能否固定Google Speech to Text模型版本以保证音频转写结果一致性？

核心结论 #

可以通过指定模型版本的方式锁定你使用的STT模型，即使谷歌后续对模型进行升级，你的转写结果也不会发生变化。

具体操作方法 #

Google STT的所有公开模型都支持版本锁定功能，你只需要在调用接口时在配置参数中补充model_version字段即可。
针对你使用的Python客户端，配置示例如下：

from google.cloud import speech

client = speech.SpeechClient()

# 音频配置根据你的实际情况调整
audio = speech.RecognitionAudio(uri="gs://your-audio-storage-path/audio.wav")
config = speech.RecognitionConfig(
    encoding=speech.RecognitionConfig.AudioEncoding.LINEAR16,
    sample_rate_hertz=16000,
    language_code="zh-CN", # 替换为你实际使用的语言代码
    model="phone_call", # 替换为你当前使用的模型名称
    model_version="1" # 填写你需要锁定的模型版本号
)

response = client.recognize(config=config, audio=audio)

相关注意事项 #

• 如果你调用时不填写model_version参数，API会默认调用对应模型的最新版本，转写结果会随谷歌的模型更新发生变动。
• 每个模型版本都有明确的生命周期，谷歌会为已发布的模型版本提供至少12个月的可用期，版本下线前会提前推送通知，你可以预留足够时间完成版本切换或者验证。
• 请确保你使用的Python客户端库版本为正式版，beta版本的接口可能存在参数变动问题，建议升级到最新的稳定版使用。

内容的提问来源于stack exchange，提问作者Bertie Ancona