低资源语言学习应用中语音识别结果不一致的处理策略问询

我正在做一款面向低资源语言的语言学习应用，核心想用语音识别来帮用户做发音和口语练习。但最近碰到个头疼的问题：同一句话用户念好几遍，每次语音识别出来的转录结果都有点出入，比如分词方式不一样，或者某些词的拼写有细微差别。

想请教下，从应用设计的层面来说，处理这种识别结果不一致的问题，有哪些通用的策略或者最佳实践呀？我自己先想了几个方向，大概是这些：

• 文本归一化或者后处理
• 不用严格的字符串比对，改成灵活匹配的方式
• 基于识别置信度来做评估

对了，我不需要具体的模型推荐哈，更关心应用层可以落地的通用方法。

备注：内容来源于stack exchange，提问作者hahao