---
title: "阿拉伯语 WER 详解：语音识别词错误率怎么算 | BroadRouter"
description: "词错误率是什么意思、怎么计算，以及为什么阿拉伯语 WER 对变音符号、拼写归一化和方言如此敏感。附 Python 代码和真实数据。"
url: https://broadrouter.com/zh/blog/arabic-asr-wer-explained/
lang: zh-Hans
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

本页由英文原文借助 AI 翻译。[阅读英文原文](https://broadrouter.com/blog/arabic-asr-wer-explained/)（2026-11-14 更新）。

# 阿拉伯语语音识别的词错误率（WER）详解

BroadNet Inference 团队 · 阅读约 5 分钟 · 发布于 2026-11-14

词错误率（WER）是被替换、删除和插入的词数之和，除以参考转写中的词数，越低越好。阿拉伯语 WER 很难横向比较，因为变音符号、alef 与 ta marbuta 的拼写以及方言都会推高它。BroadNet 报告，BroadNet Transcribe Arabic 在 FLEURS-ar 上的 WER 为 3.8，在方言语音上为 23.4。

## 要点

-   WER =（替换 + 删除 + 插入）/ 参考转写的词数。它可以超过 100%。
-   阿拉伯语的拼写变体（أ/إ/ا、ة/ه、ى/ي、变音符号）都可能被算作错误，除非先把两边文本归一化。
-   务必说明你用的归一化方式。归一化方式不同的两个 WER 数字不可比较。
-   BroadNet 报告，BroadNet Transcribe Arabic 在 FLEURS-ar 上为 3.8，在 MASC-ar 上为 21.1，在其方言测试集上为 23.4。
-   不要只看分数，要看错误本身：金额里错一个数字，比错十个虚词更要紧。

**本页内容**

1.  什么是词错误率？
2.  为什么阿拉伯语 WER 难以比较？
3.  归一化对分数影响有多大？
4.  怎么用 Python 计算阿拉伯语 WER？
5.  BroadNet 报告的阿拉伯语 WER 是多少？
6.  怎么在自己的音频上测量 WER？
7.  除了 WER 还应该测量什么？

[词错误率](https://broadrouter.com/zh/glossary/word-error-rate/)（WER）是被替换、删除和插入的词数之和，除以正确转写中的词数，越低越好。阿拉伯语 WER 很容易被抬高：同一份正确的转写可以有好几种写法，简单粗暴的比较会把每一种拼写选择、变音符号和方言拼写都算作错误。

本文解释 WER 衡量的是什么、为什么阿拉伯语让它变得难以捉摸，以及如何计算才能让数字有意义。要搭建测试集本身，请看[阿拉伯语方言语音识别](https://broadrouter.com/zh/blog/arabic-dialect-speech-recognition/)；要选择服务商，请看[阿拉伯语语音转文字 API 选购指南](https://broadrouter.com/zh/blog/arabic-speech-to-text-api-buyers-guide/)。

## 什么是词错误率？

词错误率把机器转写（假设）和正确的人工转写（参考）做比较。它找出把一方变成另一方所需的最少词级编辑次数：

-   \*\*S，替换：\*\*一个词被换成了另一个词。
-   \*\*D，删除：\*\*参考中的词在假设中缺失。
-   \*\*I，插入：\*\*假设中多出来的词。

于是：

**WER = (S + D + I) / N**，其中 N 是参考转写的词数。

WER 为 0.10（常写作 10）表示大约每十个参考词出一个错。越低越好。因为插入也算数，一份满是凭空编造词语的转写，WER 可以超过 100%。

字符错误率（CER）是同一个公式，只是按字符计算。它对阿拉伯语很有用，因为在阿拉伯语里，前缀错一个字母，整个词就会被算错。

## 为什么阿拉伯语 WER 难以比较？

### 1\. 变音符号

阿拉伯语的短元音用标在字母上下的可选符号（tashkeel）表示：fatha、damma、kasra、sukun、shadda 和 tanween。日常文本不写这些符号。如果你的参考转写是“مَدْرَسَةٌ”，模型写的是“مدرسة”，严格比较会算作一次替换，尽管任何阿拉伯语读者都知道这是同一个词。

### 2\. 拼写变体

有几个字母存在常见的、公认的变体：

| 变体 | 示例 | 常用归一化 |
| --- | --- | --- |
| alef 上的 hamza | أحمد / احمد，إلى / الى | 把 أ إ آ 映射为 ا |
| ta marbuta 与 ha | مدرسة / مدرسه | 把 ة 映射为 ه |
| alef maqsura 与 ya | على / علي（不严谨的书写中） | 把 ى 映射为 ي |
| 带 alef 的 tanween | صباحاً / صباحا | 去掉变音符号 |
| tatweel（拉长符） | جـمـيـل / جميل | 删除 ـ |

