---
title: "CER(문자 오류율)이란? 음성 인식 평가 지표 정리 | BroadRouter"
description: "문자 오류율(CER)은 음성 인식과 OCR 결과를 단어가 아니라 문자 단위 편집으로 채점합니다. 계산식, 아랍어 예시, WER 대신 CER을 쓸 때를 정리했습니다."
url: https://broadrouter.com/ko/glossary/character-error-rate/
lang: ko
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

이 페이지는 영어 원문을 AI의 도움을 받아 번역했습니다. [영어 원문 읽기](https://broadrouter.com/glossary/character-error-rate/) (2026-11-15 업데이트).

# 문자 오류율(CER)

업데이트 2026-11-15

문자 오류율(CER)은 전사나 OCR의 정확도를 문자 단위로 측정하는 지표로, 출력을 정답 텍스트로 바꾸는 데 필요한 치환, 삭제, 삽입 횟수를 정답 텍스트의 문자 수로 나눈 값입니다. 낮을수록 좋고, 0이면 완전히 일치합니다.

다른 이름: CER, 문자 오류율, 글자 오류율, 문자 에러율, character error rate

WER은 단어가 몇 개 틀렸는지 묻습니다. CER은 글자가 몇 개 틀렸는지 묻는데, 아랍어에서는 이쪽이 더 공정한 질문일 때가 많습니다.

## 작동 방식

CER은 [단어 오류율](https://broadrouter.com/ko/glossary/word-error-rate/)과 같은 편집 거리 개념을 문자에 적용합니다. Hugging Face 지표 카드는 다음 계산식을 제시합니다.

`CER = (S + D + I) / N`. 여기서 S는 치환, D는 삭제, I는 삽입, N은 정답 텍스트의 문자 수입니다(N = S + D + C, C는 맞은 문자 수).

아랍어 예시를 보겠습니다. 정답은 “وبالكتاب”(“그리고 그 책으로”, 한 단어, 8글자)이고, 전사 결과는 알리프 하나가 빠진 “وبلكتاب”입니다.

| 지표 | 오류 | 정답 단위 수 | 점수 |
| --- | --- | --- | --- |
| WER | 틀린 단어 1개 | 1단어 | 1.0(100%) |
| CER | 삭제된 글자 1개 | 8문자 | 0.125(12.5%) |

WER에서는 글자 하나만 빠져도 단어 전체가 틀린 것이 됩니다. CER은 전사가 거의 맞았다는 것을 보여 줍니다.

Python에서는 `jiwer` 패키지가 `jiwer.cer(reference, hypothesis)`로 계산하고, `jiwer.process_characters`는 정렬 결과까지 돌려줍니다. WER과 마찬가지로 먼저 양쪽을 정규화하세요. 구두점, 공백, 그리고 아랍어라면 발음 구별 기호와 알리프·야 형태입니다. [아랍어 텍스트 정규화](https://broadrouter.com/ko/glossary/arabic-text-normalization/)를 참고하세요.

## 왜 중요한가

-   **아랍어 형태론.** 아랍어는 접속사, 전치사, 대명사를 접어로 단어에 붙이기 때문에, 영어로 서너 단어인 내용을 한 단어가 담을 수 있습니다. 접두 글자 하나만 틀려도 WER에서는 단어 하나를 통째로 잃습니다. CER은 이를 문자 하나로 셉니다.
-   **띄어쓰기가 없는 언어.** WER에는 단어 경계가 필요합니다. Hugging Face 카드는 CER이 “especially for multilingual datasets where WER is not suitable given the diversity of languages.”(번역: 특히 언어가 다양해 WER이 적합하지 않은 다국어 데이터셋에) 유용하다고 설명합니다.
-   **오류 유형.** WER은 높은데 CER이 낮은 모델은 단어를 거의 맞히고 있는 것입니다. 철자, 함자, 접어 실수처럼 정규화나 교정 단계로 고칠 수 있는 오류입니다. CER이 높다면 모델이 단어나 내용을 통째로 놓치고 있다는 뜻입니다.
-   **OCR에도 쓰입니다.** 이미지에서 읽은 텍스트도 같은 지표로 채점하므로, [OCR](https://broadrouter.com/ko/glossary/ocr/) 파이프라인을 비교할 때 유용합니다.

지표 카드는 CER이 오류가 왜 생기는지는 알려 주지 않는다고도 경고합니다. 점수와 함께 전사 샘플을 읽어 보세요.

