---
title: "Что такое WER (доля ошибок в словах)? Формула и пример"
description: "WER измеряет точность распознавания речи: замены, пропуски и вставки, делённые на число слов эталона. Формула, разобранный пример и как читать значение WER."
url: https://broadrouter.com/ru/glossary/word-error-rate/
lang: ru
updated: 2026-11-16
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Переведено с английского с помощью ИИ. [Читать оригинал на английском](https://broadrouter.com/glossary/word-error-rate/) (обновлён 2026-11-16).

# Доля ошибок в словах (word error rate, WER)

Обновлено 2026-11-16

Доля ошибок в словах (word error rate, WER) — это стандартная метрика точности распознавания речи: число замен, пропусков и вставок слов, нужных, чтобы превратить расшифровку в правильный эталон, делённое на число слов в эталоне. Чем меньше, тем лучше.

Также называют: WER, доля ошибок в словах, пословная ошибка, процент ошибок в словах, точность распознавания речи, точность транскрибации, word error rate, ASR accuracy, transcription accuracy, word accuracy

WER отвечает на один вопрос: сколько из каждых 100 сказанных слов расшифровка передала неверно?

## Как это работает

Выровняйте расшифровку модели с правильным эталоном, сделанным человеком, и посчитайте ошибки трёх видов:

-   **S** (substitutions), замены: неверное слово вместо правильного;
-   **D** (deletions), пропуски: слово было сказано, но отсутствует;
-   **I** (insertions), вставки: слово не было сказано, но появилось.

`WER = (S + D + I) / N`, где N — число слов в эталоне.

Пример. Эталон: “please send the invoice to our office today” (8 слов). Расшифровка: “please send an invoice to office today now”:

| Ошибка | Количество |
| --- | --- |
| “the” → “an” | 1 замена |
| “our” пропущено | 1 пропуск |
| “now” добавлено | 1 вставка |

WER = 3 / 8 = 0,375, или 37,5%. Википедия отмечает, что WER — это редакционное расстояние на уровне слов, и поскольку число вставок не ограничено, он “can be larger than 1.0” (перевод: «может быть больше 1,0»).

Считать WER помогают инструменты вроде Python-пакета `jiwer`. Сначала нормализуйте оба текста: регистр, пунктуацию, числа цифрами или словами, а для арабского — огласовки и формы алифа и йа. Одни только решения о нормализации могут заметно изменить результат.

## Почему это важно

-   **Сравнение моделей.** WER — общая метрика в лидербордах и заявлениях вендоров, поэтому это первый фильтр при выборе API [распознавания речи](https://broadrouter.com/ru/glossary/speech-to-text/).
-   **Ваше аудио другое.** Одна и та же модель может показать совсем разные результаты на читаемой речи и на телефонных звонках на диалекте. Для арабского [современный стандартный арабский](https://broadrouter.com/ru/glossary/msa/) и диалектное аудио дают разные цифры. Тестируйте на записях, похожих на ваши.
-   **Ошибки не равноценны.** WER взвешивает все слова одинаково. Неверный номер счёта считается одной ошибкой, как и пропущенный артикль “the”. Читайте расшифровки, а не только метрики.

## В BroadNet Inference

BroadNet публикует собственные лабораторные замеры для [BroadNet Transcribe Arabic](https://broadrouter.com/ru/models/cohere-transcribe-arabic/):

| Тестовый набор | Что это | WER (%) |
| --- | --- | --- |
| FLEURS-ar | Чисто прочитанные предложения | 3.8 |
| MASC-ar | Смешанная арабская речь из реальной жизни | 21.1 |
| Диалектный набор BroadNet | Диалектная речь | 23.4 |

Разрыв между 3,8 и 23,4 показывает, почему важен собственный тест. По данным BroadNet, модель также занимает № 2 из 37 (данные за сентябрь 2026 г.; в живом рейтинге на 15 ноября 2026 г. — № 4 из 39) в Open Universal Arabic ASR Leaderboard. Стартового гранта $5 хватает примерно на 1,190 минут арабского аудио — достаточно для тестового набора. В [руководстве для покупателя](https://broadrouter.com/ru/blog/arabic-speech-to-text-api-buyers-guide/) есть план тестирования на один час, а в [руководстве по арабскому](https://broadrouter.com/ru/guides/arabic-speech-to-text-api/) — код.

## Вопросы и ответы

### Какой WER считается хорошим?

Зависит от аудио. На чистой читаемой речи результат может быть однозначным, а на шумной разговорной речи или диалекте та же модель часто показывает гораздо больше. Сравнивайте модели на одном тестовом наборе, в идеале на своих записях.

### Может ли WER быть больше 100%?

Да. Вставки учитываются, а в знаменателе только слова эталона, поэтому расшифровка с большим числом лишних слов может получить больше 1,0.

### WER записывают в процентах или десятичной дробью?

Встречается и то и другое. 0,211 и 21,1 обычно означают одно и то же: около 21 ошибки на 100 слов эталона. Проверяйте, какую запись использует источник.

## См. также

-   [Распознавание речи (speech-to-text)](https://broadrouter.com/ru/glossary/speech-to-text/) (термин)
-   [Нулевое хранение данных (ZDR)](https://broadrouter.com/ru/glossary/zero-data-retention/) (термин)
-   [Современный стандартный арабский (MSA, фусха)](https://broadrouter.com/ru/glossary/msa/) (термин)
-   [Переключение кодов (code-switching)](https://broadrouter.com/ru/glossary/code-switching/) (термин)
-   [Доля ошибок в символах (character error rate, CER)](https://broadrouter.com/ru/glossary/character-error-rate/) (термин)
-   [API распознавания арабской речи: пошаговое руководство](https://broadrouter.com/ru/guides/arabic-speech-to-text-api/) (руководство)
-   [Голосовые сообщения WhatsApp в текст через API](https://broadrouter.com/ru/guides/transcribe-whatsapp-voice-notes/) (руководство)
-   [API распознавания арабской речи: как выбрать в 2026 году](https://broadrouter.com/ru/blog/arabic-speech-to-text-api-buyers-guide/) (статья)

Проверьте на своей реальной нагрузке. Новые аккаунты получают стартовый грант US$5 на Gemma и распознавание речи. Для DeepSeek, GLM и Qwen3.8 нужно пополнить баланс.

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

**Источники**

-   [Word error rate (Википедия) (проверено 2026-11-16)](https://en.wikipedia.org/wiki/Word_error_rate)
-   [Hugging Face Tasks, автоматическое распознавание речи (WER) (проверено 2026-11-16)](https://huggingface.co/tasks/automatic-speech-recognition)
-   [Каталог моделей BroadNet, распознавание речи (лабораторные замеры) (проверено 2026-11-16) (на английском)](https://www.broadnet.ai/inference/models)
-   [Open Universal Arabic ASR Leaderboard (проверено 2026-11-16)](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
