音声認識システムについて調べたことまとめ

評価方法

• 単語誤り率
  • WER（Word Error Rate)
• 文字誤り率
  • CER（Character Error Rate）

前提: 基本的な考え方

認識間違い(エラー)として以下の3つにわけられる。

• 置換 エラー(S)
  • 文字/単語のスペルミス
• 削除 エラー(D)
  • 文字/単語の紛失または欠落
• 挿入 エラー(I)
  • 文字/単語の誤った包含

WER

計算式は以下

（挿入単語数 ＋ 置換単語数 ＋ 削除単語数）／正解単語数

CER

計算式は以下

（挿入語数 ＋ 置換語数 ＋ 削除語数）／正解語数

参考資料

• 音声認識の「認識精度（認識率）」について - AmiVoice Techblog
• クラウド型音声認識を評価。精度が良いのはどれ？
• AI現場レポート：音声認識の精度検証と意外な”落とし穴” - Retrieva OFFICIAL BLOG
• 音声認識の精度測定、単語誤り率(WER)と文字誤り率(CER) - Qiita
• 文字誤り率（CER）と単語誤り率（WER）によるOCR出力品質の評価