Die Wortfehlerrate (WER) ist ein wichtiger Indikator zur Bewertung der Leistung automatischer Spracherkennungssysteme (ASR). Sie gibt das Verhältnis der Anzahl falsch erkannter Wörter zur Gesamtzahl der Wörter im Spracherkennungsprozess an. Je niedriger die WER, desto besser die Leistung des Spracherkennungssystems.

WER misst die Mindestanzahl an Bearbeitungen (Einfügungen, Löschungen, Ersetzungen), die erforderlich sind, um einen Referenztext in einen erkannten/generierten Text zu konvertieren, und normalisiert diese auf ein Verhältnis. Der Wertebereich reicht üblicherweise von 0 (vollständige Übereinstimmung) bis 1 (vollständiger Fehler) oder wird als Prozentsatz ausgedrückt (z. B. 5%-Fehlerrate). WER kann als wichtiger Feedback-Indikator im Modelltrainingsprozess verwendet werden. Durch die Überwachung von Änderungen der Wortfehlerrate können Forscher die Modellparameter anpassen und die Trainingsstrategie optimieren, um die Leistung des Modells zu verbessern. Wenn beispielsweise beim Training eines Spracherkennungsmodells die Wortfehlerrate zu hoch ist, kann es notwendig sein, die Trainingsdaten zu erhöhen, die Modellarchitektur zu verbessern oder den Trainingsalgorithmus anzupassen.