使用Google Speech-to-Text API时转录结果为数字而非目标语言

针对你遇到的本地代码调用Google Cloud Speech-to-Text时转录结果为数字，但控制台识别正常的问题，可以从以下几个方向排查：

• 检查语言代码配置
  确认代码中language_code参数和你在Google Cloud控制台使用的完全一致，比如目标语言是中文就设置为language_code="zh-CN"，不要使用错误的语言码或数值替代，否则API会返回异常的识别结果。

• 核对音频编码与采样率
  Google Cloud Speech-to-Text对音频格式有严格要求，本地采集的音频编码（如LINEAR16、FLAC）、采样率（如16000Hz）必须和代码中audio_config的配置匹配。示例正确配置：

  audio_config = speech.RecognitionConfig(
      encoding=speech.RecognitionConfig.AudioEncoding.LINEAR16,
      sample_rate_hertz=16000,
      language_code="zh-CN"
  )
  

  若配置不匹配，API可能无法正确解析音频，输出数字乱码。

• 排查模型与特性参数
  检查代码是否错误启用了不适合目标语言的模型（如model="phone_call"），或开启了强制数字转换的特性。确保使用通用模型（默认model="default"），且未设置导致识别结果转为数字的特殊参数。

• 验证本地音频质量
  将本地采集的音频文件导出后，上传到Google Cloud控制台测试：

  • 若控制台能正常识别，说明问题出在代码的音频采集/传输逻辑；
  • 若控制台也识别为数字，说明本地采集的音频存在杂音、编码错误等问题，需要调整麦克风设置或音频采集代码。

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