一句话定义：WER（Word Error Rate，词错误率）是衡量语音识别（ASR，Automatic Speech Recognition）转写结果与标准答案差多少的指标，数值越低越好。
它怎么算
把识别结果和人工标注的正确答案（reference）按词对齐，数三类错误：
- 替换（Substitution）：说“天气”，识别成“田七”
- 删除（Deletion）：说“请帮我查一下”，识别成“请帮我查”
- 插入（Insertion）：没说“的”，结果里多出一个“的”
公式很简单：
> WER =（替换数 + 删除数 + 插入数）/ 参考文本的总词数
打个比方，这像老师改默写：写错一个、漏写一个、多写一个都算错，最后拿总错误数除以标准答案的词数。要注意分母是“标准答案有几词”，不是识别结果有几词。
中英文的“词”不是一回事。英文按空格切；中文要先分词，按字切还是按词切，算出来的数会不一样。所以比较两个模型的 WER 之前，先确认口径一致，否则是关公战秦琼。
和相邻概念的区别
| 指标 | 看什么 | 局限 |
|---|---|---|
| WER | 词一级的对错 | 错一个关键词和错一个“的”，权重一样 |
| CER（字错误率） | 字一级的对错 | 中文场景更常用，但同样不区分重要性 |
| 句准率 | 整句是否完全正确 | 一句话错一个字，整句就全错，数字往往很难看 |
它什么时候会骗人
第一，文本归一化规则。参考写“2024年”，识别输出“二零二四年”，算不算错？标点、大小写、数字格式怎么处理，口径一变，WER 能差好几个点。
第二，平均值掩盖长尾。WER 是所有词的平均，模型可能整体漂亮，但人名、地名、专业术语错得离谱。做会议记录、医疗听写时，偏偏就是这些词最要命。一个整体 8% 的 WER，可能意味着关键实体错了三成。
第三，测试集偏“干净”。在朗读式新闻语料上 WER 很低，换成嘈杂环境、方言、多人抢话，数字会明显变差。榜单上的成绩通常来自安静、标准发音的测试集，不能直接等同于你的业务场景。
第四，分母小时波动大。只测 20 个词，错 2 个就是 10%，样本太少时这个数字参考价值有限。
对从业者和普通职场人的意义
WER 是入门指标，不是产品指标。真正上线要看下游任务：语音输入法关心用户改不改字，客服质检关心关键词有没有抓到，字幕关心可读性和时间轴对不对得上。做评测时，除了报整体 WER，最好按词频、领域、说话人分层再看一眼，并把文本归一化规则写清楚。指标的具体定义、测试集构成和计算脚本，以官方页面或论文为准。