Google Cloud Speech语音转文本返回乱码，如何提取希伯来语或指定输出编码

你看到的transcript字段内的问号并非Google Cloud Speech API的返回结果，而是你的终端/运行环境未正确配置UTF-8编码，导致希伯来语字符被替换为占位符?。该API默认所有返回内容均为UTF-8编码，无需额外指定字符集参数。

• 第一步：先将API返回结果直接写入UTF-8编码的文件，避免终端输出时自动替换字符，修改后的调用命令如下：

gcloud ml speech recognize-long-running gs://audio_abcd/5.flac --language-code=iw-IL --async --audio-channel-count=2 --separate-channel-recognition > speech_result.json

• 第二步：确认本地环境编码配置为UTF-8，类Unix系统可执行以下命令查看当前编码：

echo $LANG

若输出不是xx_XX.UTF-8格式（en_US.UTF-8、he_IL.UTF-8均可），可执行以下命令临时生效编码配置：

export LANG=en_US.UTF-8
export LC_ALL=en_US.UTF-8

如需永久生效，可将上述两行配置写入对应Shell的用户配置文件（如~/.bashrc、~/.zshrc等）。

• 第三步：提取希伯来语文本，可使用jq工具直接解析JSON文件的对应字段，命令如下：

jq -r '.results[].alternatives[].transcript' speech_result.json

解析后的内容即为正常的希伯来语字符，可直接输出或写入其他文件使用。

如果打开生成的JSON文件仍显示乱码，请检查你使用的文本编辑器的编码设置，确认打开文件时选用UTF-8编码，不要使用GBK、ASCII等不支持希伯来语的编码格式。

内容的提问来源于stack exchange，提问作者Eliel Louzoun