使用RecognitionAudio.fromStream调用谷歌语音转文本API遇权限错误求助

问题背景 #

使用谷歌Speech-to-Text API时，以下两种方式均可正常转录音频文件：
使用fetchFromUri的代码示例：

var file = RecognitionAudio.fetchFromUri(fileUri);
var longRunningRecognizeOperation = speech.LongRunningRecognize(config, file);

使用fetchFromStorageUri的代码示例：

var storageFile = RecognitionAudio.fetchFromStorageUri(gsStorageUri);
var longRunningRecognizeOperation = speech.LongRunningRecognize(config, storageFile);

但使用fromStream方式时：

var audioStream = RecognitionAudio.fromStream(fileStream);
var longRunningRecognizeOperation = speech.LongRunningRecognize(config, audioStream);

收到错误提示：

"The caller does not have permission"

项目已使用服务账号密钥JSON文件，需配置额外权限让RecognitionAudio.fromStream正常工作。

解决方案 #

• 确认服务账号的角色权限：
  确保服务账号已分配roles/speech.speechRecognitionUser角色，该角色允许调用Speech-to-Text API的所有识别操作（包括流式识别）。如果之前仅配置了云存储相关角色（如roles/storage.objectViewer），仅能支持从存储URI调用，无法覆盖流式识别的权限需求。
• 验证服务账号密钥的有效性：
  检查代码中是否正确加载了目标服务账号的密钥文件：
  • 可通过设置环境变量GOOGLE_APPLICATION_CREDENTIALS指向密钥文件绝对路径；
  • 或在代码中显式加载密钥内容，确保使用的密钥对应已配置正确角色的服务账号，避免密钥与服务账号不匹配。
• 检查API访问限制：
  登录谷歌云控制台，进入「API和服务」→「凭据」，查看对应服务账号的API访问限制，确认未限制Speech-to-Text API的访问权限，确保流式识别端点可正常调用。
• 排查音频流格式匹配性：
  虽然错误提示为权限问题，但音频流格式与RecognitionConfig配置不匹配时，也可能触发异常。确认流的编码格式（如LINEAR16）、采样率、声道数等参数与配置完全一致。

内容的提问来源于stack exchange，提问作者Simon