关于Apple Speech框架中SFTranscriptionSegment时序偏移及speechRecognitionMetadata预终态为nil的技术疑问

我最近在Swift/SwiftUI环境下做语音识别相关开发，用的是Xcode 16.3，系统是macOS 15.4。不管是在iOS模拟器里跑测试，还是直接在Xcode中运行macOS应用，都碰到了一个挺费解的问题——而且我换了三个不同的音频文件测试，结果完全一致。

我发现SFSpeechRecognitionResult的speechRecognitionMetadata属性，只有当isFinal为true的时候才会有有效值，在识别结果处于非最终状态（也就是isFinal为false）时，这个属性一直是nil。但我翻遍了Apple的官方文档，完全没提到这个属性会有这样的时序限制，文档里根本没说它要等结果最终确定后才会被填充。

为了排查问题，我已经把相关的处理类精简到最基础的版本，排除了其他业务代码的干扰，但这个现象还是存在。

内容来源于stack exchange