---
title: "アラビア語 WER とは：音声認識の単語誤り率の計算方法 | BroadRouter"
description: "単語誤り率の意味と計算方法、そしてアラビア語の WER がダイアクリティカルマーク、表記の正規化、方言にこれほど敏感な理由。Python のコードと実際の数値付きで解説します。"
url: https://broadrouter.com/ja/blog/arabic-asr-wer-explained/
lang: ja
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

このページは英語の原文を AI の支援を受けて翻訳したものです。[英語の原文を読む](https://broadrouter.com/blog/arabic-asr-wer-explained/)（2026-11-14 更新）。

# アラビア語音声認識の単語誤り率（WER）をわかりやすく解説

BroadNet Inference チーム · 約 5 分で読めます · 公開日 2026-11-14

単語誤り率（WER）は、置換・削除・挿入された単語の数を、正解の書き起こしの単語数で割った値で、低いほど良い指標です。アラビア語の WER は、ダイアクリティカルマーク、alef と ta marbuta の表記、方言によって上がるため比較が難しくなります。BroadNet は、BroadNet Transcribe Arabic の WER を FLEURS-ar で 3.8、方言音声で 23.4 と報告しています。

## 要点

-   WER =（置換 + 削除 + 挿入）/ 正解の単語数。100% を超えることもあります。
-   アラビア語の表記ゆれ（أ/إ/ا、ة/ه、ى/ي、ダイアクリティカルマーク）は、先に両方のテキストを正規化しない限り誤りとして数えられることがあります。
-   使った正規化は必ず明記してください。正規化の異なる 2 つの WER 値は比較できません。
-   BroadNet は、BroadNet Transcribe Arabic の WER を FLEURS-ar で 3.8、MASC-ar で 21.1、自社の方言セットで 23.4 と報告しています。
-   スコアだけでなく誤りそのものを読んでください。金額の数字 1 つの誤りは、助詞 10 個の誤りより重大です。

**このページの内容**

1.  単語誤り率とは？
2.  アラビア語の WER はなぜ比較しにくいのですか？
3.  正規化でスコアはどれくらい変わりますか？
4.  Python でアラビア語の WER を計算するには？
5.  BroadNet はアラビア語の WER をどう報告していますか？
6.  自社の音声で WER を測るには？
7.  WER 以外に何を測るべきですか？

[単語誤り率](https://broadrouter.com/ja/glossary/word-error-rate/)（WER）は、置換・削除・挿入された単語の数を、正しい書き起こしの単語数で割った値です。低いほど良い指標です。アラビア語の WER は簡単に高く出てしまいます。同じ正しい書き起こしにも複数の書き方があり、素朴な比較ではあらゆる表記の選択、ダイアクリティカルマーク、方言の綴りが誤りとして数えられるからです。

この記事では、WER が何を測るのか、アラビア語ではなぜ扱いにくいのか、そして意味のある数値にするにはどう計算すればよいかを説明します。テストセット自体の作り方は[アラビア語方言の音声認識](https://broadrouter.com/ja/blog/arabic-dialect-speech-recognition/)を、プロバイダーの選び方は[アラビア語音声認識 API の選び方ガイド](https://broadrouter.com/ja/blog/arabic-speech-to-text-api-buyers-guide/)を参照してください。

## 単語誤り率とは？

単語誤り率は、機械による書き起こし（仮説）と、人による正しい書き起こし（正解）を比較します。一方をもう一方に変えるのに必要な、単語単位の最小の編集回数を求めます。

-   \*\*S、置換：\*\*単語が別の単語に置き換わったもの。
-   \*\*D、削除：\*\*正解にある単語が仮説にないもの。
-   \*\*I、挿入：\*\*仮説に余分な単語があるもの。

そして次のように計算します。

**WER = (S + D + I) / N**（N は正解の単語数）

WER 0.10（10 と書かれることも多い）は、正解 10 語あたり約 1 つの誤りを意味します。低いほど良い値です。挿入も数えるため、捏造された単語だらけの書き起こしでは WER が 100% を超えることもあります。