### 3\. 附着词与词边界

阿拉伯语会把连词、介词和代词附着在词上：“وبمدرستهم”一个书写单词就是“以及在他们的学校里”。如果模型写成带空格的“و بمدرستهم”，词数就变了，WER 会罚它两次。有些评测会先把词切分成语素，大多数不会。要清楚你看的是哪一种。

### 4\. 方言

与[现代标准阿拉伯语](https://broadrouter.com/zh/glossary/msa/)不同，方言语音没有标准拼写。埃及人说“我想要”，可能被转写成“عايز”或“عاوز”；海湾人说“什么”，可能是“وش”或“ويش”。有些转写员还会把方言“纠正”成 MSA。即使意思完全正确，每一处都是 WER 错误。这在很大程度上解释了为什么方言 WER 比朗读语音高那么多。

### 5\. 数字与语码转换

说话人经常在句子中途切换到英语（[语码转换](https://broadrouter.com/zh/glossary/code-switching/)）。是写“٢٥”、“25”还是“خمسة وعشرين”？英文品牌名用拉丁字母写，还是用阿拉伯字母写？定一个约定，把它用到参考转写上，再把假设归一化到同一约定。

## 归一化对分数影响有多大？

参考：**ذهبت إلى المدرسة صباحاً**（“我早上去了学校”）

假设：**ذهبت الى المدرسه صباحا**

不做归一化时，四个词里有三个不同（إلى/الى、المدرسة/المدرسه、صباحاً/صباحا）：\*\*WER 75%。\*\*把两边文本归一化后，两者完全相同：\*\*WER 0%。\*\*同一份转写、同样的质量，数字却从糟糕变成了完美。这就是为什么不附归一化规则的 WER 数字说明不了什么。

## 怎么用 Python 计算阿拉伯语 WER？

```python
import re
import jiwer  # pip install jiwer

DIACRITICS = re.compile(r"[ً-ْٰ]")   # tanween, harakat, shadda, sukun, dagger alef
PUNCT = re.compile(r"[^\w\s]")

def normalise_ar(text: str) -> str:
    text = DIACRITICS.sub("", text)
    text = text.replace("ـ", "")                # tatweel
    text = re.sub("[أإآٱ]", "ا", text)
    text = text.replace("ى", "ي").replace("ة", "ه")
    text = text.translate(str.maketrans("٠١٢٣٤٥٦٧٨٩", "0123456789"))
    text = PUNCT.sub(" ", text)
    return " ".join(text.split())

refs = ["ذهبت إلى المدرسة صباحاً"]
hyps = ["ذهبت الى المدرسه صباحا"]

print("raw WER:", jiwer.wer(refs, hyps))
print("normalised WER:", jiwer.wer([normalise_ar(r) for r in refs], [normalise_ar(h) for h in hyps]))
print("normalised CER:", jiwer.cer([normalise_ar(r) for r in refs], [normalise_ar(h) for h in hyps]))
```

对参考转写和假设使用完全相同的函数，比较的每个模型都一样。把这个函数和你的数字一起公布。

## BroadNet 报告的阿拉伯语 WER 是多少？

BroadNet 在其[模型目录](https://www.broadnet.ai/inference/models)中公布了 [BroadNet Transcribe Arabic](https://broadrouter.com/zh/models/cohere-transcribe-arabic/) 的实验室测量结果：

| 测试集 | 内容 | BroadNet 报告的 WER |
| --- | --- | --- |
| FLEURS-ar | 清晰的朗读句子 | 3.8 |
| MASC-ar | 混合的真实场景阿拉伯语语音 | 21.1 |
| BroadNet 方言测试集 | 方言语音 | 23.4 |

BroadNet 还报告，该模型在 [Open Universal Arabic ASR Leaderboard](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard) 上排名 第 2 名（共 37 个）（这是 2026年9月的数据；2026年11月15日实时榜单上为 39 个中的第 4 名），在许可证允许通过 API 提供服务的模型中排名第一。这些是 BroadNet 自己的数据，不是独立审计。该排行榜对每个模型使用同一套评测设置，所以它的排名比各家厂商页面上的单独数字更具可比性。

要看差距，而不只是最好的那个数字。从 3.8 到 23.4 的跳跃，是同一个模型在朗读语音和自发方言语音之间的差距，所以要在这两类音频上测试每个候选模型。你自己的音频，无论是呼叫中心录音、WhatsApp 语音消息还是会议，都会落在这个区间的某个位置，只有测试才能告诉你具体在哪里。

