Google Speech-to-Text API仅识别部分通话角色，客户语音缺失排查咨询

你的配置存在两个关键缺失，导致客户语音被遗漏：

1. 未启用「分声道识别」 #

电话录音的双声道通常分别对应不同通话方（比如声道0是客户，声道1是工程师+IVR）。当前配置仅指定了audioChannelCount: 2，但未开启enableSeparateRecognitionPerChannel，API默认只会处理单个声道的音频，直接忽略了另一声道的客户语音。

2. 说话人分离逻辑未匹配声道场景 #

当启用分声道识别后，API会分别转录每个声道的内容，再结合说话人分离配置完成多说话人区分。如果不先开启分声道识别，即使设置了minSpeakerCount:3，API也无法从单声道音频里识别出第三个人的语音。

修改后的配置代码 #

将config部分更新为以下内容：

"config": {
    "encoding": "LINEAR16",
    "languageCode": "en-US",
    "audioChannelCount": 2,
    "enableSeparateRecognitionPerChannel": true,
    "diarizationConfig": {
        "enableSpeakerDiarization": true,
        "minSpeakerCount": 3,
        "maxSpeakerCount": 3
    },
    "model": "phone_call"
}

额外检查点 #

• 确认录音文件的声道分配：如果客户语音确实在某一声道，启用分声道识别后就能被捕获；
• 无需修改其他代码逻辑，仅在config中添加enableSeparateRecognitionPerChannel: true即可。

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