文字誤り率とは？ 参照テキストと比べて、システムが間違えた文字の割合で、置換、削除、挿入として数えます。CERは、単語の区切りを判断しにくい、スペースなしで書く言語を中心に使われます。
録音を文字起こしする
音声メッセージ、音声、動画を Telegram の @potok_now_bot に送ると、チャットにテキストが返ってきます。
2 GB までのファイル · TXT、MD、DOCX、PDF、SRT、VTT で書き出し · 話者ラベルとタイムスタンプ · 約30言語
要点
- 式は、置換、削除、挿入された文字の合計を、参照テキストの文字数で割ったものです。
- 単語誤り率では一文字の間違いも単語全体の間違いになるため、CERは小さな綴りのミスをより穏やかに見せます。
- 日本語や中国語のテキストは単語の間にスペースがないので、単語数は区切りのルールに左右されます。文字ならそうなりません。
- CERがゼロなら参照と完全に一致したことを意味し、余計な文字が大量に出た場合、値が一を超えることもあります。
見た目のイメージ
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
関連情報
よくある質問
CERとWERの違いは何ですか。
WERは単語ごと、CERは文字ごとに誤りを数えます。CERのほうが細かく、単語の境界がスペースで示されない文字体系に向いています。
CERはどう計算しますか。
出力と参照を対応づけ、置換、削除、挿入された文字を数え、その合計を参照の文字数で割ります。
すべての言語でWERを使わないのはなぜですか。
WERは単語の明確な定義を必要とします。スペースなしで書く言語では、その定義がツールによって異なるため、別のツールのスコアどうしを比べられなくなります。
CERは低いほど常に良いのですか。
同じテストテキストなら、はい。低いほど文字の誤りが少ないことを意味しますが、同じ参照と同じテキストルールで測ったスコアだけを比べてください。
公表されているCERの数字は私のファイルにも当てはまりますか。
そのままは当てはまりません。特定のテストセットから出た数字で、ノイズの多い録音やなまりのある録音では結果が変わります。目安として使い、自分のファイルで確認してください。
出典
各出典は、記載の日付に手作業で開いて確認しました。ページは変更されることがあるため、細部が重要な場合は出典をご確認ください。
- Word error rate (Wikipedia), Wikipedia · 確認日
- Japanese writing system (Wikipedia), Wikipedia · 確認日
お手持ちの録音で試してみましょう
音声メッセージ、音声、動画を Telegram の @potok_now_bot に送ると、チャットにテキストが返ってきます。
Telegram で @potok_now_bot を開く