文字誤り率（CER）は、同じ式を文字単位で計算するものです。接頭辞の 1 文字が違うだけで単語全体が誤りとされるアラビア語では、役に立ちます。

## アラビア語の WER はなぜ比較しにくいのですか？

### 1\. ダイアクリティカルマーク

アラビア語の短母音は、文字の上下に付ける任意の記号（tashkeel）で書かれます。fatha、damma、kasra、sukun、shadda、tanween です。日常のテキストでは省略されます。正解が「مَدْرَسَةٌ」でモデルが「مدرسة」と書いた場合、アラビア語の読み手なら誰でも同じ単語だとわかるのに、厳密な比較では置換として数えられます。

### 2\. 表記ゆれ

いくつかの文字には、一般的で許容されている異表記があります。

| ゆれ | 例 | 一般的な正規化 |
| --- | --- | --- |
| alef 上の hamza | أحمد / احمد、إلى / الى | أ إ آ を ا に変換 |
| ta marbuta と ha | مدرسة / مدرسه | ة を ه に変換 |
| alef maqsura と ya | على / علي（くだけた表記で） | ى を ي に変換 |
| alef 付きの tanween | صباحاً / صباحا | ダイアクリティカルマークを除去 |
| tatweel（引き伸ばし） | جـمـيـل / جميل | ـ を削除 |

### 3\. 接語と単語の境界

アラビア語では、接続詞、前置詞、代名詞が単語に付きます。「وبمدرستهم」は、1 つの書かれた単語で「そして彼らの学校で」を意味します。モデルが「و بمدرستهم」と空白を入れて書くと単語数が変わり、WER は 2 回ペナルティを科します。単語を先に形態素に分割する評価もありますが、多くはそうしません。読んでいる数値がどちらなのかを把握してください。

### 4\. 方言

[現代標準アラビア語](https://broadrouter.com/ja/glossary/msa/)と違い、方言の音声には標準的な綴りがありません。エジプトの話者の「欲しい」は「عايز」とも「عاوز」とも書き起こされ、湾岸の話者の「何」は「وش」とも「ويش」とも書かれます。方言を MSA に「訂正」する書き起こし者もいます。意味が完全に正しくても、どれも WER の誤りになります。方言の WER が読み上げ音声の WER よりはるかに高い理由の大部分はここにあります。

### 5\. 数字とコードスイッチング

話者は文の途中で英語に切り替えることがよくあります（[コードスイッチング](https://broadrouter.com/ja/glossary/code-switching/)）。「٢٥」なのか「25」なのか「خمسة وعشرين」なのか。英語のブランド名はラテン文字で書くのか、アラビア文字で書くのか。ルールを決めて正解に適用し、仮説もそれに合わせて正規化してください。

## 正規化でスコアはどれくらい変わりますか？

正解：**ذهبت إلى المدرسة صباحاً**（「朝、学校に行った」）

仮説：**ذهبت الى المدرسه صباحا**

正規化しないと、4 語中 3 語が異なります（إلى/الى、المدرسة/المدرسه、صباحاً/صباحا）。\*\*WER 75%。\*\*両方のテキストを正規化すると完全に一致します。\*\*WER 0%。\*\*同じ書き起こし、同じ品質なのに、数値は最悪から完璧に変わりました。正規化のルールが付いていない WER の数値からわかることが少ないのは、このためです。

