超越莱文斯坦：利用多种算法实现稳健的字错误率计算和细化错误分类
原文中文，约300字，阅读约需1分钟。发表于：。本文解决了自动语音识别中传统字错误率（WER）计算的局限性，特别是在标点和大小写等非语义差异方面的信息丢失。通过采用扩展的莱文斯坦距离算法，我们提出了一种非破坏性的基于令牌的方法，能够计算更加稳健的WER和其他正字法指标，并利用字符串相似性和语音算法对转录错误进行更细致的分类。研究表明，我们的方法在多个数据集上的效果与常用的WER计算方式相当，并提供了基于此的用例分析及互动可视化的网络应用。
本文提出了一种非破坏性的基于令牌的方法，用于解决自动语音识别中传统字错误率计算的局限性。该方法能够计算更加稳健的WER和其他正字法指标，并对转录错误进行更细致的分类。研究表明，该方法在多个数据集上的效果与常用的WER计算方式相当。
