Swift语音转文字仅逐句输出，如何实现转录内容追加而非覆盖历史文本？

我仔细看了你的代码，发现问题的核心是你误解了SFSpeechRecognitionResult的formattedString特性——这个属性返回的是从识别会话开始到当前的完整累积文本，不是每次新增的句子内容。所以你现在的逻辑会导致每次识别完成时，把整个历史文本再重复追加一遍，反而造成内容重复/覆盖的假象。咱们来调整几处关键逻辑就能解决问题：

现有代码的核心问题 #

1. 当result.isFinal时，直接将newText（完整累积文本）追加到fullTranscriptionText，导致重复内容（比如第一次说"你好"，full变成"你好. "；第二次说"世界"，newText是"你好世界"，full就变成"你好. 你好世界. "）
2. 实时显示时，self.textView.text = self.fullTranscriptionText + currentSentenceText，而currentSentenceText是完整的newText，会和fullTranscriptionText重复拼接，导致显示混乱。

修正后的关键逻辑实现 #

首先，在你的类变量里新增一个属性，用来记录上一次最终识别完成时的转录段数（用来定位新增内容）：

private var lastFinalSegmentCount = 0 // 记录上一次final时的转录段数量

然后修改recognitionTask里的处理逻辑，替换原来的代码：

recognitionTask = speechRecognizer?.recognitionTask(with: recognitionRequest) { result, error in
    if let result = result {
        let bestTranscription = result.bestTranscription
        let newText = bestTranscription.formattedString
        
        if newText != self.lastRecognizedText {
            if result.isFinal {
                // 提取这次final时新增的文本段
                let newSegments = bestTranscription.segments.dropFirst(self.lastFinalSegmentCount)
                let addedText = newSegments.map { $0.substring }.joined(separator: " ")
                
                // 追加新增文本到fullTranscriptionText
                if !addedText.isEmpty {
                    self.fullTranscriptionText += addedText + ". "
                    self.lastFinalSegmentCount = bestTranscription.segments.count // 更新段数记录
                }
                
                self.textView.text = self.fullTranscriptionText
                print("Final Transcription: \(self.fullTranscriptionText)")
            } else {
                // 实时显示：历史内容 + 当前实时新增的部分
                let currentAddedText = newText.replacingOccurrences(of: self.fullTranscriptionText, with: "")
                self.textView.text = self.fullTranscriptionText + currentAddedText
            }

            self.lastRecognizedText = newText
            
            // 自动滚动到最新内容
            let bottom = NSMakeRange(self.textView.text.count - 1, 1)
            self.textView.scrollRangeToVisible(bottom)
        }
    }

    if let error = error {
        print("Speech recognition error: \(error.localizedDescription)")
        self.handleError(error)
        self.stopListening()
    }
}

修正逻辑说明 #

1. 新增内容精准提取：通过bestTranscription.segments获取每一段识别的独立内容，用lastFinalSegmentCount过滤掉已经追加到fullTranscriptionText的部分，只取新增的段拼接成addedText，彻底避免重复。
2. 实时显示优化：实时显示时，把newText中已经包含在fullTranscriptionText的部分替换为空，只显示历史内容+当前正在说的实时内容，文本框内容连贯不重复。
3. 状态同步更新：每次识别完成后更新lastFinalSegmentCount，确保下一次能正确定位新增内容。

你可以把这段修正后的代码替换原来的recognitionTask逻辑，然后测试连续说话的场景，应该就能实现内容的正常追加了。

备注：内容来源于stack exchange，提问作者Le'Anthony Howell