เครื่องคำนวณอัตราความผิดพลาดระดับคำ

ทำไมการแจกแจงรายละเอียดจึงสำคัญ

อัตราความผิดพลาดระดับคำ (WER) คือผลรวมของคำที่ถูกแทนที่ คำที่ตกหล่น และคำที่เกินมา หารด้วยจำนวนคำทั้งหมดของบทถอดเสียงที่ถูกต้อง ซึ่งเป็นการวัดผลจริงตามหลักเกณฑ์ และให้น้ำหนักความสำคัญของทุกคำเท่าเทียมกัน

นั่นคือประเด็นปัญหา ลองพิจารณาบทถอดเสียงสองฉบับจากไฟล์เสียงหนึ่งชั่วโมงเดียวกัน ฉบับแรกได้คะแนนความผิดพลาด 3% โดยทุกจุดที่ผิดเป็นเพียงคำเติมเต็มหรือการพูดตะกุกตะกักตอนเริ่ม ส่วนอีกฉบับได้คะแนน 1% แต่ข้อผิดพลาดคือนามสกุล ตัวเลขในงบประมาณ และคำว่า “don’t” ที่หายไป ฉบับที่สองอาจชนะการทดสอบมาตรฐานถึงสามเท่า แต่ฉบับแรกคือฉบับที่คุณสามารถนำไปเผยแพร่ได้จริง ส่วนฉบับที่สองอาจกลายเป็นการอ้างว่ามีคนตกลงในสิ่งที่พวกเขาปฏิเสธ

ตัวเลขด้านบนคือสิ่งที่คุณมักเห็นในหน้าการตลาด แต่ตารางด้านล่างคือสิ่งที่จะตัดสินว่าบทถอดเสียงนั้นใช้งานได้จริงหรือไม่ เราได้เขียนอธิบายประเด็นนี้แบบละเอียดไว้ในบทความ ความหมายที่แท้จริงของ “แม่นยำ 99%”

วิธีคำนวณของระบบ

ไม่นำตัวพิมพ์เล็ก-ใหญ่และเครื่องหมายวรรคตอนมาคำนวณ

ตามนิยามมาตรฐานของตัวชี้วัดนี้ “The cat sat.” และ “the cat sat” จะได้คะแนนเท่ากันทุกประการ

ชื่อเฉพาะคือคำที่ขึ้นต้นด้วยตัวพิมพ์ใหญ่ที่พบบริเวณกลางประโยค

การประมาณการแบบเรียบง่ายและตรงไปตรงมา: ทุกประโยคขึ้นต้นด้วยอักษรตัวพิมพ์ใหญ่ ดังนั้นตัวพิมพ์ใหญ่ที่ต้นประโยคจึงบอกอะไรไม่ได้และจะไม่ถูกนำมานับ

ตัวเลขนับทั้งเลขอารบิกและคำที่สะกดเป็นตัวเลข

“240”, “eleven” และ “percent” ล้วนจัดอยู่ในกลุ่มเดียวกัน ตัวเลขนับได้ในทุกภาษา ส่วนตัวเลขที่เขียนเป็นคำและคำปฏิเสธนับได้เฉพาะในภาษาอังกฤษเท่านั้น

แต่ละคำจะถูกจัดอยู่ในหมวดหมู่เพียงหมวดเดียวเท่านั้น

เริ่มจากจุดที่ส่งผลมากที่สุดก่อน: “no” ที่ตกหล่นไปจะถูกนับเป็นคำปฏิเสธ ไม่ว่าจะขึ้นต้นด้วยตัวพิมพ์ใหญ่หรือไม่ก็ตาม

คำที่เกินมาจะไม่มีหมวดหมู่จัดสรร

หมวดหมู่ต่างๆ จะถูกนับเทียบจากบทถอดเสียงที่ถูกต้อง ซึ่งคำที่ถูกแต่งเติมขึ้นมาจะไม่มีคู่เทียบในนั้น แต่คำเหล่านั้นก็ยังคงถูกนำมาคำนวณในอัตราความผิดพลาด