Google SpeechClient phone_call模型不支持alternativeLanguageCodes的解决方案咨询

问题原因 #

Google Speech-to-Text的phone_call模型（包括增强版）是专门针对电话通话场景优化的，但目前不支持alternativeLanguageCodes多语种备选参数，这是官方模型的功能限制，和代码实现无关。

解决方案 #

1. 动态适配配置参数

如果必须使用phone_call模型，直接从配置中移除alternativeLanguageCodes字段，只保留主languageCode。如果需要在其他场景支持多语种，可以根据模型类型动态添加该参数：

const config = {
  encoding: "MULAW",
  sampleRateHertz: 8000,
  languageCode: dictConnection[ws.id].languageCode,
  enableWordTimeOffsets: true,
  enableAutomaticPunctuation: true,
  enableWordConfidence: true,
  enableSpeakerDiarization: true,
  model: "phone_call",
  useEnhanced: true,
  enableNoiseReduction: true,
};

// 仅当不使用phone_call模型时，才添加备选语言配置
if (config.model !== "phone_call") {
  config.alternativeLanguageCodes = dictConnection[ws.id].additionalLanguageCodes || [];
}

2. 切换支持多语种的替代模型

如果你的核心需求包含多语种识别，可以考虑以下替代模型：

• default通用模型：基础模型，完美支持alternativeLanguageCodes，对日常口语识别效果稳定，虽然没有针对电话场景优化，但多数情况下能满足需求。
• video模型：针对口语化对话优化，支持多语种备选，原本为视频场景设计，但适配电话语音的表现也不错。

注意：切换模型后，部分参数（比如useEnhanced）的支持情况可能变化，需要根据官方模型文档调整。

折中方案（电话场景+多语种） #

如果必须同时满足电话场景优化和多语种识别，可以自己实现二次识别逻辑：

1. 先用phone_call模型按主语言识别，获取结果的置信度。
2. 若置信度低于阈值，再用支持多语种的模型（比如default）重新识别，传入alternativeLanguageCodes。

内容的提问来源于stack exchange，提问作者Iqrma