動手比對文本對齊，一秒搞懂 CER（字元錯誤率）與 WER（詞錯誤率）！
核心觀念：模型預測結果會與標準答案進行對齊，算出有多少字被替換（S）、漏掉（D）或多塞（I），指標都是越低越好。
初學者最容易掉入的陷阱：同一個拼錯的英文句子，用 CER 算和用 WER 算，分數居然會天差地遠？！
最適合場景：中、日、韓文等亞洲語系。因為中文詞與詞之間沒有空格。此外，印刷體 OCR（文字辨識）中，不分語系也通常會看 CER 來確認每一個字元的刻畫精準度。
最適合場景：英文、法文等西方語系。在英文中，拼錯一個字母雖然在 CER 看來只是小錯，但對於語意來說，這整個「單字」都完全壞掉了，所以西方語音辨識必看 WER。
CER 與 WER 是語音辨識與 OCR 等序列輸出的錯誤率,iPAS 中級科目一考點。重點:用編輯距離算(替換加刪除加插入)除以參考總數,越低越好。易混點:中文無明確詞界常用 CER(字元)、英文常用 WER(詞);插入錯誤多時 WER 可能超過 100%;只看字面、不看語意。情境:評估 OCR、語音轉文字的品質。
想練情境題與詳解 → AI 學習與考證地圖
評估語音辨識與 OCR 等序列輸出的錯誤率：CER 是字元錯誤率(Character Error Rate)、WER 是詞錯誤率(Word Error Rate)，越低越好。
用編輯距離：(替換加刪除加插入)除以參考總(字元或詞)數；算把預測改成正解需要的最少編輯次數。
英文等以詞為單位常用 WER；中文無明確詞界、或要更細看時常用 CER(以字元計)，視語言與需求。
可能；若插入錯誤很多(預測比參考長很多)，替換加刪除加插入可能大於參考長度，WER 就超過 1。
只看字面對錯、不看語意(同義或小錯被同等懲罰)；實務上會搭配語意或下游任務表現一起評估。