يُعدّ معدل خطأ الكلمات (WER) أحد المؤشرات المهمة لتقييم أداء أنظمة التعرف الآلي على الكلام (ASR). فهو يعكس نسبة عدد الكلمات التي تم التعرف عليها بشكل غير صحيح إلى إجمالي عدد الكلمات في عملية التعرف على الكلام. كلما انخفض معدل خطأ الكلمات، كان أداء نظام التعرف على الكلام أفضل.

يقيس معدل خطأ الكلمات (WER) الحد الأدنى لعدد التعديلات (الإدراج، الحذف، الاستبدالات) اللازمة للتحويل من نص مرجعي إلى نص مُعرَّف/مُولَّد، ويُطبَّعه بنسبة. يتراوح نطاق القيمة عادةً بين 0 (تطابق تام) و1 (خطأ كامل)، أو يُعبَّر عنه كنسبة مئوية (مثل معدل الخطأ 5%). يمكن استخدام معدل خطأ الكلمات (WER) كمؤشر تغذية راجعة مهم في عملية تدريب النموذج. من خلال مراقبة التغيرات في معدل خطأ الكلمات، يمكن للباحثين تعديل معلمات النموذج وتحسين استراتيجية التدريب لتحسين أدائه. على سبيل المثال، عند تدريب نموذج التعرف على الكلام، إذا كان معدل خطأ الكلمات مرتفعًا جدًا، فقد يكون من الضروري زيادة بيانات التدريب، أو تحسين بنية النموذج، أو تعديل خوارزمية التدريب.