语音识别ASR - HTK(HResults)计算字错率WER、句错率SER

HResults计算字错率(WER)、句错率(SER)

前言

好久没发文，看到仍有这么多关注的小伙伴，觉得不发篇文对不住。确实好久没有输出经验总结相关的文档，抽了个时间，整理了下笔记，发一篇关于ASR常用测试指标。比如字错率、句错率指标，以及计算工具HResults的使用篇，后续慢慢找时间输出一些人工智能领域，小白可理解可用的基础知识，或者整理一些其他笔记发一发。

转载说明

本文为原创文章，如需转载，请在开篇显著位置注明作者Findyou和出处

一、基础概念

1.1、语音识别(ASR)

语音识别（speech recognition）技术，也被称为自动语音识别（英语：Automatic Speech Recognition, ASR），

狭隘一点白话说：将语音转换为文字的技术。

Findyou：一般使用ASR缩写。

1.2、句错率(SER)

句错误率：Sentence Error Rate

解释：句子识别错误的的个数，除以总的句子个数即为SER

计算公式：(所有公式省了 * 100%)

SER = 错误句数 / 总句数

1.3、句正确率(S.Corr）

句正确率：Sentence Correct

计算公式：

S.Corr = 1 - SER = 正确句数 / 总句数

1.4、字错率(WER/CER)

WER，Word error rate，词错率，但一般称为字错率，是语音识别领域的关键性评估指标，WER越低表示效果越好！

CER，Character Error Rate，字符错误率，中文一般用CER来表示字错率，原因请见1.4.3。

»1.4.1 、计算原理

字符串编辑距离（Levenshtein距离）算法

»1.4.2、计算公式(重要)

WER = (S + D + I ) / N =(S + D + I ) /(S + D + H )

（公式图片和文字一样，仅方便拷贝）

S 为替换的字数，常用缩写WS

D 为删除的字数，常用缩写WD

I 为插入的字数，常用缩写WI

H 为正确的字数，维基百科是C，但我统一改用H

N 为（S替换+ D删除+ H正确）的字数

Findyou：

1.正确的字数：维基百科里用的是C代表，H = N - (S+D) = C，我这边直接改成H，减少过多概念与变量。

2.大多数文章都没有给出N的计算方式，很容易误以为是原句总字数或者识别结果总字数。

3.不理解没关系，下面实例会帮助理解。

»1.4.3、问题

问题1：为什么WER会大于100%

因为有插入字(识别多出来的字)，所以理论上WER有可能大于100%，在下面实例我会举例（请见2.3.5），但实际场景，特别是大样本量的时候，基本太不可能出现。

问题2：说中文应该用CER，即“字符错误率”（Character Error Rate）

Findyou举个栗子：

英文：hello # 算一个Word

中文：你好 # 算两个字符

啰嗦文字解释，就是：

英文，因为最小单元是Word，语音识别应该用"字错误率"（WER），

中文，因为最小单元是字符，语音识别应该用“字符错误率”（CER）。

BUT(就是但是的意思...)，他跟我前面那一句一样，说的都是废话！

我们计算的时候谁不是按：中文的一个字符 = 英文的一个Word，那这样用WER的公式有什么问题呢？

谁再跟你咬文嚼字，怼他，使劲怼！

怼完，说回严谨的话，建议采用CER表示，哈哈哈哈哈......

1.5、字正确率(W.Corr）

字正确率，Word Correct，一般国内宣传用的多，识别率(识别正确率)达到多少多少(请见1.7)。

计算公式

W.Corr = ( N - D - S ) / N = H / N

问题：只计算了识别正确的字，没有管多出来的字（I插入），当然一般情况下不会有什么问题。

1.6、字准确率(W.Acc）

字准确率，Word Accuracy

计算公式

W.Acc = 1 - WER = ( N - D - S - I ) / N = (H - I) / N

（图片和文字一样，方便拷贝，W.Acc是Findyou自己用的简写）

特殊情况：当 I=0 时， W.Acc = W.Corr

问题：为什么W.Acc会是负数？

同WER，因为有插入字。换个说法，因为字准确率=1 - WER，而WER可能大于1，所以W.Acc会出现负数，但实际情况基本不存在。

1.7、聊点其他

ASR影响素因

人群：男、女、老人、小孩...

