---
title: "Character error rate (CER) کیا ہے؟ ASR میٹرک کی وضاحت"
description: "Character error rate اسپیچ ٹو ٹیکسٹ اور OCR آؤٹ پٹ کو الفاظ کے بجائے کیریکٹرز کی تبدیلیوں سے اسکور کرتا ہے۔ فارمولا، عربی مثال، اور WER کی جگہ CER کب۔"
url: https://broadrouter.com/ur/glossary/character-error-rate/
lang: ur
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

یہ صفحہ انگریزی سے AI کی مدد سے ترجمہ کیا گیا ہے۔ [انگریزی اصل پڑھیں](https://broadrouter.com/glossary/character-error-rate/) (اپ ڈیٹ: 2026-11-15).

# کیریکٹر ایرر ریٹ (character error rate، CER)

اپ ڈیٹ 2026-11-15

Character error rate (CER) ٹرانسکرپشن یا OCR کی درستی کیریکٹر کی سطح پر ناپتا ہے: آؤٹ پٹ کو ریفرنس متن بنانے کے لیے درکار substitutions، deletions اور insertions، تقسیم ریفرنس کے کیریکٹرز کی تعداد۔ کم بہتر ہے، اور 0 مکمل مطابقت ہے۔

دوسرے نام: سی ای آر، کیریکٹر ایرر ریٹ، cer kya hai، character error rate kya hai، CER، character error rate

WER پوچھتا ہے کہ کتنے الفاظ غلط تھے۔ CER پوچھتا ہے کہ کتنے حروف غلط تھے، جو عربی کے لیے اکثر زیادہ منصفانہ سوال ہے۔

## یہ کیسے کام کرتا ہے

CER وہی edit-distance خیال استعمال کرتا ہے جو [word error rate](https://broadrouter.com/ur/glossary/word-error-rate/) کرتا ہے، بس کیریکٹرز پر۔ Hugging Face metric card فارمولا دیتا ہے:

`CER = (S + D + I) / N`، جہاں S substitutions ہیں، D deletions، I insertions اور N ریفرنس میں کیریکٹرز کی تعداد (N = S + D + C، جہاں C درست کیریکٹرز ہیں)۔

ایک عربی مثال۔ ریفرنس “وبالكتاب” ہے (“اور کتاب کے ساتھ”، ایک لفظ، 8 حروف)۔ ٹرانسکرپٹ “وبلكتاب” ہے، جس میں ایک الف غائب ہے:

| میٹرک | غلطیاں | ریفرنس اکائیاں | اسکور |
| --- | --- | --- | --- |
| WER | 1 غلط لفظ | 1 لفظ | 1.0 (100%) |
| CER | 1 حذف شدہ حرف | 8 کیریکٹرز | 0.125 (12.5%) |

ایک غائب حرف WER کے لیے پورا لفظ غلط کر دیتا ہے۔ CER دکھاتا ہے کہ ٹرانسکرپٹ تقریباً درست تھا۔

Python میں `jiwer` پیکیج اسے `jiwer.cer(reference, hypothesis)` سے نکالتا ہے، اور `jiwer.process_characters` alignment بھی لوٹاتا ہے۔ WER کی طرح پہلے دونوں طرف نارملائز کریں: رموزِ اوقاف، اسپیسنگ، اور عربی کے لیے اعراب اور الف یا یاء کی شکلیں۔ [عربی متن کی نارملائزیشن](https://broadrouter.com/ur/glossary/arabic-text-normalization/) دیکھیں۔

## یہ کیوں اہم ہے

-   **عربی کی صرفی ساخت۔** عربی میں حروفِ عطف، حروفِ جار اور ضمیریں clitics کی صورت میں الفاظ سے جڑتی ہیں، اس لیے ایک لفظ میں وہ آ سکتا ہے جو انگریزی تین یا چار الفاظ میں لکھتی ہے۔ سابقے کا ایک غلط حرف WER میں پورا لفظ لے ڈوبتا ہے۔ CER اسے ایک کیریکٹر گنتا ہے۔
-   **بغیر اسپیس والی زبانیں۔** WER کو الفاظ کی حدیں چاہئیں۔ Hugging Face card کہتا ہے کہ CER مفید ہے “especially for multilingual datasets where WER is not suitable given the diversity of languages.” (ترجمہ: خاص طور پر کثیر لسانی ڈیٹاسیٹس کے لیے، جہاں زبانوں کے تنوع کی وجہ سے WER موزوں نہیں۔)
-   **غلطی کی قسم۔** زیادہ WER مگر کم CER والا ماڈل الفاظ تقریباً درست کر رہا ہے: املا، ہمزہ یا clitic کی چوک، جنہیں نارملائزیشن یا درستی کا مرحلہ ٹھیک کر سکتا ہے۔ زیادہ CER کا مطلب ہے کہ ماڈل پورے الفاظ یا مواد چھوڑ رہا ہے۔
-   **OCR بھی۔** یہی میٹرک تصاویر سے پڑھے گئے متن کو اسکور کرتا ہے، اس لیے [OCR](https://broadrouter.com/ur/glossary/ocr/) پائپ لائنز کے موازنے میں کام آتا ہے۔

Metric card یہ تنبیہ بھی کرتا ہے کہ CER یہ نہیں بتاتا کہ غلطیاں کیوں ہوتی ہیں۔ اسکور کے ساتھ نمونہ ٹرانسکرپٹس بھی پڑھیں۔

