---
title: "什么是词错误率（WER）？计算公式与示例 | BroadRouter"
description: "词错误率用替换、删除和插入的数量除以参考词数，衡量语音转文字的准确率。计算公式、一个完整示例，以及如何解读 WER。"
url: https://broadrouter.com/zh/glossary/word-error-rate/
lang: zh-Hans
updated: 2026-11-16
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/word-error-rate/)（2026-11-16 更新）。

# 词错误率（WER，word error rate）

更新于 2026-11-16

词错误率（WER）是语音识别的标准准确率指标：把转写结果改成正确参考文本所需的替换、删除和插入词数，除以参考文本的词数。数值越低越好。

又称： 词错率、字词错误率、语音识别准确率、转写准确率、WER、word error rate、ASR accuracy、transcription accuracy、word accuracy

WER 回答一个问题：一个人说的每 100 个词里，转写结果错了几个？

## 工作原理

把模型的转写结果与人工给出的正确参考文本对齐，再统计三类错误：

-   **S** 替换（substitution）：用错误的词替代了正确的词；
-   **D** 删除（deletion）：说了但缺失的词；
-   **I** 插入（insertion）：没说却出现的词。

`WER = (S + D + I) / N`，其中 N 是参考文本的词数。

示例。参考文本是 “please send the invoice to our office today”（8 个词）。转写结果为 “please send an invoice to office today now”：

| 错误 | 数量 |
| --- | --- |
| “the” → “an” | 1 个替换 |
| 缺少 “our” | 1 个删除 |
| 多出 “now” | 1 个插入 |

WER = 3 / 8 = 0.375，即 37.5%。维基百科指出，WER 是词级别的编辑距离，而且由于插入没有上限，它 “can be larger than 1.0.”（译文：可能大于 1.0。）

`jiwer` 这类 Python 包可以计算 WER。请先对两段文本做规范化：大小写、标点、数字写成阿拉伯数字还是单词；阿拉伯语还要处理变音符号以及 alef 和 yaa 的写法。仅规范化方式的不同，就可能让分数明显变化。

## 为什么重要

-   **比较模型。** WER 是排行榜和厂商宣传中的通用指标，所以选择[语音转文字](https://broadrouter.com/zh/glossary/speech-to-text/) API 时，它是第一道筛选。
-   **你的音频不一样。** 同一个模型在朗读语音和方言电话录音上的得分可能相差很大。对阿拉伯语而言，[现代标准阿拉伯语](https://broadrouter.com/zh/glossary/msa/)和方言音频会得出不同的数字。请用与你的场景相似的录音测试。
-   **错误并不等价。** WER 对每个词一视同仁。一个错误的账号算一个错误，和少了一个 “the” 一样。别只看分数，要读转写文本。

## 在 BroadNet Inference 上

BroadNet 公布了 [BroadNet Transcribe Arabic](https://broadrouter.com/zh/models/cohere-transcribe-arabic/) 的自家实验室测量结果：

| 测试集 | 内容 | WER（%） |
| --- | --- | --- |
| FLEURS-ar | 干净的朗读句子 | 3.8 |
| MASC-ar | 混合的真实场景阿拉伯语语音 | 21.1 |
| BroadNet 方言集 | 方言语音 | 23.4 |

3.8 与 23.4 之间的差距说明了自己测试的重要性。BroadNet 还报告该模型在 Open Universal Arabic ASR Leaderboard 上排名 第 2 名（共 37 个）（这是 2026年9月的数据；2026年11月15日实时榜单上为 39 个中的第 4 名）。$5 初始额度可覆盖约 1,190 分钟的阿拉伯语音频，足够做一个测试集。[选购指南](https://broadrouter.com/zh/blog/arabic-speech-to-text-api-buyers-guide/)给出了一小时的测试计划，[阿拉伯语指南](https://broadrouter.com/zh/guides/arabic-speech-to-text-api/)提供了代码。

## 常见问题

### 词错误率多少算好？

取决于音频。干净的朗读语音可以达到个位数，而同一个模型在嘈杂的对话或方言音频上往往高得多。请在同一个测试集上比较模型，最好是你自己的录音。

### WER 会超过 100% 吗？

会。插入错误会被计入，但分母只有参考文本的词数，所以多出很多词的转写结果得分可能超过 1.0。

### WER 用百分比还是小数表示？

两种都常见。0.211 和 21.1 通常是同一个意思，即每 100 个参考词约有 21 个错误。请确认来源用的是哪一种。

## 另请参阅

-   [语音转文字（speech-to-text）](https://broadrouter.com/zh/glossary/speech-to-text/)（术语）
-   [零数据保留（ZDR）](https://broadrouter.com/zh/glossary/zero-data-retention/)（术语）
-   [现代标准阿拉伯语（MSA）](https://broadrouter.com/zh/glossary/msa/)（术语）
-   [语码转换（code-switching）](https://broadrouter.com/zh/glossary/code-switching/)（术语）
-   [字错误率（CER，character error rate）](https://broadrouter.com/zh/glossary/character-error-rate/)（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）
-   [用 API 把 WhatsApp 语音消息转成文字](https://broadrouter.com/zh/guides/transcribe-whatsapp-voice-notes/)（指南）
-   [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-word-error-rate&utm_content=page-cta) ·

**来源**

-   [词错误率（维基百科英文版）（2026-11-16 查阅）](https://en.wikipedia.org/wiki/Word_error_rate)
-   [Hugging Face Tasks，自动语音识别（WER）（2026-11-16 查阅）](https://huggingface.co/tasks/automatic-speech-recognition)
-   [BroadNet 模型目录，语音转文字（实验室测量）（2026-11-16 查阅）（英文）](https://www.broadnet.ai/inference/models)
-   [Open Universal Arabic ASR Leaderboard（2026-11-16 查阅）](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