音量)

距离(与拾音设备的距离)

角度(与拾音设备的角度)

设备(拾音设备的硬件)

环境：安静、嘈杂(自噪、外噪)、家庭、商场...

句长

口音、方言

语速

语言：中文、英语

等等

大概举例几个影响因素(懒得放脑图，文字也方便大家拷贝)，

因为ASR的识别影响因素过多，所以很多时候会从各种纬度测试，比如：男生字错率、女生字错率，或者小孩字错率、平均字错率等等,

如果没有公布测试数据与方法，不可信，因会存在几个操作，最大的问题是：

过拟合：训练数据、测试数据、验证数据是同一份，打外比方说：要考试的卷子就是你前一天发的老师发的练习卷还带答案的。

先扯到这，后面找时间再整理一篇ASR测试方法系统讲一讲，

做为测试我们如何去测ASR以及制定各种测试标准。

行业水平

英语-WER；

IBM：行业标准Switchboard语音识别任务，2016年 6.9%，2017年 5.5%

微软：行业标准Switchboard语音识别任务，2016年 6.3% -> 5.9%，2017年 5.1%，这个目前最低的。

说明：ICASSP2017上IBM说人类速记员WER是5.1%，一般认为5.9% 的字错率是人类速记员的水平。

中文-WER/CER：

小米：2018年 小米电视 2.81%

百度：2016年 短语识别 3.7%

中文-W.Corr：

百度：2016年 识别准确率 97%

搜狗：2016年 识别准确率 97%

讯飞：2016年 识别准确率 97%

Findyou部分数据来源：

二、HTK工具

了解了ASR相关的指标，需要有工具来进行结果统计计算，

本次主要介绍HTK工具，python也有Levenshtein的库，但没有HResults现成的来的简单。

2.1、HTK工具简介

HTK工具，HTK（HMM Toolkit）一款基于HMM模型(隐马尔可夫模型)的语音处理工具，HTK主要用于语音识别研究，尽管它已被用于许多其他应用，包括语音合成，字符识别和DNA测序的研究。HTK最初是在剑桥大学工程系（CUED）的机器智能实验室 （以前称为语音视觉和机器人小组）开发的。后版权辗转到Microsoft，其保留了原始HTK代码的版权，具体介绍请移步HTK官网。

Findyou：下载你需要先注册用户，记住你的密码，FTP下载的时候需要。

2.2、HResults简介与使用

HTK有一系列工具，但我主要想写的是HResults。

Centos系统编译后的HTK3.4.1版本,HResults下载地址

»2.2.1 、使用帮助

$ HResults

USAGE: HResults [options] labelList recFiles...

Option Default-a s Redefine stringlevel label SENT-b s Redefine unitlevel label WORD-c Ignore casedifferences off-d N Find best of N levels 1

-e s t Label t is equivalent to s-f Enable full results off-g fmt Set test label format to fmtHTK-h Enable NIST style formatting off-k s Results per spkr using mask s off-m N Process only the first N rec files all-n Use NIST alignment procedure off-p Output phoneme statistics off-s Strip triphone contexts off-t Output timealigned transcriptions off-u f False alarm time units (hours) 1.0

-wEnable word spotting analysis off-z s Redefine null class name to s ???

-A Print command line arguments off-C cf Set config fileto cf default-D Display configuration variables off-G fmt Set source label format to fmtas config-I mlf Load master label filemlf-L dir Set input label (or net) dircurrent-S f Set script fileto f none-T N Set trace flags to N 0

-V Print version information off-X ext Set input label (or net) file ext lab

»2.2.2 、文本转换为MLF文件

测试用例：src.txt (暂时不要去管专业术语)

1今天天气怎么样2 明天天气怎么样

Findyou:

1.第一列是数字，主要是为了与ASR结果一一对应

2.我们一般会剔除标点符号计算WER，所以注意去标点符号

src.txt - > src.mlf 文件

#!MLF!#

"*No1.lab"今

天

天

气

怎

么

样

."*No2.lab"明

天

天

气

怎

么

样

.

Findyou：

1.注意第一行加：#!MLF!#

2.注意"*xxx.lab"

3.注意每句的点

ASR识别结果：testResult.txt 文件

1惊天天气2 明天天气怎么样

Findyou：

1.很多时间是自动化执行，或手工执行得到识别结果

2.测试结果，第一列应该与src.txt对齐，通过第一列来识别需要对比的语料。

例：HResults 会根据 "*No1.lab" 对应 "*No1.rec" 来找到对应的文本计算WER。

testResult.txt - > testResult.mlf 文件

#!MLF!#

"*No1.rec"惊

天

天

气

."*No2.rec"明

天

天

气

怎

么

样

.

