Node.js调用Google Speech API流式识别超时自动重启问题求助

我之前做过长语音流式识别的项目，刚好碰到和你一模一样的60秒超时问题，折腾一番后搞定了自动重启的逻辑，给你分享下具体实现思路和代码：

核心思路 #

既然官方流式接口有60秒的硬超时限制，我们的核心应对逻辑就是：

• 把录音+识别的整套流程封装成一个可重复调用的函数
• 精准捕获识别过程中的超时错误（或导致流程中断的关键错误）
• 错误触发后先优雅停止当前录音流和请求连接，避免资源泄漏
• 立即（或加短延迟）启动新的录音和识别会话，实现无缝衔接

完整代码实现 #

const record = require('node-record-lpcm16');
const unirest = require('unirest');

// 全局变量：用于拼接多次识别的完整文本（如果需要的话）
let fullTranscript = '';

// 封装录音+识别的核心函数
function startStreamingRecognition() {
  // 配置录音参数（根据你的硬件和需求调整）
  const recording = record.start({
    sampleRateHertz: 16000,
    threshold: 0,
    verbose: false,
    recordProgram: 'rec', // 系统是Linux/macOS用'rec'，Windows可以用'sox'
    silence: '10.0'
  });

  // 发起流式识别请求（替换成你实际使用的API地址和认证信息）
  const request = unirest.post('YOUR_STREAMING_RECOGNITION_API_ENDPOINT')
    .headers({
      'Content-Type': 'audio/l16; rate=16000',
      'Authorization': 'Bearer YOUR_AUTH_TOKEN' // 若API需要认证则添加
    })
    .send(recording); // 直接将录音流传入请求体

  // 处理实时识别结果
  request.on('data', (chunk) => {
    try {
      const result = JSON.parse(chunk.toString());
      const currentText = result.transcript || '';
      console.log('当前识别片段:', currentText);
      // 拼接完整文本（根据业务需求调整，比如处理上下文衔接）
      fullTranscript += currentText + ' ';
    } catch (parseErr) {
      console.error('解析识别结果出错:', parseErr);
    }
  });

  // 处理错误（重点：捕获超时并触发重启）
  request.on('error', (err) => {
    console.error('识别会话出错:', err.message);
    // 根据API返回的超时错误信息调整判断条件（不同平台提示可能不同）
    const isTimeoutError = err.message.includes('timeout') || err.message.includes('60 seconds');
    
    if (isTimeoutError) {
      console.log('触发60秒超时，准备重启录音和识别...');
      // 先停止当前录音，释放系统资源
      record.stop();
      // 加100ms延迟避免瞬间重启导致资源过载（可选）
      setTimeout(() => {
        startStreamingRecognition();
      }, 100);
    } else {
      // 非超时错误的处理逻辑：比如重试3次后终止，或直接终止
      console.error('非超时错误，终止流程:', err);
      record.stop();
    }
  });

  // 处理会话正常结束（比如主动停止录音）
  request.on('end', () => {
    console.log('当前识别会话正常结束');
    console.log('完整识别文本:', fullTranscript.trim());
    // 如果需要持续识别，可以在这里也调用重启逻辑
    // startStreamingRecognition();
  });
}

// 启动第一个识别会话
startStreamingRecognition();

关键细节提醒 #

• 错误判断适配：不同语音识别平台返回的超时错误提示可能不同，你需要根据实际返回的错误内容调整isTimeoutError的判断条件，确保只在超时场景下触发重启。
• 资源释放：一定要调用record.stop()终止当前录音，否则会出现多个录音流同时占用麦克风的情况。
• 文本拼接优化：如果需要完整的长文本，要注意处理两次识别会话之间的上下文衔接（比如避免重复识别末尾的词语）。
• 重试策略：如果担心频繁重启影响性能，可以添加重试次数限制，或者根据错误类型调整重试间隔。

内容的提问来源于stack exchange，提问作者Rémi C.