MacOS Swift Speech框架转写报错：Audio input timestamp overlaps or precedes

在Mac上使用Apple Speech框架的SpeechTranscriber及DictationTranscriber做语音转写时，运行30-60秒后常触发以下报错：

Audio input timestamp overlaps or precedes prior audio input

结合你怀疑问题出在inputNode.installTap()代码块的判断，以下是针对性的排查和解决方法：

核心排查方向：音频时间戳的连续性 #

Speech框架对输入音频的时间戳顺序要求极高，只要出现时间戳回退、重叠，就会触发该错误，重点检查installTap回调中的时间戳处理逻辑：

1. 直接使用系统提供的时间戳，禁止手动修改 #

不要自行计算或调整音频帧的时间戳，完全依赖AVAudioEngine传递的time参数即可。错误的时间戳偏移会直接导致框架校验失败，正确的tap回调写法示例：

inputNode.installTap(onBus: 0, bufferSize: 1024, format: inputFormat) { [weak self] buffer, time in
    guard let self = self, let recognizer = self.speechRecognizer else { return }
    // 直接复用原始buffer和time，避免内存拷贝时的错误（若需要拷贝也要保证时间戳一致）
    recognizer.append(buffer, withAudioTime: time)
}

2. 重启音频引擎前必须清理旧Tap #

如果存在音频引擎中断、重启的场景，一定要先移除旧的Tap再重新安装，否则残留的旧流会导致时间戳混乱：

// 重启前先清理
inputNode.removeTap(onBus: 0)
do {
    try audioEngine.stop()
    try audioEngine.start()
    // 重新安装Tap
    inputNode.installTap(onBus: 0, bufferSize: 1024, format: inputFormat, block: yourTapBlock)
} catch {
    print("音频引擎操作失败：\(error)")
}

同时监听AVAudioSession.interruptionNotification，在中断结束后执行完整的引擎重启流程，不要直接恢复旧的音频流。

3. 调整BufferSize适配系统 #

过大或过小的BufferSize可能导致时间戳计算异常，建议使用系统自动适配的参数，或者设置为输入格式帧长度的整数倍：

// 让系统自动选择合适的BufferSize
inputNode.installTap(onBus: 0, bufferSize: AVAudioNodeBufferSizeAutomatic, format: inputFormat, block: yourTapBlock)

4. 定期重置SpeechRecognizer实例 #

长时间运行后，SpeechRecognizer内部状态可能出现异常，尝试每运行一段时间（比如30分钟）就销毁旧实例并创建新的，同时重置音频Tap，避免累积的时间戳错误。

控制台日志辅助排查 #

如果日志中能看到具体的时间戳数值，对比相邻音频帧的sampleTime，如果出现后一帧时间戳小于前一帧的情况，说明音频输入设备可能存在硬件层面的时间戳问题，或者有其他进程抢占了音频资源导致流中断，此时可以尝试切换音频输入设备，或者关闭其他占用音频的程序。

内容的提问来源于stack exchange，提问作者Saamer