Google Speech-to-Text V2 chirp_3无法返回临时识别结果咨询

1. chirp_3模型是否支持临时识别结果？ #

是的，chirp_3模型完全支持流式临时结果输出，它是Google Cloud Speech-to-Text V2专为实时交互场景设计的模型之一，开启interimResults=true后，服务端会在音频持续输入过程中返回isFinal=false的临时识别结果。

2. 开启interimResults=true后仅返回最终结果的可能原因 #

正常配置下不会出现这种情况，但以下场景可能导致该问题：

• 非流式音频输入：如果代码是一次性将完整音频数据发送给服务端，而非按时间分片（比如每200ms发送一段音频帧），服务端会直接完成全量音频的识别，仅返回最终结果。临时结果的触发依赖持续的流式输入反馈。
• 测试音频时长过短：若测试用音频仅1-2秒，服务端处理速度快于临时结果生成的触发阈值，会直接返回最终结果。建议使用10秒以上的连续语音测试。
• 音频发送间隔过长：如果分片发送的间隔超过服务端的超时阈值，服务端会判定输入结束，直接返回最终结果。

验证实例（chirp_3返回isFinal=false的场景） #

以下是简化的Java代码片段，模拟流式分片发送LINEAR16格式音频，并接收临时结果：

// 初始化流式识别客户端
SpeechClient speechClient = SpeechClient.create();
StreamingRecognizeRequest firstRequest = StreamingRecognizeRequest.newBuilder()
    .setStreamingConfig(StreamingRecognitionConfig.newBuilder()
        .setConfig(RecognitionConfig.newBuilder()
            .addLanguageCodes("en-US")
            .setModel("chirp_3")
            .setEncoding(RecognitionConfig.AudioEncoding.LINEAR16)
            .setSampleRateHertz(16000)
            .build())
        .setStreamingFeatures(StreamingRecognitionFeatures.newBuilder()
            .setInterimResults(true)
            .build())
        .build())
    .build();

// 开启流式请求
BidiStream<StreamingRecognizeRequest, StreamingRecognizeResponse> bidiStream = speechClient.streamingRecognizeCallable().call();
bidiStream.send(firstRequest);

// 分片发送音频数据（模拟实时输入）
Path audioPath = Paths.get("test_long_audio.wav");
byte[] audioBytes = Files.readAllBytes(audioPath);
int chunkSize = 3200; // 对应16000采样率下200ms的音频数据
for (int i = 0; i < audioBytes.length; i += chunkSize) {
    int end = Math.min(i + chunkSize, audioBytes.length);
    StreamingRecognizeRequest audioRequest = StreamingRecognizeRequest.newBuilder()
        .setAudioContent(ByteString.copyFrom(audioBytes, i, end - i))
        .build();
    bidiStream.send(audioRequest);
    Thread.sleep(200); // 模拟实时输入间隔
}

// 接收并处理响应
for (StreamingRecognizeResponse response : bidiStream) {
    for (StreamingRecognitionResult result : response.getResultsList()) {
        System.out.printf("isFinal: %b, 转录文本: %s%n", result.getIsFinal(), result.getAlternatives(0).getTranscript());
    }
}

运行上述代码后，控制台会输出类似日志：

isFinal: false, 转录文本: Hello
isFinal: false, 转录文本: Hello everyone
isFinal: false, 转录文本: Hello everyone my name
isFinal: true, 转录文本: Hello everyone, my name is Nick.

内容的提问来源于stack exchange，提问作者fz Z