error rate, CER)

अपडेट किया गया 2026-11-15

Character error rate (CER) ट्रांसक्रिप्शन या OCR की सटीकता कैरेक्टर स्तर पर मापता है: आउटपुट को रेफ़रंस टेक्स्ट बनाने के लिए ज़रूरी substitutions, deletions और insertions, भाग रेफ़रंस के कैरेक्टर की संख्या। कम बेहतर है, और 0 पूरा मेल है।

अन्य नाम: सीईआर, कैरेक्टर एरर रेट, cer kya hai, character error rate kya hai, CER, character error rate

WER पूछता है कि कितने शब्द ग़लत थे। CER पूछता है कि कितने अक्षर ग़लत थे, जो अरबी के लिए अक्सर ज़्यादा उचित सवाल है।

## यह कैसे काम करता है

CER वही edit-distance विचार इस्तेमाल करता है जो [word error rate](https://broadrouter.com/hi/glossary/word-error-rate/) करता है, बस कैरेक्टर पर। Hugging Face metric card फ़ॉर्मूला देता है:

`CER = (S + D + I) / N`, जहाँ S substitutions हैं, D deletions, I insertions और N रेफ़रंस में कैरेक्टर की संख्या (N = S + D + C, जहाँ C सही कैरेक्टर हैं)।

एक अरबी उदाहरण। रेफ़रंस “وبالكتاب” है (“और किताब के साथ”, एक शब्द, 8 अक्षर)। ट्रांसक्रिप्ट “وبلكتاب” है, जिसमें एक alef गायब है:

| मीट्रिक | ग़लतियाँ | रेफ़रंस इकाइयाँ | स्कोर |
| --- | --- | --- | --- |
| WER | 1 ग़लत शब्द | 1 शब्द | 1.0 (100%) |
| CER | 1 हटाया गया अक्षर | 8 कैरेक्टर | 0.125 (12.5%) |

एक गायब अक्षर WER के लिए पूरा शब्द ग़लत कर देता है। CER दिखाता है कि ट्रांसक्रिप्ट लगभग सही था।

Python में `jiwer` पैकेज इसे `jiwer.cer(reference, hypothesis)` से निकालता है, और `jiwer.process_characters` alignment भी लौटाता है। WER की तरह पहले दोनों तरफ़ नॉर्मलाइज़ करें: विराम चिह्न, स्पेसिंग, और अरबी के लिए डायक्रिटिक्स और alef या yaa के रूप। [अरबी टेक्स्ट नॉर्मलाइज़ेशन](https://broadrouter.com/hi/glossary/arabic-text-normalization/) देखें।

## यह क्यों मायने रखता है

-   **अरबी की रूप-रचना।** अरबी में conjunctions, prepositions और सर्वनाम clitics के रूप में शब्दों से जुड़ते हैं, इसलिए एक शब्द में वह आ सकता है जो अंग्रेज़ी तीन या चार शब्दों में लिखती है। prefix का एक ग़लत अक्षर WER में पूरा शब्द ले डूबता है। CER उसे एक कैरेक्टर गिनता है।
-   **बिना स्पेस वाली भाषाएँ।** WER को शब्दों की सीमाएँ चाहिए। Hugging Face card कहता है कि CER उपयोगी है “especially for multilingual datasets where WER is not suitable given the diversity of languages.” (अनुवाद: ख़ासकर बहुभाषी डेटासेट के लिए, जहाँ भाषाओं की विविधता के कारण WER उपयुक्त नहीं।)
-   **ग़लती का प्रकार।** ऊँचा WER पर कम CER वाला मॉडल शब्द लगभग सही कर रहा है: वर्तनी, hamza या clitic की चूक, जिन्हें नॉर्मलाइज़ेशन या सुधार वाला चरण ठीक कर सकता है। ऊँचा CER मतलब मॉडल पूरे शब्द या सामग्री चूक रहा है।
-   **OCR भी।** यही मीट्रिक इमेज से पढ़े गए टेक्स्ट को स्कोर करता है, इसलिए [OCR](https://broadrouter.com/hi/glossary/ocr/) पाइपलाइन की तुलना में काम आता है।

Metric card यह चेतावनी भी देता है कि CER यह नहीं बताता कि ग़लतियाँ क्यों होती हैं। स्कोर के साथ सैंपल ट्रांसक्रिप्ट भी पढ़ें।