## Python でアラビア語の WER を計算するには？

```python
import re
import jiwer  # pip install jiwer

DIACRITICS = re.compile(r"[ً-ْٰ]")   # tanween, harakat, shadda, sukun, dagger alef
PUNCT = re.compile(r"[^\w\s]")

def normalise_ar(text: str) -> str:
    text = DIACRITICS.sub("", text)
    text = text.replace("ـ", "")                # tatweel
    text = re.sub("[أإآٱ]", "ا", text)
    text = text.replace("ى", "ي").replace("ة", "ه")
    text = text.translate(str.maketrans("٠١٢٣٤٥٦٧٨٩", "0123456789"))
    text = PUNCT.sub(" ", text)
    return " ".join(text.split())

refs = ["ذهبت إلى المدرسة صباحاً"]
hyps = ["ذهبت الى المدرسه صباحا"]

print("raw WER:", jiwer.wer(refs, hyps))
print("normalised WER:", jiwer.wer([normalise_ar(r) for r in refs], [normalise_ar(h) for h in hyps]))
print("normalised CER:", jiwer.cer([normalise_ar(r) for r in refs], [normalise_ar(h) for h in hyps]))
```

比較するすべてのモデルについて、正解と仮説にまったく同じ関数を適用してください。その関数を数値と一緒に公開してください。

## BroadNet はアラビア語の WER をどう報告していますか？

BroadNet は、[モデルカタログ](https://www.broadnet.ai/inference/models)で [BroadNet Transcribe Arabic](https://broadrouter.com/ja/models/cohere-transcribe-arabic/) のラボ測定値を公開しています。

| テストセット | 内容 | BroadNet が報告する WER |
| --- | --- | --- |
| FLEURS-ar | クリーンな読み上げ文 | 3.8 |
| MASC-ar | さまざまな実環境のアラビア語音声 | 21.1 |
| BroadNet の方言セット | 方言音声 | 23.4 |

BroadNet はまた、このモデルが [Open Universal Arabic ASR Leaderboard](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard) で 37 件中 2 位（2026年9月時点の数値。2026年11月15日のライブのリーダーボードでは 39 件中 4 位）、API での提供がライセンス上認められているモデルの中では 1 位だと報告しています。これらは BroadNet の数値であり、独立した監査ではありません。このリーダーボードはすべてのモデルに同じ評価設定を適用するため、ベンダーごとのページの個別の数値より順位を比較しやすくなっています。

最良の数値だけでなく、幅を見てください。3.8 から 23.4 への跳ね上がりは、1 つのモデルにおける読み上げ音声と自発的な方言音声の差です。そのため、すべての候補を両方の種類の音声でテストしてください。コールセンターの通話、WhatsApp のボイスメッセージ、会議など、自社の音声はこの範囲のどこかに収まり、どこに収まるかはテストしなければわかりません。

## 自社の音声で WER を測るには？

1.  \*\*条件ごとにサンプリングする。\*\*クリップを方言とチャネル（電話、ボイスメッセージ、スタジオ）でグループ分けします。サンプルサイズと綴りのルールは[方言テストセットの作り方](https://broadrouter.com/ja/blog/arabic-dialect-speech-recognition/)で扱っています。
2.  \*\*各候補で書き起こす。\*\*BroadNet では `language=ar` を送ってください。送らないと、アラビア語がラテン文字に音訳されて返ってくることがあります。コードは[アラビア語音声認識ガイド](https://broadrouter.com/ja/guides/arabic-speech-to-text-api/)にあり、$5 の初回クレジットで約 1,190 分の音声を処理できます。
3.  \*\*正規化して採点する。\*\*上の関数を使い、グループごとに WER と CER を報告します。
4.  \*\*誤りを読む。\*\*置換を頻度順に並べます。上位の誤りが名前、金額、製品コードなら、ビジネスへの影響はスコアが示すより大きくなります。

## WER 以外に何を測るべきですか？

WER はすべての単語を同じように扱いますが、製品はそうではありません。サポートボットは意図を、請求ワークフローは数字を、コンプライアンスチームは特定の言い回しを重視します。WER の隣にタスク指標を加えてください。LLM が書き起こしを読んだ後の意図の正解率や、抽出した金額の完全一致などです。WER がわずかに高いモデルでも、誤りが重要でない単語に集中していれば勝つことがあります。

