Google Speech-to-Text V2 API支持语言仍无法启用话者分离咨询

可能的操作误区及解决方法 #

1. 模型选择错误 #

Speech-to-Text v2里，只有特定的en-US long模型支持话者分离，你得确认选的是en-US_long（完整模型ID：projects/{PROJECT_ID}/locations/{LOCATION}/models/en-US_long），要是误选了通用long模型或者其他语言的long模型，肯定会触发不支持的报错。

2. 识别器配置格式不对 #

v2 API的话者分离配置逻辑和v1不一样，创建识别器时必须把话者分离参数嵌套在feature_config下面，不能单独设置。正确的请求体示例（JSON格式）如下：

{
  "displayName": "My en-US diarization recognizer",
  "model": "projects/{PROJECT_ID}/locations/{LOCATION}/models/en-US_long",
  "featureConfig": {
    "speakerDiarizationConfig": {
      "enableSpeakerDiarization": true,
      "minSpeakerCount": 2,
      "maxSpeakerCount": 5
    }
  }
}

要是用UI操作时，没在正确的配置面板里开话者分离（比如误在v1的配置项里设置），也会出问题。

3. 区域不支持 #

话者分离功能只在部分GCP区域能用，比如us-central1、europe-west1这些。如果你的识别器创建在不支持的区域（比如一些边缘区域），哪怕模型选对了，还是会提示不支持。

4. API版本或权限问题 #

确认你调用的是v2版本的API（端点是https://speech.googleapis.com/v2），不是v1或者v1p1beta1。另外，确保你的服务账号有speech.recognizers.create权限，虽然权限不足一般返回权限错误，但极端情况可能导致配置解析异常。

内容的提问来源于stack exchange，提问作者jayp