▋前言

要檢驗 AI 語音系統的表現，不能只看準確率。每一個模組都有不同的評估方式。今天我們聚焦兩個核心指標：WER（Word Error Rate） 與 DER（Diarization Error Rate）。

▋內容

一、Word Error Rate (WER)

WER 是語音辨識中最常見的衡量指標，代表模型在逐字稿轉換時的整體偏差，公式如下：

WER = (S + D + I) / N

其中：

S = Substitutions（錯字）

D = Deletions（漏字）

I = Insertions（多字）

N = Ground Truth 單字總數

二、Diarization Error Rate (DER)

DER 衡量語者分離的準確度。計算時包含三種錯誤：

1. False alarm：誤判沒說話的時間。

2. Missed speech：錯過實際的語音。

3. Speaker confusion：說話者標錯。

三、改進策略

在 WER 方面：可調整音訊分段長度、採用更大模型（如 Whisper large-v3）。

在 DER 方面：加入 ECAPA-TDNN embedding、優化 clustering 閾值。

▋下回預告

明天將探討最後一個關鍵指標——情緒分類準確率 (Emotion Accuracy)，並說明如何衡量情緒模型的可靠度。

▋參考資料

Evaluation Metrics for ASR