## BroadNet Inference پر

BroadNet [BroadNet Transcribe Arabic](https://broadrouter.com/ur/models/cohere-transcribe-arabic/) اور [BroadNet Transcribe](https://broadrouter.com/ur/models/cohere-transcribe/) کے لیے WER شائع کرتا ہے، CER نہیں۔ CER کے لیے اپنی ریکارڈنگز کا ایک ٹیسٹ سیٹ ٹرانسکرائب کریں اور خود اسکور کریں۔ [عربی WER کی وضاحت](https://broadrouter.com/ur/blog/arabic-asr-wer-explained/) والی پوسٹ میں ایک نارملائزیشن فنکشن اور ایک `jiwer` اسکرپٹ ہے جو WER اور CER دونوں پرنٹ کرتی ہے، اور [عربی اسپیچ ٹو ٹیکسٹ گائیڈ](https://broadrouter.com/ur/guides/arabic-speech-to-text-api/) میں درخواست کا کوڈ ہے۔ ہمیشہ `language=ar` بھیجیں: اس کے بغیر عربی لاطینی حروف میں transliterate ہو کر آ سکتی ہے، جو دونوں اسکور بگاڑ دیتی ہے۔

## عام غلطیاں

-   **اسپیسز کو غیر یکساں طریقے سے گننا۔** طے کریں کہ اسپیسز کیریکٹر گنی جائیں گی یا نہیں، اور موازنہ کیے جانے والے ہر ماڈل پر وہی اصول لگائیں۔
-   **CER کا موازنہ کسی اور کے WER سے کرنا۔** یہ الگ پیمانے ہیں۔ ایک جیسی چیزوں کا موازنہ کریں۔

## عام سوالات

### کیا CER 100% سے زیادہ ہو سکتا ہے؟

ہاں۔ Hugging Face metric card بتاتا ہے کہ CER ہمیشہ 0 اور 1 کے درمیان نہیں ہوتا، خاص طور پر جب ٹرانسکرپٹ میں بہت insertions ہوں، کیونکہ نسب نما (denominator) صرف ریفرنس کے کیریکٹرز گنتا ہے۔

### عربی کے لیے CER رپورٹ کروں یا WER؟

دونوں۔ لیڈر بورڈز اور وینڈرز WER بتاتے ہیں، اس لیے موازنے کے لیے وہ چاہیے۔ CER دکھاتا ہے کہ غلطیاں پورے غلط الفاظ ہیں یا کہیں کہیں ایک حرف یا clitic، جو WER چھپا دیتا ہے۔

### کیا BroadNet اپنے ٹرانسکرپشن ماڈلز کا CER شائع کرتا ہے؟

نہیں۔ BroadNet صرف WER شائع کرتا ہے۔ CER کے لیے jiwer جیسے ٹول سے اپنا ٹیسٹ سیٹ اسکور کریں۔

## یہ بھی دیکھیں

-   [ورڈ ایرر ریٹ (WER)](https://broadrouter.com/ur/glossary/word-error-rate/) (اصطلاح)
-   [اسپیچ ٹو ٹیکسٹ (speech-to-text)](https://broadrouter.com/ur/glossary/speech-to-text/) (اصطلاح)
-   [عربی متن کی نارملائزیشن (Arabic text normalization)](https://broadrouter.com/ur/glossary/arabic-text-normalization/) (اصطلاح)
-   [عربی اعراب (tashkeel)](https://broadrouter.com/ur/glossary/arabic-diacritics/) (اصطلاح)
-   [جدید معیاری عربی (Modern Standard Arabic، MSA)](https://broadrouter.com/ur/glossary/msa/) (اصطلاح)
-   [OCR (optical character recognition)](https://broadrouter.com/ur/glossary/ocr/) (اصطلاح)
-   [LLM بینچ مارک (LLM benchmark)](https://broadrouter.com/ur/glossary/llm-benchmark/) (اصطلاح)
-   [عربی speech-to-text API، قدم بہ قدم](https://broadrouter.com/ur/guides/arabic-speech-to-text-api/) (گائیڈ)
-   [عربی ASR میں word error rate (WER) کیا ہے، آسان الفاظ میں](https://broadrouter.com/ur/blog/arabic-asr-wer-explained/) (مضمون)
-   [عربی speech-to-text API: 2026 میں درست API کیسے منتخب کریں](https://broadrouter.com/ur/blog/arabic-speech-to-text-api-buyers-guide/) (مضمون)

اسے اپنے اصل کام پر آزمائیں۔ نئے اکاؤنٹس Gemma اور ٹرانسکرپشن کے لیے US$5 کے کریڈٹ سے شروع ہوتے ہیں۔ DeepSeek، GLM، اور Qwen3.8 کے لیے ٹاپ اپ ضروری ہے۔

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

**ذرائع**

-   [Hugging Face evaluate، CER metric card: فارمولا، 1 سے اوپر کی قدریں، کثیر لسانی استعمال (جانچ: 2026-11-15)](https://raw.githubusercontent.com/huggingface/evaluate/main/metrics/cer/README.md)
-   [jiwer دستاویزات، usage: jiwer.cer اور process\_characters (جانچ: 2026-11-15)](https://jitsi.github.io/jiwer/usage/)
-   [BroadNet ماڈل کیٹلاگ، اسپیچ ٹو ٹیکسٹ: شائع شدہ WER پیمائشیں (جانچ: 2026-11-15) (انگریزی میں)](https://www.broadnet.ai/inference/models)
