딥러닝과 엔드투엔드(end-to-end) 자동 음성 인식 (ASR)의 발전은 강력한 다국어 모델을 가능하게 했으나, 평가 지표는 정확도를 평가하는 데 있어 여전히 제한적입니다. 일반적인 지표인 단어 오류율 (WER)을 개선하거나 대체하려는 노력은 종종 영어에 집중되어 있어, 저자원 언어 (low-resource languages)에 대한 평가는 충분히 탐구되지 못하고 있으며 공정한 교차 언어 비교를 저해하고 있습니다. 우리는 언어별 정규화 (language-specific normalisation) 및 복합어 탐지 (compound word detection)를 통해 WER의 견고함을 개선하는 오픈 소스 구현체인 OpenWER를 제시합니다. 토큰 기반의 레벤슈타인 정렬 (Levenshtein alignment)은 상호 보완적인 지표들을 보존하며, 세밀한 정확도 점수를 위한 메타데이터 임베딩을 허용합니다. 52개 언어에 대한 분석 결과, 일반적인 라이브러리들과 비교했을 때 절대적인 WER이 최대 25%까지 감소함을 보여주었습니다. OpenWER는 다양한 언어에 걸쳐 WER의 신뢰성을 높이고 더욱 포괄적인 정확도 평가를 가능하게 함으로써 ASR 연구의 공정성에 기여합니다.