コスト面は、月間の音声時間を無料の[音声認識コスト計算ツール](https://broadrouter.com/tools/speech-to-text-cost-calculator/)に入力し、アラビア語モデルと 14 言語モデルの違いを [BroadNet Transcribe と Transcribe Arabic の比較](https://broadrouter.com/compare/cohere-transcribe-vs-cohere-transcribe-arabic/)で確認してください。

関連する無料ツール（英語）

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[無料ツール（英語）](https://broadrouter.com/tools/)

## この記事の用語

[単語誤り率（WER、word error rate）](https://broadrouter.com/ja/glossary/word-error-rate/)

単語誤り率（WER）とは、音声認識の標準的な精度指標です。書き起こしを正しい参照テキストに直すのに必要な単語の置換・削除・挿入の数を、参照テキストの単語数で割って求めます。値が低いほど良好です。

[コードスイッチング（code-switching）](https://broadrouter.com/ja/glossary/code-switching/)

コードスイッチングとは、同じ会話や同じ文の中で、話し言葉でも書き言葉でも 2 つ以上の言語、あるいは 1 つの言語の複数の変種を使うことです。アラビア語話者が方言に英単語を混ぜたり、現代標準アラビア語と方言を行き来したりするのがその例です。

[現代標準アラビア語（MSA）](https://broadrouter.com/ja/glossary/msa/)

現代標準アラビア語（MSA）とは、アラブ世界全体で書き言葉、ニュース、教育、公式のスピーチに使われる標準化されたアラビア語です。誰の日常の母語でもなく、人々はエジプト方言や湾岸方言などの地域方言を話し、改まった場面で MSA に切り替えます。

[音声認識（Speech-to-Text）](https://broadrouter.com/ja/glossary/speech-to-text/)

音声認識（Speech-to-Text）とは、話し言葉の音声を文字に変換する技術で、自動音声認識（ASR）とも呼ばれます。API は音声ファイルやストリームから文字起こしを返し、通常は音声 1 分単位で課金されます。精度は単語誤り率で測り、訛り、方言、録音品質で変わります。

[文字誤り率（CER、character error rate）](https://broadrouter.com/ja/glossary/character-error-rate/)

文字誤り率（CER）とは、書き起こしや OCR の精度を文字単位で測る指標で、出力を参照テキストに直すのに必要な置換・削除・挿入の数を、参照テキストの文字数で割ったものです。低いほど良く、0 は完全一致です。

[ハムザ（hamza）](https://broadrouter.com/ja/glossary/hamza/)

ハムザ（ء）とは、アラビア語で声門閉鎖音を表す文字です。単独か、alef（أ إ）、waw（ؤ）、yeh（ئ）を台にして書き、آ は alef と madda の組み合わせです。表記が揺れるため、検索や音声の採点では alef 系の字形を ا にまとめることがよくあります。

[LLM ベンチマーク（LLM benchmark）](https://broadrouter.com/ja/glossary/llm-benchmark/)

LLM ベンチマークとは、知識問題、コーディング、音声認識など 1 つの能力で言語モデルを測り比べるための、固定された（通常は公開の）タスクと採点方法です。スコアはそのテストでの相対的な能力を示し、自社のワークロードでの実力は示しません。

[アラビア語テキストの正規化（Arabic text normalization）](https://broadrouter.com/ja/glossary/arabic-text-normalization/)

アラビア語テキストの正規化とは、照合の前に同じ単語の表記ゆれを 1 つの形にそろえる処理です。発音記号とタトウィールを取り除き、アリフの形を統一し、多くの場合 ى を ي に、ة を ه に置き換えます。検索キーと評価に使い、表示するテキストには使いません。

## よくある質問

### アラビア語の WER はどのくらいなら良いですか？

クリーンな読み上げ音声なら 1 桁台も可能で、BroadNet は FLEURS-ar で 3.8 と報告しています。実環境や方言の音声では、ずっと高い数値を想定してください。BroadNet は MASC-ar で 21.1、自社の方言セットで 23.4 と報告しています。モデルは同じ正規化を使い、自社の音声で比較してください。

