WER может быть 150% — и это не опечатка 🎙️
Качество распознавания речи часто измеряют метрикой Word Error Rate. Для неё находят минимальное число слов, которые нужно заменить, удалить или вставить, чтобы расшифровка совпала с эталоном. Затем результат делят на количество слов в эталоне.
Пусть там было: «встреча началась». Система услышала: «встреча уже началась сегодня утром». Три лишних слова при эталоне из двух дают WER 150%.
У вставок нет верхнего предела, поэтому метрика вполне может превышать 100%. Это не сбой расчёта, а очень неудачная расшифровка. Чем ниже WER, тем точнее совпадение по словам.
