Taligenkänning och modeller
Ordfelsfrekvens (WER)
Andelen ord som är fel, saknas eller lagts till, delat med antalet ord i facit.
Ordfelsfrekvens, på engelska word error rate och förkortat WER, är standardmåttet på hur träffsäker en transkribering är.
Formeln är enkel:
WER = (ersättningar + utelämnanden + tillägg) / antal ord i facitAlla tre feltyperna räknas lika. Ett ord som saknas väger lika tungt som ett ord som är fel.
Vad siffrorna betyder
| WER | Betyder | I praktiken |
|---|---|---|
| Under 5 % | 19 av 20 ord rätt | Lätt rättning, mest egennamn |
| 5 till 10 % | 9 av 10 rätt | Användbart, viss rättning |
| 10 till 20 % | 4 av 5 rätt | Tungt, men snabbare än att skriva själv |
| Över 20 % | Vart femte ord fel | Överväg att skriva själv |
Varför siffror i marknadsföring är värda lite
”98 procents träffsäkerhet” säger ingenting utan att ange vad som mätts. Nästan alla system kommer över 95 procent på en person som läser tydligt från manus i ett ljudisolerat rum. Inga möten ser ut så.
De variabler som faktiskt avgör: hur nära mikrofonen stod, hur många som talade, om någon talade samtidigt, vilken dialekt, och hur mycket fackspråk. Utan dem är siffran inte jämförbar mellan leverantörer.
En begränsning hos måttet
WER väger alla ord lika. Ett bortfallet ”och” räknas lika mycket som ett felstavat efternamn, även om det andra är långt värre för dig. Därför är det värt att räkna egennamn och fackord för sig när du testar.