### アラビア語の WER を計算する前にダイアクリティカルマークを除去すべきですか？

通常は除去します。アラビア語の大半は短母音記号なしで書かれ、モデルが付ける記号も一貫しません。製品で母音記号付きのテキストが必要な場合を除き、正解と仮説の両方から除去してください。

### CER とは何で、いつ使うべきですか？

文字誤り率は、同じ計算を単語ではなく文字単位で行うものです。接頭辞の 1 文字の誤りで単語全体が誤りになるアラビア語では厳しさが和らぐため、WER と併用すると役立ちます。

### WER は 100% を超えることがありますか？

あります。挿入も誤りとして数えるため、余分な単語を大量に生成するモデルは、正解の単語数より多くの誤りを出すことがあります。

### Python でアラビア語の WER を計算するには？

jiwer をインストールし、正解とモデルの出力の両方を同じ関数で正規化します（ダイアクリティカルマークと tatweel の除去、alef・yaa・ta marbuta の統一、東アラビア数字の変換）。そのうえで jiwer.wer(references, hypotheses) を呼び出します。スコアの横に正規化の方法を記載してください。

### アラビア語の WER が英語より高いのはなぜですか？

一部は本当の難しさ（方言、接語、コードスイッチング）で、一部は採点方法によるものです。アラビア語には許容される表記ゆれや任意のダイアクリティカルマークがあり、厳密な比較ではそれぞれが誤りとして数えられます。両方のテキストを正規化すれば、採点による部分を取り除けます。

## 続けて読む

-   [アラビア語の音声認識 API：2026 年の選び方](https://broadrouter.com/ja/blog/arabic-speech-to-text-api-buyers-guide/)
-   [コールセンターの通話録音を文字起こしする：アラビア語対応のパイプライン](https://broadrouter.com/ja/blog/transcribe-call-center-recordings/)
-   [アラビア語 RAG：うまくいく正規化、チャンク分割、検索](https://broadrouter.com/ja/blog/arabic-rag-search/)
-   [多言語の音声認識 API：14 言語を 1 つのエンドポイントで](https://broadrouter.com/ja/blog/multilingual-speech-to-text-api/)
-   [LLM でアラビア語に母音記号を付ける：プロンプト、検証、DER](https://broadrouter.com/ja/blog/arabic-diacritization-llm/)
-   [LLM でアラビア語の文法・スペルを校正する方法](https://broadrouter.com/ja/blog/arabic-grammar-spelling-correction-llm/)
-   [ガイド：アラビア語の音声認識 API を使う手順](https://broadrouter.com/ja/guides/arabic-speech-to-text-api/)

実際のワークロードで試してください。新規アカウントには US$5 の初回クレジットがあり、Gemma、文字起こし に使えます。DeepSeek、GLM、Qwen3.8 はチャージが必要です。

[始める](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ja-blog-arabic-asr-wer-explained&utm_content=page-cta) ·

**出典**

-   [BroadNet モデルカタログ、音声認識：BroadNet が報告する WER とリーダーボード順位（2026-11-14 取得）（英語）](https://www.broadnet.ai/inference/models)
-   [Open Universal Arabic ASR Leaderboard、Hugging Face Space（2026-11-14 取得）](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
-   [Wang、Alhmoud、Alqurishi「Open Universal Arabic ASR Leaderboard」（Interspeech 2025、2026-11-14 取得）](https://www.isca-archive.org/interspeech_2025/wang25_interspeech.html)
-   [Conneau ほか「FLEURS: Few-shot Learning Evaluation of Universal Representations of Speech」（arXiv、2026-11-14 取得）](https://arxiv.org/abs/2205.12446)
-   [jiwer：WER と CER を計算する Python パッケージ（2026-11-14 取得）](https://github.com/jitsi/jiwer)