## BroadNet Inference에서는

BroadNet은 [BroadNet Transcribe Arabic](https://broadrouter.com/ko/models/cohere-transcribe-arabic/)과 [BroadNet Transcribe](https://broadrouter.com/ko/models/cohere-transcribe/)에 대해 CER이 아니라 WER을 공개합니다. CER이 필요하면 직접 녹음한 테스트 세트를 전사해 채점하세요. [아랍어 WER 해설](https://broadrouter.com/ko/blog/arabic-asr-wer-explained/) 글에는 정규화 함수와 WER, CER을 모두 출력하는 `jiwer` 스크립트가 있고, [아랍어 음성 인식 가이드](https://broadrouter.com/ko/guides/arabic-speech-to-text-api/)에는 요청 코드가 있습니다. 항상 `language=ar`을 보내세요. 이 값이 없으면 아랍어가 라틴 문자로 음역되어 돌아올 수 있고, 그러면 두 점수 모두 엉망이 됩니다.

## 흔한 실수

-   **공백을 일관되게 세지 않는 것.** 공백을 문자로 셀지 정하고, 비교하는 모든 모델에 같은 규칙을 적용하세요.
-   **내 CER을 다른 사람의 WER과 비교하는 것.** 둘은 척도가 다릅니다. 같은 것끼리 비교하세요.

## 자주 묻는 질문

### CER이 100%를 넘을 수 있나요?

네. Hugging Face 지표 카드에 따르면 분모가 정답 텍스트의 문자 수만 세기 때문에, 특히 전사 결과에 삽입이 많을 때 CER이 항상 0과 1 사이에 있지는 않습니다.

### 아랍어에는 CER과 WER 중 무엇을 보고해야 하나요?

둘 다 보고하세요. 리더보드와 업체가 내세우는 것은 WER이라 비교하려면 WER이 필요합니다. CER은 오류가 단어 전체가 틀린 것인지, 여기저기 글자나 접어(clitic) 하나가 틀린 것인지 보여 주는데, WER로는 이것이 보이지 않습니다.

### BroadNet은 전사 모델의 CER을 공개하나요?

아니요. BroadNet은 WER만 공개합니다. CER이 필요하면 jiwer 같은 도구로 자체 테스트 세트를 채점하세요.

## 함께 보기

-   [단어 오류율(WER)](https://broadrouter.com/ko/glossary/word-error-rate/) (용어)
-   [음성 인식(Speech-to-text, STT)](https://broadrouter.com/ko/glossary/speech-to-text/) (용어)
-   [아랍어 텍스트 정규화(Arabic text normalization)](https://broadrouter.com/ko/glossary/arabic-text-normalization/) (용어)
-   [아랍어 발음 구별 기호(타슈킬, tashkeel)](https://broadrouter.com/ko/glossary/arabic-diacritics/) (용어)
-   [현대 표준 아랍어(MSA, Modern Standard Arabic)](https://broadrouter.com/ko/glossary/msa/) (용어)
-   [광학 문자 인식(OCR)](https://broadrouter.com/ko/glossary/ocr/) (용어)
-   [LLM 벤치마크(LLM benchmark)](https://broadrouter.com/ko/glossary/llm-benchmark/) (용어)
-   [아랍어 음성 인식(STT) API 사용법: 단계별 가이드](https://broadrouter.com/ko/guides/arabic-speech-to-text-api/) (가이드)
-   [아랍어 음성 인식 단어 오류율(WER) 쉽게 이해하기](https://broadrouter.com/ko/blog/arabic-asr-wer-explained/) (글)
-   [아랍어 음성 인식(STT) API: 2026년 선택 가이드](https://broadrouter.com/ko/blog/arabic-speech-to-text-api-buyers-guide/) (글)

실제 워크로드로 테스트해 보세요. 신규 계정에는 US$5 상당의 초기 크레딧이 제공되며 Gemma 및 음성 전사에 사용할 수 있습니다. DeepSeek, GLM 및 Qwen3.8 모델은 충전이 필요합니다.

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

**출처**

-   [Hugging Face evaluate, CER 지표 카드: 계산식, 1을 넘는 값, 다국어 활용(2026-11-15 확인)](https://raw.githubusercontent.com/huggingface/evaluate/main/metrics/cer/README.md)
-   [jiwer 문서, 사용법: jiwer.cer와 process\_characters(2026-11-15 확인)](https://jitsi.github.io/jiwer/usage/)
-   [BroadNet 모델 카탈로그, 음성 인식: 공개된 WER 측정값(2026-11-15 확인) (영어)](https://www.broadnet.ai/inference/models)
