WER（Word Error Rate）とは？
WER（Word Error Rate：単語誤り率）とは、音声認識・文字起こしの精度を測る代表的な指標のことです。 人間が作成した正解テキストと、AIによる認識結果を比較し、誤りの割合を数値化します。数値が低いほど精度が高いことを示します。
仕組み
WERは、正解テキストに対する認識結果の誤りを「置換（Substitution）」「削除（Deletion）」「挿入（Insertion）」の3種類に分類し、その合計誤り数を正解テキストの単語数で割って算出します。日本語のように単語の区切りが英語ほど明確でない言語では、単語単位ではなく文字単位で誤り率を測る「文字誤り率（CER：Character Error Rate）」が使われることもあります。
ビジネスでの使いどころ
AI議事録サービスなど、文字起こしを提供する各社は自社の精度をアピールする際にWERを引用することがあります。ただし、測定に使った音声データの種類（クリーンな音声か、雑音・専門用語を含む音声か）や言語によってWERの値は大きく変わるため、異なる条件で測定された数値同士を単純比較することはできません。比較する際は、測定条件が明記されているかを確認することが重要です。