---
title: "단어 오류율(WER)이란? 계산 공식과 예시 | BroadRouter"
description: "단어 오류율(WER)은 치환, 삭제, 삽입 오류를 정답 단어 수로 나눠 음성 인식 정확도를 측정합니다. 계산 공식, 실제 계산 예시, WER을 읽는 법을 정리했습니다."
url: https://broadrouter.com/ko/glossary/word-error-rate/
lang: ko
updated: 2026-11-16
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/word-error-rate/) (2026-11-16 업데이트).

# 단어 오류율(WER)

업데이트 2026-11-16

단어 오류율(WER)은 음성 인식의 표준 정확도 지표입니다. 전사 결과를 올바른 정답 텍스트로 바꾸는 데 필요한 단어 치환, 삭제, 삽입 횟수를 정답 텍스트의 단어 수로 나눈 값이며, 낮을수록 좋습니다.

다른 이름: 단어 오류율, 단어 에러율, 음성 인식 정확도, 전사 정확도, STT 정확도, 단어 정확도, WER, word error rate, ASR accuracy, transcription accuracy, word accuracy

WER은 한 가지 질문에 답합니다. 누군가 말한 100단어 중 전사 결과가 몇 개를 틀렸는가?

## 작동 방식

모델의 전사 결과를 사람이 만든 올바른 정답 텍스트와 정렬한 뒤, 세 종류의 오류를 셉니다.

-   **S**ubstitution(치환): 맞는 단어 자리에 틀린 단어가 들어간 경우
-   **D**eletion(삭제): 말했는데 빠진 단어
-   **I**nsertion(삽입): 말하지 않았는데 들어간 단어

`WER = (S + D + I) / N`이며, 여기서 N은 정답 텍스트의 단어 수입니다.

예시를 보겠습니다. 정답은 “please send the invoice to our office today”(8단어)이고, 전사 결과는 “please send an invoice to office today now”입니다.

| 오류 | 개수 |
| --- | --- |
| “the” → “an” | 치환 1 |
| “our” 누락 | 삭제 1 |
| “now” 추가 | 삽입 1 |

WER = 3 / 8 = 0.375, 즉 37.5%입니다. Wikipedia는 WER이 단어 단위 편집 거리이며, 삽입 수에 상한이 없기 때문에 “can be larger than 1.0.”(번역: 1.0보다 클 수 있다)라고 설명합니다.

Python의 `jiwer` 패키지 같은 도구로 계산할 수 있습니다. 먼저 양쪽 텍스트를 정규화하세요. 대소문자, 구두점, 숫자를 숫자로 쓸지 단어로 쓸지, 그리고 아랍어라면 발음 구별 기호와 알리프·야 형태입니다. 정규화 방식만 바꿔도 점수가 눈에 띄게 달라질 수 있습니다.

## 왜 중요한가

-   **모델 비교.** WER은 리더보드와 업체 홍보 자료에서 공통으로 쓰는 지표라서, [음성 인식](https://broadrouter.com/ko/glossary/speech-to-text/) API를 고를 때 첫 번째 필터가 됩니다.
-   **내 오디오는 다릅니다.** 같은 모델이라도 낭독 음성과 방언 전화 통화에서 점수가 크게 다를 수 있습니다. 아랍어라면 [현대 표준 아랍어](https://broadrouter.com/ko/glossary/msa/)와 방언 오디오의 수치가 다르게 나옵니다. 내 녹음과 비슷한 오디오로 테스트하세요.
-   **모든 오류가 같지는 않습니다.** WER은 모든 단어를 같은 무게로 셉니다. 계좌 번호를 틀린 것도, “the” 하나가 빠진 것도 오류 하나입니다. 점수만 보지 말고 전사 결과를 직접 읽어 보세요.

## BroadNet Inference에서는

BroadNet은 [BroadNet Transcribe Arabic](https://broadrouter.com/ko/models/cohere-transcribe-arabic/)에 대한 자체 랩 측정값을 공개합니다.

| 테스트 세트 | 내용 | WER(%) |
| --- | --- | --- |
| FLEURS-ar | 깨끗한 낭독 문장 | 3.8 |
| MASC-ar | 실제 환경의 다양한 아랍어 음성 | 21.1 |
| BroadNet 방언 세트 | 방언 음성 | 23.4 |

3.8과 23.4의 차이가 직접 테스트해야 하는 이유를 보여 줍니다. BroadNet은 이 모델의 Open Universal Arabic ASR Leaderboard 순위(37개 중 2위 (2026년 9월 기준 수치이며, 2026년 11월 15일 실시간 리더보드에서는 39개 중 4위))도 보고합니다. $5 초기 크레딧으로 아랍어 오디오 약 1,190분을 처리할 수 있어 테스트 세트에 충분합니다. [구매 가이드](https://broadrouter.com/ko/blog/arabic-speech-to-text-api-buyers-guide/)에 1시간짜리 테스트 계획이, [아랍어 가이드](https://broadrouter.com/ko/guides/arabic-speech-to-text-api/)에 코드가 있습니다.

## 자주 묻는 질문

### 단어 오류율은 얼마면 좋은 건가요?

오디오에 따라 다릅니다. 깨끗한 낭독 음성은 한 자릿수가 나올 수 있지만, 같은 모델이라도 잡음이 많은 대화나 방언 오디오에서는 훨씬 높게 나오는 경우가 많습니다. 모델은 같은 테스트 세트, 가능하면 직접 녹음한 오디오로 비교하세요.

### WER이 100%를 넘을 수도 있나요?

네. 삽입 오류는 세지만 분모는 정답 단어 수뿐이라서, 불필요한 단어가 많이 들어간 전사 결과는 1.0을 넘을 수 있습니다.

### WER은 백분율로 쓰나요, 소수로 쓰나요?

둘 다 흔합니다. 0.211과 21.1은 보통 같은 뜻으로, 정답 100단어당 약 21개의 오류입니다. 출처가 어느 쪽을 쓰는지 확인하세요.

## 함께 보기

-   [음성 인식(Speech-to-text, STT)](https://broadrouter.com/ko/glossary/speech-to-text/) (용어)
-   [데이터 비보관(Zero data retention, ZDR)](https://broadrouter.com/ko/glossary/zero-data-retention/) (용어)
-   [현대 표준 아랍어(MSA, Modern Standard Arabic)](https://broadrouter.com/ko/glossary/msa/) (용어)
-   [코드 스위칭(code-switching)](https://broadrouter.com/ko/glossary/code-switching/) (용어)
-   [문자 오류율(CER)](https://broadrouter.com/ko/glossary/character-error-rate/) (용어)
-   [아랍어 음성 인식(STT) API 사용법: 단계별 가이드](https://broadrouter.com/ko/guides/arabic-speech-to-text-api/) (가이드)
-   [API로 WhatsApp 음성 메시지를 텍스트로 전사하기](https://broadrouter.com/ko/guides/transcribe-whatsapp-voice-notes/) (가이드)
-   [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-word-error-rate&utm_content=page-cta) ·

**출처**

-   [단어 오류율(Wikipedia) (2026-11-16 확인)](https://en.wikipedia.org/wiki/Word_error_rate)
-   [Hugging Face Tasks, 자동 음성 인식(WER) (2026-11-16 확인)](https://huggingface.co/tasks/automatic-speech-recognition)
-   [BroadNet 모델 카탈로그, 음성 인식(랩 측정값) (2026-11-16 확인) (영어)](https://www.broadnet.ai/inference/models)
-   [Open Universal Arabic ASR Leaderboard (2026-11-16 확인)](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
