RuntimeError: [json.exception.type_error.302] type must be number, but is number

快速结论：该报错通常出现在 Faster-Whisper 已将模型加载并成功转写一段时间后，随机在 model.generate() 阶段抛出；优先排查模型目录里的 config.json 是否完整、以及所用模型的 revision 是否损坏或缺失必需键。

适用环境：Faster-Whisper 1.2.0；ctranslate2 4.0.0；Python 3.10；CPU 推理（device="cpu"，compute_type="float32"）；使用自定义 CT2 模型目录（如 model_ct2_9.30）；部分用户使用 systran-large-v3 与 BatchInferencePipeline。

最快修复方案：暂无确认的一步修复方案。Issue 中被验证有效的处理方式是修复/更换模型 revision，使其 config.json 包含全部必需键；另有用户通过 suppress_blank=False 让报错消失，但会影响预测结果，不建议作为首选。

注意事项：使用 suppress_blank=False 只是绕过而非修复，且会改变解码行为、影响输出质量；替换模型 revision 需确认新版本 config.json 字段完整；config.json 缺失或不全时可能抛出的是 type_error.305 而非 type_error.302，两者需区分对待。

问题场景

用户将 Faster-Whisper 作为服务使用，模型（例如 systran-large-v3，或自定义 CT2 模型目录）已成功加载进内存并完成过若干次转写。运行一段时间后，在调用 model.transcribe() / BatchInferencePipeline 时随机触发报错，之后有时又能自行恢复正常；也有用户在单条音频转写 demo 中稳定复现。

报错原文

File "C:\Projects\mjolnir\.venv\Lib\site-packages\faster_whisper\transcribe.py", line 1171, in generate_segments
    ) = self.generate_with_fallback(encoder_output, prompt, tokenizer, options)
File "C:\Projects\mjolnir\.venv\Lib\site-packages\faster_whisper\transcribe.py", line 1404, in generate_with_fallback
    result = self.model.generate(
RuntimeError: [json.exception.type_error.302] type must be number, but is number

原因分析

最可能的原因与模型本身的配置/revision 有关，而不是推理代码或音频输入。Issue 中有用户确认：问题来自所用模型的一个损坏 revision（例如 KBLab/kb-whisper-large 在 5 月 13 日出现损坏，5 月 16 日被修复），期间持续报同样的 type_error.302。另一条关键线索是：config.json 应包含所有必需键，否则会进入未定义行为（UB）并触发该异常。因此可优先怀疑：模型目录（尤其是自定义转换出的 CT2 模型）中的 config.json 缺少字段、字段类型不对，或远端模型仓库的某个 revision 本身有问题。

由于报错表现为“随机出现、又自行恢复”，还可能与该模型 revision 在特定时间点的文件状态、或转换流程产生的不完整配置有关，而非单纯的版本兼容问题。

环境排查

确认 faster-whisper 版本（Issue 中出现 1.2.0）与 ctranslate2 版本（Issue 中出现 4.0.0）是否与模型兼容。
确认 device 与 compute_type（Issue 中为 cpu + float32），排除硬件相关干扰。
确认所用模型来源：是 Hugging Face 上的官方/社区仓库，还是自行转换的 CT2 模型目录（如 model_ct2_9.30）。
检查模型目录中是否存在 config.json，以及其中的键是否齐全、类型是否合法。
若从 Hugging Face 拉取，核对当前使用的 revision/commit 是否在已知问题时间段内。

解决步骤

先获取完整 traceback，确认报错确实发生在 generate_with_fallback → model.generate 路径，而不是其他位置。
检查所用模型目录/仓库下的 config.json，确认必需键全部存在、且数值与字符串类型正确；若为自定义 CT2 模型，重新生成或补齐该文件。
若使用的是社区模型，核对是否存在损坏 revision。Issue 中用户联系模型维护方后，对方修复了 revision，问题随之消失，可优先尝试切换到修复后的 revision/commit。
作为对比验证，可临时加上 suppress_blank=False；如果报错消失，说明与解码选项/配置相关，但需注意这会改变预测结果，仅用于定位。
如果 config.json 缺失，可能看到的是 type_error.305 cannot use operator[] with a string argument with null，此时应优先补齐 config.json。

验证方法

修复或更换模型 revision 后，重新加载模型并对之前触发报错的音频（如 0212bc28082f46968100a38da33b2dc9.wav）重复转写；若不再抛出 RuntimeError: [json.exception.type_error.302]，且持续运行一段时间后仍稳定，则说明问题已解决。恢复 suppress_blank 默认值后也应保持稳定。