¿Qué es la tasa de error de caracteres? Es la proporción de caracteres que un sistema falla frente a un texto de referencia, contados como sustituciones, eliminaciones e inserciones. El CER se usa sobre todo en idiomas que se escriben sin espacios, donde dividir el texto en palabras no es fiable.
Transcribe una grabación
Envía tu mensaje de voz, audio o vídeo a @potok_now_bot en Telegram y el texto te llega en el chat.
Abrir @potok_now_bot en Telegram
Archivos de hasta 2 GB · exportación a TXT, MD, DOCX, PDF, SRT y VTT · etiquetas de hablantes y marcas de tiempo · unos 30 idiomas
Datos clave
- La fórmula es la suma de caracteres sustituidos, eliminados e insertados, dividida entre el número de caracteres de la referencia.
- La tasa de error de palabras trata una letra equivocada como una palabra entera equivocada, así que el CER ofrece una visión más suave de los pequeños fallos ortográficos.
- El japonés y el chino no llevan espacios entre palabras, así que el recuento de palabras depende de una regla de segmentación; el de caracteres, no.
- Un CER de cero significa coincidencia exacta con la referencia, y el valor puede superar uno cuando aparecen muchos caracteres de más.
Cómo se ve
CER = (S + D + I) / N
S substituted, D deleted, I inserted characters; N = characters in reference
reference : recognise (N = 9)
output : recognize
S = 1 (s -> z), D = 0, I = 0
CER = 1 / 9 = 0.11
Más
Consulta la lista completa de idiomas, las herramientas y el glosario.
Preguntas frecuentes
¿Qué diferencia hay entre CER y WER?
WER cuenta los errores por palabra y CER por carácter. El CER es más fino y sirve para escrituras donde los límites de palabra no se marcan con espacios.
¿Cómo se calcula el CER?
Alinea el resultado con la referencia, cuenta los caracteres sustituidos, eliminados e insertados, y divide el total entre la longitud de la referencia en caracteres.
¿Por qué no usar WER para todos los idiomas?
WER necesita una definición clara de palabra. En idiomas escritos sin espacios esa definición varía según la herramienta, y las puntuaciones de herramientas distintas dejan de ser comparables.
¿Un CER más bajo es siempre mejor?
Sí, para el mismo texto de prueba. Más bajo significa menos errores de caracteres, pero compara solo puntuaciones medidas sobre la misma referencia y con las mismas reglas de texto.
¿Las cifras de CER publicadas valen para mi archivo?
No directamente. Salen de conjuntos de prueba concretos, y una grabación ruidosa o con acento puntuará distinto. Tómalas como orientación y luego revisa tu propio archivo.
Fuentes
Cada fuente se abrió a mano en la fecha indicada. Las páginas cambian, así que abre la fuente si un detalle te importa.
- Word error rate (Wikipedia), Wikipedia · comprobado
- Japanese writing system (Wikipedia), Wikipedia · comprobado
Pruébalo con tu propia grabación
Envía tu mensaje de voz, audio o vídeo a @potok_now_bot en Telegram y el texto te llega en el chat.
Abrir @potok_now_bot en Telegram