Le taux d'erreurs de mots (WER) est l'un des indicateurs importants pour évaluer les performances des systèmes de reconnaissance vocale automatique (RAP). Il reflète le rapport entre le nombre de mots mal reconnus et le nombre total de mots traités par le processus de reconnaissance vocale. Plus le WER est faible, meilleures sont les performances du système de reconnaissance vocale.

Le taux d'erreurs (WER) mesure le nombre minimal de modifications (insertions, suppressions, substitutions) nécessaires à la conversion d'un texte de référence en texte reconnu/généré, et le normalise selon un ratio. La plage de valeurs est généralement comprise entre 0 (correspondance parfaite) et 1 (erreur complète), ou exprimée en pourcentage (par exemple, le taux d'erreur 5%). Le WER peut être utilisé comme un indicateur de rétroaction important dans le processus d'apprentissage du modèle. En surveillant l'évolution du taux d'erreurs sur les mots, les chercheurs peuvent ajuster les paramètres du modèle et optimiser la stratégie d'apprentissage afin d'en améliorer les performances. Par exemple, lors de l'apprentissage d'un modèle de reconnaissance vocale, si le taux d'erreurs sur les mots est trop élevé, il peut être nécessaire d'augmenter les données d'apprentissage, d'améliorer l'architecture du modèle ou d'ajuster l'algorithme d'apprentissage.