我在使用Google Cloud Speech-to-Text V2流式识别，使用chirp_3模型，通过gRPC。
我启用了中间结果，但我只收到最终结果（ isFinal=true ）。我从未收到任何中间结果（ isFinal=false ）。

我的流式配置本质上是：

StreamingRecognitionConfig streamingConfig =
    StreamingRecognitionConfig.newBuilder()
        .setConfig(
            RecognitionConfig.newBuilder()
                .addLanguageCodes(languageCode)
                .setModel("chirp_3")
                .setAutoDecodingConfig(AutoDetectDecodingConfig.newBuilder().build())
                .setFeatures(
                    RecognitionFeatures.newBuilder()
                        .setEnableAutomaticPunctuation(true)
                        .build())
                .build())
        .setStreamingFeatures(
            StreamingRecognitionFeatures.newBuilder()
                .setInterimResults(true)
                .build())
        .build();

我测试了以下内容：

• cmn-Hans-CN

• en-US

• WEBM_OPUS

• LINEAR16

以下是处理返回结果的代码：

private void consumeV2Responses(RuntimeSession runtimeSession) {
        for (com.google.cloud.speech.v2.StreamingRecognizeResponse response : runtimeSession.getV2Stream()) {
            for (com.google.cloud.speech.v2.StreamingRecognitionResult result : response.getResultsList()) {
                if (result.getAlternativesCount() == 0) {
                    continue;
                }
                com.google.cloud.speech.v2.SpeechRecognitionAlternative alternative = result.getAlternatives(0);
                logRecognizeResult(runtimeSession, result.getIsFinal(), alternative.getTranscript(),
                        resolveConfidence(alternative.getConfidence(), result.getIsFinal()));
                if (!StringUtils.hasText(alternative.getTranscript())) {
                    continue;
                }
                sendTranscriptResult(runtimeSession, alternative.getTranscript(),
                        resolveConfidence(alternative.getConfidence(), result.getIsFinal()),
                        result.getIsFinal());
            }
        }
    }
private void logRecognizeResult(RuntimeSession runtimeSession, boolean finalResult, String transcript, Float confidence) {
        log.info("[recognizeResult][sessionId({}) meetingId({}) provider({}) final({}) transcriptLength({}) confidence({}) transcript({})]",
                runtimeSession.getSessionId(), runtimeSession.getMeetingId(), runtimeSession.getProvider(),
                finalResult, transcript != null ? transcript.length() : 0, confidence, abbreviateTranscript(transcript));
    }

在所有情况下，我的服务器日志只显示最终结果。例如：

[recognizeResult][sessionId(...)] provider(v2_chirp3) final(true) transcript(Hello everyone, my name is Nick.)

我从未看到任何final(false) / isFinal=false的结果。

我也确认了：

• 我确实在使用V2 StreamingRecognize

• interimResults=true实际上已发送

• 我的服务器在记录日志之前没有过滤部分结果

• 我同时测试了WEBM_OPUS和原始LINEAR16

那么我的问题是：

• chirp_3实际上在实践中会发出中间结果吗？

• 还是说，V2的 chirp_3即使interim_results=true，可能也只返回最终结果？

如果有人有V2 chirp_3返回isFinal=false的确切示例，那将非常有帮助。

解决方案

我的直觉是这可能是一个API/模型的限制，而不是代码错误。这个模型如此先进，以至于它在何时给出结果上有一种模式——而这种模式可能迫使它等待完全确定。