## BroadNet Inference पर

BroadNet [BroadNet Transcribe Arabic](https://broadrouter.com/hi/models/cohere-transcribe-arabic/) और [BroadNet Transcribe](https://broadrouter.com/hi/models/cohere-transcribe/) के लिए WER प्रकाशित करता है, CER नहीं। CER पाने के लिए अपनी रिकॉर्डिंग का एक टेस्ट सेट ट्रांसक्राइब करें और ख़ुद स्कोर करें। [अरबी WER की व्याख्या](https://broadrouter.com/hi/blog/arabic-asr-wer-explained/) वाली पोस्ट में एक नॉर्मलाइज़ेशन फ़ंक्शन और एक `jiwer` स्क्रिप्ट है जो WER और CER दोनों प्रिंट करती है, और [अरबी स्पीच-टू-टेक्स्ट गाइड](https://broadrouter.com/hi/guides/arabic-speech-to-text-api/) में अनुरोध का कोड है। हमेशा `language=ar` भेजें: इसके बिना अरबी लैटिन अक्षरों में transliterate होकर आ सकती है, जो दोनों स्कोर बिगाड़ देती है।

## आम ग़लतियाँ

-   **स्पेस को असंगत ढंग से गिनना।** तय करें कि स्पेस कैरेक्टर गिने जाएँगे या नहीं, और तुलना किए जाने वाले हर मॉडल पर वही नियम लगाएँ।
-   **CER की तुलना किसी और के WER से करना।** ये अलग पैमाने हैं। एक जैसी चीज़ों की तुलना करें।

## अक्सर पूछे जाने वाले सवाल

### क्या CER 100% से ज़्यादा हो सकता है?

हाँ। Hugging Face metric card बताता है कि CER हमेशा 0 और 1 के बीच नहीं होता, ख़ासकर जब ट्रांसक्रिप्ट में बहुत insertions हों, क्योंकि हर (denominator) सिर्फ़ रेफ़रंस के कैरेक्टर गिनता है।

### अरबी के लिए CER रिपोर्ट करूँ या WER?

दोनों। लीडरबोर्ड और वेंडर WER बताते हैं, इसलिए तुलना के लिए वह चाहिए। CER दिखाता है कि ग़लतियाँ पूरे ग़लत शब्द हैं या कहीं-कहीं एक अक्षर या clitic, जो WER छिपा देता है।

### क्या BroadNet अपने ट्रांसक्रिप्शन मॉडल का CER प्रकाशित करता है?

नहीं। BroadNet सिर्फ़ WER प्रकाशित करता है। CER के लिए jiwer जैसे टूल से अपना टेस्ट सेट स्कोर करें।

## यह भी देखें

-   [वर्ड एरर रेट (WER)](https://broadrouter.com/hi/glossary/word-error-rate/) (शब्द)
-   [स्पीच-टू-टेक्स्ट (speech-to-text)](https://broadrouter.com/hi/glossary/speech-to-text/) (शब्द)
-   [अरबी टेक्स्ट नॉर्मलाइज़ेशन (Arabic text normalization)](https://broadrouter.com/hi/glossary/arabic-text-normalization/) (शब्द)
-   [अरबी डायक्रिटिक्स (tashkeel)](https://broadrouter.com/hi/glossary/arabic-diacritics/) (शब्द)
-   [मानक आधुनिक अरबी (Modern Standard Arabic, MSA)](https://broadrouter.com/hi/glossary/msa/) (शब्द)
-   [OCR (optical character recognition)](https://broadrouter.com/hi/glossary/ocr/) (शब्द)
-   [LLM बेंचमार्क (LLM benchmark)](https://broadrouter.com/hi/glossary/llm-benchmark/) (शब्द)
-   [अरबी speech-to-text API, स्टेप बाय स्टेप](https://broadrouter.com/hi/guides/arabic-speech-to-text-api/) (गाइड)
-   [अरबी ASR में word error rate (WER) क्या है, आसान भाषा में](https://broadrouter.com/hi/blog/arabic-asr-wer-explained/) (लेख)
-   [अरबी speech-to-text API: 2026 में सही API कैसे चुनें](https://broadrouter.com/hi/blog/arabic-speech-to-text-api-buyers-guide/) (लेख)

इसे अपने असली वर्कलोड पर आज़माएँ। नए अकाउंट Gemma और ट्रांसक्रिप्शन के लिए US$5 के क्रेडिट से शुरू होते हैं। DeepSeek, GLM, और Qwen3.8 के लिए टॉप-अप ज़रूरी है।

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

**स्रोत**

-   [Hugging Face evaluate, CER metric card: फ़ॉर्मूला, 1 से ऊपर के मान, बहुभाषी इस्तेमाल (जाँच: 2026-11-15)](https://raw.githubusercontent.com/huggingface/evaluate/main/metrics/cer/README.md)
-   [jiwer डॉक्यूमेंटेशन, usage: jiwer.cer और process\_characters (जाँच: 2026-11-15)](https://jitsi.github.io/jiwer/usage/)
-   [BroadNet मॉडल कैटलॉग, स्पीच-टू-टेक्स्ट: प्रकाशित WER माप (जाँच: 2026-11-15) (अंग्रेज़ी में)](https://www.broadnet.ai/inference/models)
