Google Cloud Speech-to-Text v2解码配置错误问题求助

错误本质 #

你遇到的decoding_config: required oneof field 'decoding_config' must have one initialized field错误，核心原因是Speech-to-Text v2的RecognitionConfig中，decoding_config是oneof类型字段——必须明确指定autoDecodingConfig（自动解码）或explicitDecodingConfig（手动解码）中的一个，且配置不能是空对象。

具体修复方案 #

方案1：使用自动解码 #

自动解码无需手动指定音频参数，但不能传空的autoDecodingConfig，需要明确启用自动检测逻辑：

{
  "processingStrategy": "DYNAMIC_BATCHING",
  "files": [
    {
      "uri": "gs://{SECRET}/transcribes/1704048500788"
    }
  ],
  "recognitionOutputConfig": {
    "inlineResponseConfig": {}
  },
  "config": {
    "languageCodes": ["he-IL"],
    "model": "chirp",
    "autoDecodingConfig": {
      "enableAutomaticDecoding": true
    }
  }
}

方案2：使用手动解码 #

手动解码必须确保所有参数与音频文件的实际属性完全匹配，否则依然会触发错误：

1. 先确认音频文件的真实属性：

   ffmpeg -i gs://{SECRET}/transcribes/1704048774055
   

   从输出中提取Stream #0:0的编码（如mp3）、采样率（如44100 Hz）、声道数（如1 channels）。
2. 匹配参数后的请求体示例（以MP3格式为例）：

   {
     "processingStrategy": "DYNAMIC_BATCHING",
     "files": [
       {
         "uri": "gs://{SECRET}/transcribes/1704048774055"
       }
     ],
     "recognitionOutputConfig": {
       "inlineResponseConfig": {}
     },
     "config": {
       "languageCodes": ["he-IL"],
       "model": "chirp",
       "explicitDecodingConfig": {
         "audioChannelCount": 1,
         "encoding": "MP3",
         "sampleRateHertz": 44100
       }
     }
   }
   

额外注意事项 #

• 若使用chirp模型，确认指定的languageCodes（如he-IL）在模型支持列表内；
• 批量识别的GCS文件需确保Speech-to-Text服务账号有读取权限；
• 绝对避免在decoding_config相关字段中传空对象，哪怕是autoDecodingConfig也需要至少一个有效配置项。

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