Findyou：

1.txt转换到mlf可以用脚本转换，注意双个mlf文件的不同，lab与rec关键字。

»2.2.3 、TXT转换为MLF脚本

src2mlf.py

1 #-*- coding:utf-8 -*-

2 importos,sys3

4 defto_mlf(xi):5 dx={6 "0":"零",7 "1":"一",8 "2":"二",9 "3":"三",10 "4":"四",11 "5":"五",12 "6":"六",13 "7":"七",14 "8":"八",15 "9":"九"

16 };17 d=[]18 eng=[]19 tx=[",",".","!","(",")","，","。","！",'；','、','：','？','“','”'];20 for x inxi:21 u=x.encode("utf-8")22 if u intx:23 continue;24 if len(u)==1:25 if u indx:26 u=dx[u]27 eng.append(str(u, encoding='utf-8'))28 else:29 if len(eng)>0:30 d.append("".join(eng).upper())31 eng=[]32 d.append(str(u, encoding='utf-8'))33 if len(eng)>0:34 d.append("".join(eng).upper())35 returnd36

37 deffn_to_lab(s):38 x=s.split()39 for i inx:40 d=to_mlf(i.strip())41 if len(d)>0:42 print(" ".join(d))43 print('.')44

45 fn=sys.argv[1]46 print('#!MLF!#')47 for l inopen(fn):48 l=l.strip()49 x=l.split()50 k=x[0].strip()51 v=" ".join(x[1:])52 t=".".join(k)53 print('"*No%s.lab"' %t)54 fn_to_lab(v)

Findyou：

1.此脚本是将测试用例转为src.mlf

2.如需将测试结果testResult.txt 转testResult.mlf，则拷贝一份如 rec2mlf.py，改第53行的关键字lab为rec即可。

脚本使用

1 python src2mlf.py src.txt >src.mlf2 python rec2mlf.py testResult.txt >testResult.mlf

»2.2.4 、常用命令

以上文2.2.2 举例文本为例

HResults -t -I src.mlf /dev/null testResult.mlf

Aligned transcription: *No.1.lab vs *No.1.rec

LAB: 今 天 天 气 好 吗

REC: 惊 天 天 气

,-------------------------------------------------------------.| HTK Results Analysis at Wed Apr 3 16:26:59 2019 |

| Ref: src.mlf |

| Rec: testResult.mlf |

|=============================================================|

| # Snt | Corr Sub Del Ins Err S. Err |

|-------------------------------------------------------------|

| Sum/Avg | 2 | 76.92 7.69 15.38 0.00 23.08 50.00 |`-------------------------------------------------------------'

HResults -t -I src.mlf /dev/nulltestResult.mlf

Aligned transcription:*No.1.lab vs *No.1.rec

LAB: 今 天 天 气 好 吗

REC: 惊 天 天 气====================== HTK Results Analysis =======================Date: Wed Apr3 16:26:59 2019Ref : src.mlf

Rec : testResult.mlf------------------------ Overall Results --------------------------SENT:%Correct=50.00 [H=1, S=1, N=2]

WORD:%Corr=76.92, Acc=76.92 [H=10, D=2, S=1, I=0, N=13]===================================================================

2.3、HResults样例解析

以一句测试用例与测试结果为例，举实例让大家快速了解HResults的WER。

»2.3.1 只有删除(D)

#说明

LAB:测试用例

REC:识别结果#结果

Aligned transcription: *No.1.lab vs *No.1.rec

LAB: 今 天 天 气 怎 么 样

REC: 今 天 天 气

,-------------------------------------------------------------.| HTK Results Analysis at Tue Apr 2 22:37:09 2019 |

| Ref: src.mlf |

| Rec: testResult.mlf |

|=============================================================|

| #Snt | Corr Sub Del Ins Err S. Err |

|-------------------------------------------------------------|

| Sum/Avg | 1 | 57.14 0.00 42.86 0.00 42.86 100.00 |`-------------------------------------------------------------'...------------------------ Overall Results --------------------------SENT:%Correct=0.00 [H=0, S=1, N=1]

