多用户使用Google Cloud Speech异常，求Python服务端认证实现方案

首先得明确你遇到的核心问题：把服务账号密钥直接嵌入Android客户端并在本地缓存token，会导致多用户场景下的token并发冲突——所有客户端共享同一个服务账号的token配额，且本地缓存的token在多设备刷新时会互相干扰，同时直接在客户端暴露服务账号密钥是严重的安全风险，这也是官方要求将认证逻辑委托到服务端的核心原因。

下面是具体的实现方案，我们用Python搭建一个后端服务，统一处理Speech API的认证和请求，Android客户端只需要把音频数据发送到后端即可：

第一步：Python后端实现 #

1. 安装依赖 #

先安装需要的Python包：

pip install flask google-cloud-speech python-dotenv

2. 编写后端代码 #

创建一个app.py文件，实现接收音频并调用Speech API的接口：

from flask import Flask, request, jsonify
from google.cloud import speech_v1p1beta1 as speech
import os
from dotenv import load_dotenv

# 加载环境变量（建议把服务账号密钥路径放在.env文件里，不要硬编码）
load_dotenv()
os.environ["GOOGLE_APPLICATION_CREDENTIALS"] = os.getenv("GOOGLE_SERVICE_ACCOUNT_KEY_PATH")

app = Flask(__name__)
client = speech.SpeechClient()

@app.route('/recognize-speech', methods=['POST'])
def recognize_speech():
    # 接收客户端上传的音频文件
    if 'audio' not in request.files:
        return jsonify({'error': 'No audio file provided'}), 400
    
    audio_file = request.files['audio']
    audio_content = audio_file.read()

    # 配置Speech API请求参数
    audio = speech.RecognitionAudio(content=audio_content)
    config = speech.RecognitionConfig(
        encoding=speech.RecognitionConfig.AudioEncoding.LINEAR16,
        sample_rate_hertz=16000,
        language_code='zh-CN', # 根据你的需求修改语言代码
        enable_automatic_punctuation=True
    )

    # 调用Speech API
    try:
        response = client.recognize(config=config, audio=audio)
        # 提取识别结果
        results = []
        for result in response.results:
            results.append({
                'transcript': result.alternatives[0].transcript,
                'confidence': result.alternatives[0].confidence
            })
        return jsonify({'results': results}), 200
    except Exception as e:
        return jsonify({'error': str(e)}), 500

if __name__ == '__main__':
    # 生产环境建议用Gunicorn等WSGI服务器，不要用Flask自带的服务器
    app.run(host='0.0.0.0', port=5000, debug=False)

3. 配置服务账号 #

• 把你的服务账号密钥文件（credential.json）放在服务器的安全目录下
• 创建.env文件，添加：

  GOOGLE_SERVICE_ACCOUNT_KEY_PATH=/path/to/your/credential.json
  

第二步：修改Android客户端代码 #

移除本地的AccessTokenTask相关逻辑，改为通过HTTP请求把音频数据发送到后端：

// 示例：用OkHttp发送音频文件到后端
private void sendAudioToBackend(byte[] audioData) {
    OkHttpClient client = new OkHttpClient();
    RequestBody requestBody = new MultipartBody.Builder()
            .setType(MultipartBody.FORM)
            .addFormDataPart("audio", "recording.wav",
                    RequestBody.create(audioData, MediaType.parse("audio/wav")))
            .build();

    Request request = new Request.Builder()
            .url("http://your-server-ip:5000/recognize-speech") // 替换成你的后端地址
            .post(requestBody)
            .build();

    client.newCall(request).enqueue(new Callback() {
        @Override
        public void onFailure(Call call, IOException e) {
            Log.e(TAG, "Failed to send audio to backend", e);
            // 处理失败逻辑
        }

        @Override
        public void onResponse(Call call, Response response) throws IOException {
            if (response.isSuccessful()) {
                String responseBody = response.body().string();
                // 解析后端返回的JSON结果
                // 示例：用Gson解析
                RecognitionResult result = new Gson().fromJson(responseBody, RecognitionResult.class);
                // 处理识别结果
            } else {
                Log.e(TAG, "Backend returned error: " + response.code());
            }
        }
    });
}

// 辅助类用于解析JSON结果
static class RecognitionResult {
    List<SpeechResult> results;
    static class SpeechResult {
        String transcript;
        float confidence;
    }
}

为什么这个方案能解决问题？ #

• 避免认证冲突：后端统一管理服务账号的认证和token刷新，所有客户端共享后端的认证会话，不会出现多设备token互相干扰的情况
• 提升安全性：服务账号密钥只存储在服务器端，不会暴露给Android客户端，防止密钥泄露导致的权限滥用
• 便于配额管理：后端可以统一控制API调用的频率和配额，避免单个客户端过度消耗资源

内容的提问来源于stack exchange，提问作者Backkom