使用Azure speech-to-text如何获取多个NBest备选转录结果

仅设置format=detailed参数只会开启NBest字段的结构返回，默认情况下Azure Speech-to-Text会将备选结果数量限制为1，需要额外补充以下配置才能拿到多条转录结果：

• 显式设置nbest查询参数
  该参数的取值范围为1~10，代表希望接口返回的最高备选转录条数。比如需要获取最多3条备选结果，就在请求URL的查询字符串中追加nbest=3。如果使用SDK调用，需要通过服务属性通道将该参数附加到实际请求中，不能仅在SDK的本地配置对象上自定义字段名，否则SDK会自动过滤未通过标准通道传递的参数。
• 确认调用场景的多结果返回权限
  • 短实时识别、批量文件转写场景在正确传参后均可正常返回多备选结果
  • 如果使用自定义训练的语音模型端点，需确认端点配置未禁用多结果返回选项
  • 若开启了发音评估、说话人分离等附加识别能力，这类功能会默认强制将NBest列表长度限制为1，和多备选返回逻辑互斥
• 注意SDK的默认限制
  多数官方SDK在初始化阶段会将服务端的nbest默认值锁定为1，哪怕开启了detailed格式也不会自动放开多结果返回，必须手动在配置层显式传入目标数值覆盖默认值。

• 抓包核对实际发出的请求URL，确认nbest参数确实被携带在请求中，部分SDK会自动过滤未走标准配置通道的自定义参数
• 确认使用的API版本为2021-10-01及之后的正式版本，早期API版本对多备选返回的支持不完整，即使传参也只会返回单条结果
• 如果语音本身内容识别置信度极低、和模型匹配度极差，接口不会为了凑够nbest要求的条数硬返回低质量无效结果，此时NBest列表实际长度小于设置的数值属于正常情况

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