Easper：用于语言文档的可访问 ASR 管道

音频转录是语言文档的一个关键瓶颈。虽然 Whisper 等多语言自动语音识别 (ASR) 模型提供了解决方案，但现场语言学家通常缺乏使用它们的专业知识。我们推出了 Easper，这是一个开源、无代码的工作流程，使语言学家能够直接从 ELAN 注释通过云资源迭代地微调 ASR 模型。部署 ASR 还会引发冷启动问题：决定首先转录哪些录音以引导准确的模型。使用 Easper，我们评估了三种瓦努阿图语言（比斯拉马语、纳夫桑语、恩古纳语）的转录优先级策略。我们通过记录会话来微调模型，在优先考虑声音清洁度与语言丰富度时比较字符错误率轨迹。我们证明，即使在嘈杂的环境中，优先考虑词汇丰富的叙述并增加声学语音重复也可以更快地提高转录质量。