使用Google Cloud语音转文本时遇-83104内部服务器错误求助

针对你用Whisper转录45分钟MP3时long模型失效的情况，给你几个实用排查和解决方向：

• 检查内存占用：long模型对显存/内存要求远高于video模型，45分钟音频加载后极易触发内存溢出（OOM）。可以：
  • 用系统任务管理器（Windows）或htop（Linux）实时监控内存使用，确认是否溢出
  • 启用量化模式，启动时添加参数 --model_type long --load-in-8bit 或 --load-in-4bit，大幅降低内存占用
• 拆分音频片段：如果内存问题无法解决，手动把45分钟MP3拆成多个10-15分钟的小片段，用long模型分别转录后合并结果。用ffmpeg拆分的命令：

  ffmpeg -i input.mp3 -f segment -segment_time 900 -c copy output_%03d.mp3
  

• 核对模型文件完整性：long模型文件体积更大，可能存在下载不完整的情况。找到Whisper默认模型存储目录（~/.cache/whisper），删除long.pt后重新下载
• 调整转录参数：尝试添加--no_speech_threshold 0.6或--logprob_threshold -1.0，减少模型对静音片段的误判，避免中途崩溃
• 转换音频格式：部分编码异常的MP3可能导致long模型解析出错，先转成WAV格式再试：

  ffmpeg -i input.mp3 -acodec pcm_s16le -ar 16000 output.wav
  

内容的提问来源于stack exchange，提问作者Fab49er