使用Expo+Google Speech-to-Text本地音频转写为空问题求助

• 检查Base64编码有效性
  确保编码后的字符串完整无截断，不要添加data:audio/m4a;base64,这类前缀，API仅接受纯Base64文本。可以将Base64解码回本地文件，用播放器验证是否能正常播放，确认编码过程未损坏音频内容。

• 匹配音频配置与API要求
  Google Speech-to-Text需要明确的音频参数配置，尤其是m4a格式（通常为AAC编码），请求中必须指定正确的编码、采样率和语言代码：

  {
    "audio": {
      "content": "你的Base64字符串"
    },
    "config": {
      "encoding": "AAC",
      "sampleRateHertz": 44100, // 替换为音频实际采样率
      "languageCode": "zh-CN" // 替换为目标语言代码
    }
  }
  

  可以用ffmpeg -i 你的音频文件.m4a命令查看音频的采样率、编码格式等参数，确保配置完全匹配。

• 规范本地音频读取方式
  在Expo环境中，必须用二进制模式读取音频文件生成Base64：

  import * as FileSystem from 'expo-file-system';
  
  const getBase64Audio = async (uri) => {
    return await FileSystem.readAsStringAsync(uri, { encoding: 'base64' });
  };
  

  避免用文本模式读取导致的内容损坏。

• 排查请求结构与权限
  确认请求为POST方法，Content-Type设置为application/json；同时检查API密钥/服务账号权限，确保Base64方式的请求未被配额或权限拦截。

• 测试最简请求
  用一段10秒内的清晰语音音频编码成Base64，构造最简请求发送给API，排除长音频或复杂内容的干扰，验证核心功能是否正常。

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