句錯率（sentenct error rate，ser）：如果識別的句子與標準句子中由任意乙個字不對應，那麼這句話就是錯的，錯的句子個數除以總句子個數即為句錯率。
公式如下：
可以理解為以下情況：
描述例子
由於字多而導致句子不對
如：吃了嗎？識別為：吃了嗎媽？
由於字少而導致句子不對
如：吃了嗎？識別為：吃嗎？
由於字不對應而導致句子不對
如：吃了嗎？識別為：吃了嘛？
字錯率（word error rate，wer）：將識別出來的字與標準句子中的字進行比較，統計出需要進行插入（insertion）、刪除（deletion）、替換（substitution）某些字母才能與標準句子中的字一樣的個數，之後除以總字數則為詞錯率。
公式如下：
可以理解為以下情況：
描述例子
deletion
如：吃了嗎？識別為：吃了嗎媽？
insertion
如：吃了嗎？識別為：吃嗎？
substitution
如：吃了嗎？識別為：吃了嘛？
[1]hunt m j . figures of merit for assessing connected-word recognisers[j]. speech communication, 1990, 9(4):329-336.
[2]
語音識別標準中WER和SER解釋
在語音識別中，常用的評估標準為詞錯誤率wer，wer計算方式為 為了使識別出來的詞序列和標準的詞序列之間保持一致，需要進行替換，刪除，或者插入某些詞，這些插入，替換，刪除的詞的總個數，除以標準的詞序列中詞的個數的百分比，即為wer，其計算公式如下所示 需要注意的是，因為有插入詞，所以wer有可能大於...
語音識別中的決策樹
1.為什麼需要決策樹 我們在使用htk進行語音識別模型訓練的過程中，首先進行的是單音素 單個高斯的模型訓練。拋開單個高斯不說，單音素模型本身有很大缺點 沒有考慮到本音素前後音素的發音對本音素的影響。比如，同樣是乙個音素iy，如果它前面的音素分別是h和p，那麼iy這個音素在這兩種情況下的發音會有所不同...
語音中的關於語音識別的一些知識
以下內容都是抄的，哈哈哈 1.mel頻率 是模擬人耳對不同頻率語音的感知。人類對不同頻率語音有不同的感知能力 對1khz以下，與頻率成線性關係，對1khz以上，與頻率成對數關係。頻率越高，感知能力就越差了。因此，在應用中常常只使用低頻mfcc，而丟棄中高頻mfcc。在mel頻域內，人對音調的感知能力...