pyResult

A tool for calculation WER (Word Error Rate) in Python.

使用方法

查看帮助信息

python3 pyResults.py -h

统计信息总览

python3 pyResults.py data/ref.txt data/hyp.txt

预期结果

------------------------- Overall Results -------------------------
SENT: %Correct=30.00 [H=9, S=21, N=30]
WORD: %Corr=87.50, Acc=84.29, WER: 15.71 [Sub=11.07, Del=1.43, Ins=3.21]

查看每句结果

python3 pyResults.py -f data/ref.txt data/hyp.txt

预期结果

C02E211102064_V1-3-4_202105040915_AD_NEAR-044: % 80.00 (80.00) [Sub=20.00, Del=0.00, Ins=0.00]
C02E211102064_V1-3-4_202105040915_AD_NEAR-045: % 78.57 (57.14) [Sub=21.43, Del=0.00, Ins=21.43]
C02E211102064_V1-3-4_202105040915_AD_NEAR-046: % 100.00 (93.33) [Sub=0.00, Del=0.00, Ins=6.67]
C02E211102064_V1-3-4_202105040915_AD_NEAR-047: % 80.00 (80.00) [Sub=20.00, Del=0.00, Ins=0.00]
C02E211102064_V1-3-4_202105040915_AD_NEAR-049: % 100.00 (100.00) [Sub=0.00, Del=0.00, Ins=0.00]
------------------------- Overall Results -------------------------
SENT: %Correct=30.00 [H=9, S=21, N=30]
WORD: %Corr=87.50, Acc=84.29, WER: 15.71 [Sub=11.07, Del=1.43, Ins=3.21]

SENT: Correct是句级别准确率。
WORD: Corr是正确率，Acc是准确率，WER是词错率（中文是字错率），Sub、Del和Ins分别表示替换错误、删除错误和插入错误。

每句对齐显示

python3 pyResults.py -t data/ref.txt data/hyp.txt

预期结果

Aligned transcription: C02E211102064_V1-3-4_202105040915_AD_NEAR-002
REF:	中	配	差	多	少	钱	呢	
HYP:	中	惠	差	多	 	钱	嘞	
EVA:	 	S	 	 	D	 	S	
Aligned transcription: C02E211102064_V1-3-4_202105040915_AD_NEAR-004
REF:	中	配	差	多	少	钱	呢	
HYP:	违	背	差	多	 	车	嘞	
EVA:	S	S	 	 	D	S	S	
------------------------- Overall Results -------------------------
SENT: %Correct=30.00 [H=9, S=21, N=30]
WORD: %Corr=87.50, Acc=84.29, WER: 15.71 [Sub=11.07, Del=1.43, Ins=3.21]

输入文本格式

支持kaldi的text文件和htk的mlf文件。

text格式

标注文件

<id-1> <标注文本1>
<id-2> <标注文本2>

识别文件

<id-1> <识别文本1>
<id-2> <识别文本2>

mlf文件格式

标注文件

#!MLF!#
"*/id-1.lab"
A
B
C
.

识别文件

#!MLF!#
"*/id-1.rec"
A
D
.

辅助工具

utils目录下是辅助脚本，主要用于文本文件的格式转换。
read_json_for_task.py，将录音文件转写的识别结果json文件转成标准txt文件。
cn_tn.py， 中文文本规整工具，进行标点消除，数字规整，单位转换等。 label2txt.sh，将原始标注文本文件转成标准txt文件。
txt2mlf.py，将标准txt文件转mlf文件。