Azure Speech to Text自动语言检测功能无法正常工作求助

基于NextJS开发项目，已成功部署单语言Speech-to-Text功能，但带自动语言检测的连续语音转文字功能始终无法正常运行。参考官方文档配置了AutoDetectSourceLanguageConfig，但问题依旧，且React/JavaScript相关的示例资料较少。

用户代码片段：

useEffect(() => {
  const fetchTokenAndSetupRecognizer = async () => {
    const tokenObj = await getTokenOrRefresh();
    if (tokenObj.authToken && tokenObj.region) {
      audioConfig.current = AudioConfig.fromDefaultMicrophoneInput();

      const autoDetectLanguages = [
        "en-US",
        "de-DE"
      ];
      speechConfig.current = SpeechConfig.fromAuthorizationToken(
        tokenObj.authToken,
        tokenObj.region
      );
      const autoDetectConfig =
        AutoDetectSourceLanguageConfig.fromLanguages(autoDetectLanguages);

      audioConfig.current = AudioConfig.fromDefaultMicrophoneInput();
      recognizer.current = SpeechRecognizer.FromConfig(
        speechConfig.current,
        autoDetectConfig,
        audioConfig.current
      );
      recognizer.current.recognized = (s, e) =>
        processRecognizedTranscript(e);
      recognizer.current.canceled = (s, e) => handleCanceled(e);
    }
    setIsDisabled(!recognizer.current);
  };
  fetchTokenAndSetupRecognizer();
  return () => {
    recognizer.current?.close();
  };
}, []);

排查与解决方案 #

• 确认Speech SDK版本
  确保使用最新版azure-cognitiveservices-speech包，旧版本可能存在兼容性问题。执行以下命令检查并升级：

  npm list azure-cognitiveservices-speech
  npm install azure-cognitiveservices-speech@latest
  

• 启动连续识别流程
  代码中仅初始化了识别器，但未启动连续识别。需在配置完成后调用启动方法：

  // 初始化recognizer后添加
  recognizer.current.startContinuousRecognitionAsync(
    () => console.log("连续识别已启动"),
    (err) => console.error("启动失败:", err)
  );
  

• 正确获取语言检测结果
  自动语言检测的结果需从识别结果的properties中提取，修改processRecognizedTranscript函数：

  import { PropertyId } from "azure-cognitiveservices-speech";
  
  const processRecognizedTranscript = (e) => {
    if (e.result.reason === ResultReason.RecognizedSpeech) {
      // 获取检测到的语言代码
      const detectedLang = e.result.properties.getProperty(PropertyId.SpeechServiceConnection_AutoDetectSourceLanguageResult);
      console.log("检测到语言:", detectedLang);
      console.log("识别文本:", e.result.text);
      // 后续业务逻辑处理
    }
  };
  

• 优化SpeechConfig配置
  显式设置连续识别相关参数，避免默认配置冲突：

  speechConfig.current.setSpeechRecognitionOutputFormat(OutputFormat.Detailed);
  // 设置端点静音超时（根据需求调整，单位：毫秒）
  speechConfig.current.setProperty(PropertyId.SpeechServiceConnection_EndSilenceTimeoutMs, "5000");
  

• 完善组件清理逻辑
  在组件卸载前先停止识别再关闭识别器，避免资源泄漏：

  return () => {
    if (recognizer.current) {
      recognizer.current.stopContinuousRecognitionAsync();
      recognizer.current.close();
    }
  };
  

• 验证资源权限与区域
  确认Azure Speech资源的区域支持自动语言检测功能，且token对应的权限包含语音转文字和语言识别权限，可通过Azure门户检查资源状态。

内容的提问来源于stack exchange，提问作者jojak