## 怎么在自己的音频上测量 WER？

1.  \*\*按条件抽样。\*\*按方言和声道（电话、语音消息、录音棚）给音频片段分组。[方言测试集的方法](https://broadrouter.com/zh/blog/arabic-dialect-speech-recognition/)讲了样本量和拼写约定。
2.  \*\*用每个候选模型转写。\*\*在 BroadNet 上要传 `language=ar`；不传的话，阿拉伯语可能会以拉丁字母转写的形式返回。[阿拉伯语语音转文字指南](https://broadrouter.com/zh/guides/arabic-speech-to-text-api/)里有代码，$5 的初始额度大约够转写 1,190 分钟音频。
3.  \*\*归一化并打分。\*\*使用上面的函数，按组报告 WER 和 CER。
4.  \*\*看错误本身。\*\*按出现频率给替换错误排序。如果最常见的错误是人名、金额或产品编号，对业务的影响就比分数显示的更大。

## 除了 WER 还应该测量什么？

WER 对每个词一视同仁，但你的产品不是。客服机器人关心意图；开票流程关心数字；合规团队关心特定措辞。在 WER 旁边加一个任务指标：大模型读完转写后的意图准确率，或者抽取出的金额是否完全一致。一个 WER 稍高的模型，如果它的错误落在无关紧要的词上，仍然可能胜出。

至于成本，把你每月的音频小时数填进免费的[语音转文字费用计算器](https://broadrouter.com/tools/speech-to-text-cost-calculator/)，再看看阿拉伯语模型和 14 语种模型在 [BroadNet Transcribe 与 Transcribe Arabic 对比](https://broadrouter.com/compare/cohere-transcribe-vs-cohere-transcribe-arabic/)中有何不同。

相关免费工具（英文）

-   [Arabic token counter](https://broadrouter.com/tools/arabic-token-counter/) Arabic vs English token counts per tokenizer: the "Arabic tax" in tokens and money.
-   [Arabic text normalizer](https://broadrouter.com/tools/arabic-text-normalizer/) Tashkeel, tatweel, alef, ya, ta marbuta, digits and invisible characters, with a matching Python function.
-   [Speech-to-text cost calculator](https://broadrouter.com/tools/speech-to-text-cost-calculator/) Hours, calls or voice notes to a monthly transcription bill, against your current provider.

[免费工具（英文）](https://broadrouter.com/tools/)

## 本文涉及的术语

[词错误率（WER，word error rate）](https://broadrouter.com/zh/glossary/word-error-rate/)

词错误率（WER）是语音识别的标准准确率指标：把转写结果改成正确参考文本所需的替换、删除和插入词数，除以参考文本的词数。数值越低越好。

[阿拉伯语变音符号（tashkeel）](https://broadrouter.com/zh/glossary/arabic-diacritics/)

阿拉伯语变音符号（tashkeel）是写在字母上方或下方的小符号，用来标示短元音、辅音重叠和无元音。它们是可选的：包括新闻在内，大多数阿拉伯语文本都省略它们，读者和软件需要根据上下文推断元音。

[现代标准阿拉伯语（MSA）](https://broadrouter.com/zh/glossary/msa/)

现代标准阿拉伯语（MSA）是阿拉伯世界在书面、新闻、教育和正式讲话中使用的标准化阿拉伯语。它不是任何人日常使用的母语：人们平时说埃及阿拉伯语、海湾阿拉伯语等地区方言，在正式场合才切换到 MSA。

[语码转换（code-switching）](https://broadrouter.com/zh/glossary/code-switching/)

语码转换是在同一段对话或同一句话中使用两种或更多语言，或同一语言的不同变体，口语和书面语都有。例如讲阿拉伯语的人在方言里夹杂英语单词，或在现代标准阿拉伯语和方言之间来回切换。

[语音转文字（speech-to-text）](https://broadrouter.com/zh/glossary/speech-to-text/)

语音转文字，也叫自动语音识别（ASR），是把口语音频转换成书面文字的技术。语音转文字 API 接收音频文件或音频流并返回转写文本，通常按音频分钟计价。准确率用词错误率衡量，会随口音、方言和录音质量变化。

[字错误率（CER，character error rate）](https://broadrouter.com/zh/glossary/character-error-rate/)

字错误率（CER）在字符层面衡量转写或 OCR 的准确度：把输出变成参考文本所需的替换、删除和插入次数，除以参考文本的字符数。越低越好，0 表示完全一致。

[海姆宰（hamza）](https://broadrouter.com/zh/glossary/hamza/)

