React Native传WAV音频至Golang Lambda调用OpenAI Whisper转写报错

核心问题分析 #

当前存在两个关键异常：

1. 后端打印fileReader为空对象，说明请求体未被正确获取或解析
2. OpenAI返回格式错误，本质是传递给Whisper的音频文件格式不符合要求，或文件数据已损坏

前端侧排查与修正 #

1. Android端音频格式不匹配 #

当前Android配置使用AAC编码器，但WAV格式要求PCM编码。即使文件后缀设为.wav，实际编码格式仍是AAC，会被OpenAI判定为无效格式。

修正配置：

const audioSet: AudioSet = {
  // Android端改为WAV兼容配置
  AudioEncoderAndroid: AudioEncoderAndroidType.PCM_16BIT,
  OutputFormatAndroid: OutputFormatAndroidType.WAV,
  AudioSourceAndroid: AudioSourceAndroidType.MIC,
  // iOS保持原有WAV配置
  AVModeIOS: AVModeIOSOption.measurement,
  AVEncoderAudioQualityKeyIOS: AVEncoderAudioQualityIOSType.high,
  AVNumberOfChannelsKeyIOS: 2,
  AVFormatIDKeyIOS: AVEncodingOption.wav,
};

2. React Native FormData构造问题 #

RN中直接传递uri对象存在跨平台兼容风险（比如Android的content:// URI无法被FormData正确解析）。

验证与修正：

• 确认audioFilePath格式：iOS应为file://开头的本地路径，Android需为真实文件路径（可通过react-native-fs转换content:// URI为文件路径）
• 可选：通过react-native-fs读取文件二进制数据后构造FormData：

import RNFS from 'react-native-fs';

const fileData = await RNFS.readFile(audioFilePath, 'base64');
const blob = await fetch(`data:audio/wav;base64,${fileData}`).then(res => res.blob());

formData.append('file', blob, 'audio.wav');

后端侧排查与修正 #

1. 请求体解析错误 #

API Gateway配置BinaryMediaTypes后，传递给Lambda的请求体是Base64编码字符串，而非原始二进制数据。使用strings.NewReader处理二进制数据会导致内容损坏或为空。

修正代码：

import (
    "encoding/base64"
    "bytes"
)

// 先解码Base64格式的请求体
bodyBytes, err := base64.StdEncoding.DecodeString(request.body)
if err != nil {
    logger.Error("Failed to decode request body", zap.Error(err))
    return "", err
}

// 使用bytes.NewReader处理二进制数据
fileReader := bytes.NewReader(bodyBytes)

client := openai.NewClient(
    option.WithAPIKey(OPEN_AI_KEY),
)

response, err := client.Audio.Transcriptions.New(context.Background(), openai.AudioTranscriptionNewParams{
    Model: openai.F(openai.AudioModelWhisper1),
    File:  openai.FileParam(fileReader, "audio.wav", "audio/wav"),
})

if err != nil {
    logger.Error("Error transcribing audio", zap.Error(err))
    return "", err
}

2. 验证数据完整性 #

• 打印len(bodyBytes)，如果长度为0，说明前端未正确传递文件，或API Gateway的BinaryMediaTypes配置未生效（需确认配置包含multipart/form-data或audio/wav）
• 本地测试：使用已知有效的WAV文件，通过后端代码直接调用OpenAI API，验证代码逻辑本身无问题

额外验证步骤 #

1. 前端验证文件格式：读取音频文件前4字节，WAV文件的签名为RIFF（十六进制52 49 46 46），确认文件实际为WAV格式
2. 抓包验证请求：使用Charles或Wireshark抓包，确认FormData中的文件数据已正确传递到后端

内容的提问来源于stack exchange，提问作者PietroPutelli