WORD:%Corr=57.14, Acc=57.14 [H=4, D=3, S=0, I=0, N=7]===================================================================

SER(句错率) = 1 / 1 = 100 %

S.Correct(句正确率) = 0 S.H / 1 S.N = 0.00 %

N = 0替换 + 3删除 + 4正确 = 7

WER(字错率) = ( S 0 + D 3 + I 0 ) / 7 = 42.86 %

W.Correct(字正确率) = H / N = 4 / 7 = 57.14 %

W.Accuracy(字准确率) = (H - I)/ N = 1 - W.Err = 57.14 %

»2.3.2 替换(S) + 删除(D)

LAB: 今 天 天 气 怎 么 样

REC: 惊 天 天 气#结果

...|=============================================================|

| #Snt | Corr Sub Del Ins Err S. Err |

|-------------------------------------------------------------|

| Sum/Avg | 1 | 42.86 14.29 42.86 0.00 57.14 100.00 |`-------------------------------------------------------------'...

SENT:%Correct=0.00 [H=0, S=1, N=1]

WORD:%Corr=42.86, Acc=42.86 [H=3, D=3, S=1, I=0, N=7]

SER = 1 - S.Corr = 100 %

S.Correct = S.H / S.N = 0.00 %

N = 1替 + 3删 + 3H = 7

WER = (S + D + I ) / N = 57.14 %

W.Correct = H / N = 42.86 %

W.Accuracy = (H - I) / N = 1 - W.Err = 42.86 %

»2.3.3 替换(S) + 删除(D) + 插入(I)

LAB: 今 天 天 气 怎 么 样

REC: 惊 天 田 天 气#结果

...|=============================================================|

| #Snt | Corr Sub Del Ins Err S. Err |

|-------------------------------------------------------------|

| Sum/Avg | 1 | 42.86 14.29 42.86 14.29 71.43 100.00 |`-------------------------------------------------------------'...

SENT:%Correct=0.00 [H=0, S=1, N=1]

WORD:%Corr=42.86, Acc=28.57 [H=3, D=3, S=1, I=1, N=7]

SER = 1 - S.Corr = 100 %

S.Correct = S.H / S.N = 0.00 %

N = 1S + 3D + 3H = 7

WER = (S + D + I) / N = 5/7 = 71.43 %

W.Correct = H / N = 42.86 %

W.Accuracy = (H - I) / N = 1 - W.Err = 28.57 %

»2.3.4 全错（结果字数<语料字数）

LAB: 今 天 天 气 好 吗

REC: 不 知 道

...|=============================================================|

| #Snt | Corr Sub Del Ins Err S. Err |

|-------------------------------------------------------------|

| Sum/Avg | 1 | 0.00 50.00 50.00 0.00 100.00 100.00 |`-------------------------------------------------------------'...

SENT:%Correct=0.00 [H=0, S=1, N=1]

WORD:%Corr=0.00, Acc=0.00 [H=0, D=3, S=3, I=0, N=6]

SER = 1 - S.Corr = 100 %

S.Correct = S.H / S.N = 0.00 %

N = 3S + 3D + 0H = 6

WER = (S + D + I) / N = 6/6 = 100.00 %

W.Correct = H / N = 0.00 %

W.Accuracy = (H - I) / N = 1 - W.Err = 0.00 %

»2.3.5 全错（结果字数>语料字数）

LAB: 今 天 天 气 好 吗

REC: 惊 田 田 七 豪 嘛 嘛

...|=============================================================|

| #Snt | Corr Sub Del Ins Err S. Err |

|-------------------------------------------------------------|

| Sum/Avg | 1 | 0.00 100.00 0.00 16.67 116.67 100.00 |`-------------------------------------------------------------'...

SENT:%Correct=0.00 [H=0, S=1, N=1]

WORD:%Corr=0.00, Acc=-16.67 [H=0, D=0, S=6, I=1, N=6]

SER = 1 - S.Corr = 100 %

S.Correct = S.H / S.N = 0.00 %

N = 6S + 0D + 0H = 6

WER = (S + D + I) / N = 7/6 = 116.67 %

W.Correct = H / N = 0.00 %

W.Accuracy = (H - I) / N = 1 - W.Err =-16.67 %

转载说明

本文为原创文章，如需转载，请在开篇显著位置注明作者Findyou和出处