文本相似度实战指南：从原理剖析到语义理解落地全解析

jiwer是一个专门用于评估自动语音识别（ASR）系统性能的 Python 库。它的核心作用就是计算模型识别出的文本（假设，Hypothesis）与真实正确的文本（参考，Reference）之间的差异，以此来量化语音识别的准确率。

它最核心的评估指标是词错误率（WER, Word Error Rate）。计算逻辑很简单，它会自动找出将识别结果“编辑”成标准答案所需的最少操作步骤（替换、删除、插入），然后计算一个错误比例。

举个直观的例子，你就明白了：

from jiwer import wer reference = "hello world" hypothesis = "hello duck" error = wer(reference, hypothesis) # 结果将是 0.5，表示有50%的词识别错了

除了 WER，jiwer 还提供了字符错误率（CER）、匹配错误率（MER）等其他评估指标，并且支持在计算前对文本进行标准化预处理（比如统一转为小写、移除标点符号等），让评估结果更稳定