Google Cloud STT代码报3 INVALID_ARGUMENT错误，求排查原因

问题场景 #

使用Node.js编写Google Cloud Speech-to-Text（STT）v2版本代码，传入的音频通过Buffer.from(someBase64EncodedAudioString, 'base64')转换为Buffer，已替换recognizer参数的项目占位符，但运行时抛出错误：

Error: 3 INVALID_ARGUMENT: Invalid resource field value in the request.

相关代码如下：

import { v2 } from '@google-cloud/speech';
import { fileURLToPath } from 'url';
import path from 'path';
const keyFilePath = './stt_key.json';

class STTService {
  constructor() {
    const __filename = fileURLToPath(import.meta.url);
    const __dirname = path.dirname(__filename);
    console.log(path.resolve(__dirname, keyFilePath));
    this.client = new v2.SpeechClient({
      keyFilename: path.resolve(__dirname, keyFilePath),
    });
    this.openConnections = {};
    this.request = {
      recognizer:
        'projects/[project-name-here]/locations/global/recognizers/my-recognizer',
      streamingConfig: {
        config: {
          explicitDecodingConfig: {
            encoding: 'LINEAR16',
            sampleRateHertz: 16000,
          },
          languageCodes: ['en-US'],
          model: 'latest_long', // or other model if applicable
        },
      },
    };
  }

  async sendRequest(sessionId, audio, handler) {
    if (this.openConnections[sessionId]) {
      this.openConnections[sessionId].write(audio);
      return;
    }
    this.openConnections[sessionId] = this.client
      .streamingRecognize()
      .on('error', console.error)
      .on('data', (data) => {
        console.log(data);
        /* handler(
          data.results[0] && data.results[0].alternatives[0].transcript
      ); */
      });
    this.openConnections[sessionId].write(this.request);
    this.openConnections[sessionId].write(audio);
  }

  endRequest(sessionId) {
    this.openConnections[sessionId].end();
    delete this.openConnections[sessionId];
  }
}

const service = new STTService();

export default service;

排查方向及解决方案 #

1. Recognizer资源路径格式错误 #

STT v2要求recognizer路径必须严格遵循projects/{project-id}/locations/{location}/recognizers/{recognizer-id}格式，重点检查：

• 确认[project-name-here]替换的是GCP项目ID（不是项目显示名称，项目ID是系统生成的唯一字符串，可在GCP控制台项目设置中查看）
• 检查区域是否匹配：如果你的recognizer创建在非global区域（比如us-central1），需将路径中的global改为对应区域
• 确认my-recognizer是你实际创建的recognizer ID，可在GCP Speech-to-Text控制台的「Recognizers」页面查看详情

2. 请求结构与v2规范不匹配 #

STT v2的流式请求结构有明确要求，需确保request对象的嵌套层级正确，且recognizer与配置参数匹配：

• 确认explicitDecodingConfig的编码、采样率与你创建recognizer时的设置一致
• 修正后的请求示例（确保结构正确）：

this.request = {
  recognizer: 'projects/你的项目ID/locations/global/recognizers/my-recognizer',
  streamingConfig: {
    config: {
      explicitDecodingConfig: {
        encoding: 'LINEAR16',
        sampleRateHertz: 16000,
      },
      languageCodes: ['en-US'],
      model: 'latest_long',
    },
    // 如需返回实时中间结果，可添加该行
    interimResults: true,
  },
};

3. 音频数据格式不匹配 #

虽然已将Base64转为Buffer，但需确认原始音频符合配置要求：

• 原始音频必须是裸PCM格式（无WAV文件头），编码为LINEAR16，采样率16000Hz，单声道
• 如果原始音频是MP3、带文件头的WAV等格式，需先通过工具（如ffmpeg）解码为裸PCM：

  ffmpeg -i input.mp3 -acodec pcm_s16le -ar 16000 -ac 1 -f s16le output.raw
  

• 可通过ffmpeg -i input.wav -f null -验证音频的采样率、编码参数

4. 权限或资源未正确配置 #

• 确认stt_key.json对应的服务账号拥有speech.recognizers.use权限，可在GCP IAM页面为该账号添加「Speech-to-Text Recognizer User」角色
• 确认目标recognizer已在指定项目和区域中创建，且状态为正常（未被删除或禁用）

内容的提问来源于stack exchange，提问作者user28367041