BroadRouter
Inizia

Word error rate (WER)

Aggiornato

Il word error rate (WER, tasso di errore sulle parole) è la misura standard di accuratezza del riconoscimento vocale: il numero di sostituzioni, cancellazioni e inserimenti di parole necessari per trasformare una trascrizione nel riferimento corretto, diviso per il numero di parole del riferimento. Più è basso, meglio è.

Detto anche: tasso di errore sulle parole, tasso di errore per parola, accuratezza della trascrizione, accuratezza ASR, metrica WER, WER, word error rate, ASR accuracy, transcription accuracy, word accuracy

Il WER risponde a una domanda: su 100 parole pronunciate, quante ne ha sbagliate la trascrizione?

Come funziona

Allinea la trascrizione del modello con un riferimento umano corretto, poi conta tre tipi di errore:

  • Sostituzioni (S, substitutions): una parola sbagliata al posto di quella giusta;
  • Cancellazioni (D, deletions): una parola pronunciata ma mancante;
  • Inserimenti (I, insertions): una parola non pronunciata ma presente.

WER = (S + D + I) / N, dove N è il numero di parole del riferimento.

Esempio. Il riferimento è “please send the invoice to our office today” (8 parole). La trascrizione dice “please send an invoice to office today now”:

Errore Conteggio
“the” → “an” 1 sostituzione
“our” mancante 1 cancellazione
“now” aggiunto 1 inserimento

WER = 3 / 8 = 0,375, cioè 37,5%. Wikipedia osserva che il WER è una distanza di edit a livello di parola e che, poiché gli inserimenti non hanno un tetto, “can be larger than 1.0” (traduzione: può essere maggiore di 1,0).

Strumenti come il pacchetto Python jiwer lo calcolano. Prima normalizza entrambi i testi: maiuscole e minuscole, punteggiatura, numeri scritti in cifre o in lettere e, per l’arabo, diacritici e forme di alef e yaa. Le sole scelte di normalizzazione possono cambiare il punteggio in modo sensibile.

Perché è importante

  • Confrontare i modelli. Il WER è la metrica comune nelle classifiche e nelle dichiarazioni dei fornitori, quindi è il primo filtro quando scegli un’API di speech-to-text.
  • Il tuo audio è diverso. Lo stesso modello può ottenere punteggi molto diversi su parlato letto e su telefonate in dialetto. Per l’arabo, l’audio in arabo standard moderno e quello in dialetto danno numeri diversi. Fai il test su registrazioni simili alle tue.
  • Non tutti gli errori pesano uguale. Il WER dà a ogni parola lo stesso peso. Un numero di conto sbagliato conta come un errore, come un “the” mancante. Leggi le trascrizioni, non solo i punteggi.

Su BroadNet Inference

BroadNet pubblica le proprie misure di laboratorio per BroadNet Transcribe Arabic:

Set di test Cos’è WER (%)
FLEURS-ar Frasi lette, audio pulito 3,8
MASC-ar Parlato arabo reale e misto 21,1
Set dialettale di BroadNet Parlato in dialetto 23,4

La distanza tra 3,8 e 23,4 mostra perché conta il tuo test. BroadNet riporta inoltre il modello in posizione #2 su 37 (dato di settembre 2026; la classifica in tempo reale lo indicava #4 su 39 il 15 novembre 2026) nella Open Universal Arabic ASR Leaderboard. Il credito iniziale di $5 copre circa 1,190 minuti di audio in arabo, abbastanza per un set di test. La guida all’acquisto ha un piano di test di un’ora, e la guida all’arabo ha il codice.

Domande frequenti

Qual è un buon word error rate?

Dipende dall’audio. Il parlato letto e pulito può ottenere un WER a una sola cifra, mentre l’audio conversazionale rumoroso o in dialetto spesso ottiene valori molto più alti con lo stesso modello. Confronta i modelli sullo stesso set di test, idealmente sulle tue registrazioni.

Il WER può superare il 100%?

Sì. Gli inserimenti vengono contati, ma il denominatore è solo il numero di parole del riferimento, quindi una trascrizione con molte parole in più può superare 1,0.

Il WER si scrive in percentuale o in decimale?

Sono comuni entrambi. 0,211 e 21,1 di solito indicano la stessa cosa, circa 21 errori ogni 100 parole di riferimento. Controlla quale forma usa una fonte.

Leggi in MarkdownChiedi a ChatGPTChiedi a ClaudeChiedi a Perplexity