---
title: "什么是字错误率（CER）？语音识别指标详解 | BroadRouter"
description: "字错误率按字符编辑而不是按词，给语音转文字和 OCR 的输出打分。计算公式、一个阿拉伯语示例，以及什么时候该用 CER 而不是 WER。"
url: https://broadrouter.com/zh/glossary/character-error-rate/
lang: zh-Hans
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

本页由英文原文借助 AI 翻译。[阅读英文原文](https://broadrouter.com/glossary/character-error-rate/)（2026-11-15 更新）。

# 字错误率（CER，character error rate）

更新于 2026-11-15

字错误率（CER）在字符层面衡量转写或 OCR 的准确度：把输出变成参考文本所需的替换、删除和插入次数，除以参考文本的字符数。越低越好，0 表示完全一致。

又称： 字错误率、字符错误率、字错率、CER 指标、CER、character error rate

WER 问的是错了多少个词。CER 问的是错了多少个字母，对阿拉伯语来说，这往往是更公平的问法。

## 工作原理

CER 用的是和[词错误率](https://broadrouter.com/zh/glossary/word-error-rate/)相同的编辑距离思路，只是作用在字符上。Hugging Face 的指标说明给出了公式：

`CER = (S + D + I) / N`，其中 S 是替换数，D 是删除数，I 是插入数，N 是参考文本的字符数（N = S + D + C，C 为正确的字符数）。

一个阿拉伯语示例。参考文本是“وبالكتاب”（“以及用这本书”，一个词，8 个字母）。转写结果是“وبلكتاب”，少了一个 alef：

| 指标 | 错误 | 参考单位 | 得分 |
| --- | --- | --- | --- |
| WER | 1 个错词 | 1 个词 | 1.0（100%） |
| CER | 1 个被删除的字母 | 8 个字符 | 0.125（12.5%） |

对 WER 来说，少一个字母，整个词就算错。CER 则显示转写几乎是对的。

在 Python 里，`jiwer` 包用 `jiwer.cer(reference, hypothesis)` 计算它，`jiwer.process_characters` 还会返回对齐结果。和 WER 一样，先对两边做规范化：标点、空格，对阿拉伯语还要处理变音符号以及 alef 或 yaa 的写法。参见[阿拉伯语文本规范化](https://broadrouter.com/zh/glossary/arabic-text-normalization/)。

## 为什么重要

-   **阿拉伯语的形态。** 阿拉伯语把连词、介词和代词作为附着成分粘在词上，所以一个词能承载英语要写三四个词的内容。前缀错一个字母，在 WER 里就要算错整个词，在 CER 里只算一个字符。
-   **不用空格分词的语言。** WER 需要词边界。Hugging Face 的说明称 CER 很有用，“especially for multilingual datasets where WER is not suitable given the diversity of languages.”（译文：尤其适用于多语言数据集，因为语言多样，WER 并不合适。）
-   **错误类型。** WER 高而 CER 低的模型，词其实差不多都对了：只是拼写、hamza 或附着成分上的小错，规范化或纠错步骤也许就能修正。CER 高则说明模型漏掉了整个词或内容。
-   **也适用于 OCR。** 同一个指标也能给从图像中读出的文本打分，所以在比较 [OCR](https://broadrouter.com/zh/glossary/ocr/) 流水线时很有用。

指标说明还提醒，CER 不能告诉你错误为什么会发生。请结合分数阅读一些转写样本。

## 在 BroadNet Inference 上

BroadNet 为 [BroadNet Transcribe Arabic](https://broadrouter.com/zh/models/cohere-transcribe-arabic/) 和 [BroadNet Transcribe](https://broadrouter.com/zh/models/cohere-transcribe/) 公布的是 WER，不是 CER。要得到 CER，请用你自己的录音组成测试集进行转写，然后自己打分。[阿拉伯语 WER 详解](https://broadrouter.com/zh/blog/arabic-asr-wer-explained/)一文提供了一个规范化函数和一个同时输出 WER 与 CER 的 `jiwer` 脚本，[阿拉伯语语音转文字指南](https://broadrouter.com/zh/guides/arabic-speech-to-text-api/)给出了请求代码。始终发送 `language=ar`：不传的话，阿拉伯语可能被音译成拉丁字母返回，两个分数都会变得一塌糊涂。

## 常见错误

-   **空格的计数方式不一致。** 先决定空格算不算字符，再对比较的每个模型都用同一规则。
-   **拿 CER 去比别人的 WER。** 两者是不同的尺度。要同类相比。

## 常见问题

### CER 会超过 100% 吗？

会。Hugging Face 的指标说明指出，CER 不一定在 0 到 1 之间，转写结果插入很多内容时尤其如此，因为分母只计算参考文本的字符。

### 阿拉伯语应该报告 CER 还是 WER？

两个都报告。排行榜和服务商引用的是 WER，要做比较就离不开它。CER 能显示错误是整个词错了，还是零星错了一个字母或附着成分，这一点 WER 看不出来。

### BroadNet 公布了转写模型的 CER 吗？

没有。BroadNet 只公布 WER。要得到 CER，请用 jiwer 这类工具给你自己的测试集打分。

## 另请参阅

-   [词错误率（WER，word error rate）](https://broadrouter.com/zh/glossary/word-error-rate/)（术语）
-   [语音转文字（speech-to-text）](https://broadrouter.com/zh/glossary/speech-to-text/)（术语）
-   [阿拉伯语文本规范化（Arabic text normalization）](https://broadrouter.com/zh/glossary/arabic-text-normalization/)（术语）
-   [阿拉伯语变音符号（tashkeel）](https://broadrouter.com/zh/glossary/arabic-diacritics/)（术语）
-   [现代标准阿拉伯语（MSA）](https://broadrouter.com/zh/glossary/msa/)（术语）
-   [光学字符识别（OCR）](https://broadrouter.com/zh/glossary/ocr/)（术语）
-   [大模型基准测试（LLM benchmark）](https://broadrouter.com/zh/glossary/llm-benchmark/)（术语）
-   [阿拉伯语语音转文字 API 分步教程](https://broadrouter.com/zh/guides/arabic-speech-to-text-api/)（指南）
-   [阿拉伯语语音识别的词错误率（WER）详解](https://broadrouter.com/zh/blog/arabic-asr-wer-explained/)（文章）
-   [阿拉伯语语音转文字 API：2026 年怎么选](https://broadrouter.com/zh/blog/arabic-speech-to-text-api-buyers-guide/)（文章）

用你的真实业务负载试一试。新账户可获得 US$5 初始额度，用于 Gemma和转写。DeepSeek、GLM和Qwen3.8 需要先充值。

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

**来源**

-   [Hugging Face evaluate，CER 指标说明：公式、大于 1 的取值、多语言用法（2026-11-15 查阅）](https://raw.githubusercontent.com/huggingface/evaluate/main/metrics/cer/README.md)
-   [jiwer 文档，用法：jiwer.cer 与 process\_characters（2026-11-15 查阅）](https://jitsi.github.io/jiwer/usage/)
-   [BroadNet 模型目录，语音转文字：已公布的 WER 测量结果（2026-11-15 查阅）（英文）](https://www.broadnet.ai/inference/models)