Hamza（ء，海姆宰）是阿拉伯语表示声门塞音的字母。它可单独书写，也可写在 alef（أ إ）、waw（ؤ）或 yeh（ئ）上，آ 则是 alef 加 madda。由于输入文本对它的写法不一致，搜索引擎和语音评分常把 alef 形式统一为 ا。

[阿拉伯语文本规范化（Arabic text normalization）](https://broadrouter.com/zh/glossary/arabic-text-normalization/)

阿拉伯语文本规范化是在匹配之前把同一个词的不同拼写统一成一种形式的步骤：去掉变音符号和 tatweel，统一 alef 的各种写法，通常还把 ى 映射为 ي、把 ة 映射为 ه。它用于搜索键和评测，不用于展示的文本。

## 常见问题

### 阿拉伯语 WER 多少算好？

在清晰的朗读语音上，可以做到个位数；BroadNet 报告在 FLEURS-ar 上为 3.8。在真实场景和方言音频上，数字会高得多；BroadNet 报告在 MASC-ar 上为 21.1，在其方言测试集上为 23.4。请用相同的归一化方式，在你自己的音频上比较模型。

### 计算阿拉伯语 WER 之前要去掉变音符号吗？

通常要。大多数阿拉伯语书写时不标短元音符号，模型添加这些符号也不一致。除非你的产品需要带元音标注的文本，否则把参考转写和模型输出中的变音符号都去掉。

### CER 是什么，什么时候该用？

字符错误率用的是同样的公式，只是按字符而不是按词计算。它对阿拉伯语没那么苛刻，因为在阿拉伯语里前缀错一个字母，整个词就算错，所以它适合和 WER 一起使用。

### WER 会超过 100% 吗？

会。插入也算错误，所以一个凭空多出很多词的模型，错误数可能超过参考转写的词数。

### 怎么用 Python 计算阿拉伯语 WER？

安装 jiwer，用同一个函数把参考转写和模型输出都归一化（去掉变音符号和 tatweel，统一 alef、yaa 和 ta marbuta，转换东阿拉伯数字），然后调用 jiwer.wer(references, hypotheses)。在分数旁边注明归一化方式。

### 为什么阿拉伯语 WER 比英语高？

一部分是真实的难度（方言、附着词、语码转换），一部分是评分方式：阿拉伯语有公认的拼写变体和可选的变音符号，严格比较会把每一处都算作错误。把两边文本归一化，就能去掉评分造成的那部分。

## 继续阅读

-   [阿拉伯语语音转文字 API：2026 年怎么选](https://broadrouter.com/zh/blog/arabic-speech-to-text-api-buyers-guide/)
-   [呼叫中心录音怎么转写：一条支持阿拉伯语的流水线](https://broadrouter.com/zh/blog/transcribe-call-center-recordings/)
-   [阿拉伯语 RAG：真正有效的规范化、分块与检索](https://broadrouter.com/zh/blog/arabic-rag-search/)
-   [多语言语音转文字 API：14 种语言，一个端点](https://broadrouter.com/zh/blog/multilingual-speech-to-text-api/)
-   [用大模型给阿拉伯语加注音符号：提示词、校验与 DER](https://broadrouter.com/zh/blog/arabic-diacritization-llm/)
-   [用大模型做阿拉伯语语法和拼写纠错：实操指南](https://broadrouter.com/zh/blog/arabic-grammar-spelling-correction-llm/)
-   [指南：阿拉伯语语音转文字 API 分步教程](https://broadrouter.com/zh/guides/arabic-speech-to-text-api/)

用你的真实业务负载试一试。新账户可获得 US$5 初始额度，用于 Gemma和转写。DeepSeek、GLM和Qwen3.8 需要先充值。

[开始使用](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-arabic-asr-wer-explained&utm_content=page-cta) ·

**来源**

-   [BroadNet 模型目录，语音转文字：BroadNet 报告的 WER 与排行榜排名（2026-11-14 查阅）（英文）](https://www.broadnet.ai/inference/models)
-   [Open Universal Arabic ASR Leaderboard，Hugging Face Space（2026-11-14 查阅）](https://huggingface.co/spaces/elmresearchcenter/open_universal_arabic_asr_leaderboard)
-   [Wang、Alhmoud 和 Alqurishi，Open Universal Arabic ASR Leaderboard（Interspeech 2025；2026-11-14 查阅）](https://www.isca-archive.org/interspeech_2025/wang25_interspeech.html)
-   [Conneau 等，FLEURS: Few-shot Learning Evaluation of Universal Representations of Speech（arXiv；2026-11-14 查阅）](https://arxiv.org/abs/2205.12446)
-   [jiwer：计算 WER 和 CER 的 Python 包（2026-11-14 查阅）](https://github.com/jitsi/jiwer)
