Google Cloud Speech-to-Text API返回400错误且无文本结果求助

核心错误：API请求URL格式错误 #

你的代码里的请求URL存在语法错误：

`https://speech.googleapis.com/v1/speech:recognizekey=${REACT_APP_GOOGLE_CLOUD_TEXT_TO_SPEECH_API_KEY}`

speech:recognize和key参数之间缺少了问号（?），正确的URL应该是：

`https://speech.googleapis.com/v1/speech:recognize?key=${REACT_APP_GOOGLE_CLOUD_TEXT_TO_SPEECH_API_KEY}`

这个格式错误直接触发了400状态码，因为API无法正确解析请求参数。

其他可能导致无文本返回的排查点 #

即使修复URL后仍无文本结果，检查以下几点：

• Base64内容是否纯净：确保base64变量没有包含data:audio/wav;base64,这类前缀，API仅接受纯Base64编码的音频数据。
• 音频编码与采样率匹配：确认你的音频确实是LINEAR16（PCM无压缩）格式，且采样率严格为16000Hz。如果实际是MP3等其他格式，需修改config.encoding为对应值（如MP3），或先转码为LINEAR16。
• 音频内容有效性：检查音频是否包含清晰语音，避免静音、杂音过大或时长过短（建议至少1秒以上有效语音）。

修复后的完整代码示例 #

import axios from 'axios';
import { REACT_APP_GOOGLE_CLOUD_TEXT_TO_SPEECH_API_KEY } from "@env";

async function SpeechToText({ base64 }) {
  // 移除base64前缀（如果存在）
  const cleanBase64 = base64.replace(/^data:audio\/\w+;base64,/, '');
  
  const data = {
    "config": {
      "encoding": "LINEAR16",
      "sampleRateHertz": 16000,
      "languageCode": "ja-JP",
      // 可选：启用自动标点提升识别效果
      "enableAutomaticPunctuation": true
    },
    "audio": {
      "content": cleanBase64,
    },
  };

  try {
    console.log("Converting voice chat to text...");
    const response = await axios.post(
      `https://speech.googleapis.com/v1/speech:recognize?key=${REACT_APP_GOOGLE_CLOUD_TEXT_TO_SPEECH_API_KEY}`,
      data
    );
    console.log("Conversion result:", response.data);
    // 处理识别结果
    if (response.data.results?.length > 0) {
      const transcript = response.data.results[0].alternatives[0].transcript;
      console.log("识别文本:", transcript);
    } else {
      console.log("未识别到有效语音内容");
    }
  } catch (error) {
    // 打印更详细的API错误信息
    console.error("Failed to convert speech to text:", error.response?.data || error.message);
  }
}

额外建议 #

• 在catch块中打印error.response.data，可以获取API返回的具体错误详情（如参数错误、音频格式不匹配等），比仅打印error更利于排查问题。

内容的提问来源于stack exchange，提问作者Samurai