Google Speech-to-Text实时转录超时配置报错499排查

你的超时配置存在几个潜在问题，结合报错499 The operation was cancelled，可以从以下几点排查修复：

1. 确认Duration的正确导入 #

首先确保你已经正确导入Protobuf的Duration类型，否则speech_start_timeout的赋值会无效，间接导致服务端异常：

from google.protobuf.duration_pb2 import Duration

2. 规范VoiceActivityTimeout的构造方式 #

虽然你的写法语法上没问题，但更推荐直接在StreamingRecognitionConfig中嵌套构造VoiceActivityTimeout，避免对象赋值可能带来的隐式问题：

streaming_config = speech.StreamingRecognitionConfig(
    config=config,
    interim_results=False,
    enable_voice_activity_events=True,
    voice_activity_timeout=speech.StreamingRecognitionConfig.VoiceActivityTimeout(
        speech_start_timeout=Duration(seconds=60)
    )
)

3. 调整客户端GRPC超时设置 #

报错的核心原因大概率是客户端GRPC默认超时短于你设置的60秒语音启动超时，导致客户端主动取消了请求。你需要在调用streaming_recognize时显式设置更长的客户端超时：

# 假设requests是你的音频流生成器
responses = client.streaming_recognize(
    streaming_config,
    requests,
    timeout=3600  # 设置为比speech_start_timeout更长的值，比如1小时
)

4. 确保音频流持续发送（关键） #

即使麦克风没有采集到有效语音，也要持续发送静音帧或符合格式的空音频数据，保持GRPC连接活跃。如果流中断，服务端会直接取消操作并返回499错误。比如在音频采集循环中，即使没有声音也要定时发送数据块。

验证逻辑 #

设置完成后，测试时：

• 如果60秒内没有检测到语音，服务端会返回speech_start_timeout触发的错误（而非499），这是预期行为
• 如果在60秒内检测到语音，转录会正常进行

内容的提问来源于stack exchange，提问作者Avanst