Qué pasa con el audio

Escuchar es una petición a nuestro servidor en la mayoría de los planes. Cada intervención que el detector de voz da por cerrada se manda, regresa como texto y no queda copia del audio en ninguno de los dos lados. Un nivel configurado para Azure en tiempo real, en cambio, manda el audio directo a Azure —nuestro servidor solo le entrega a la app un token de corta duración— y tampoco se queda ahí. De cualquier forma, la sesión guarda el texto.

Ese es el trato, dicho y no escondido: una llamada necesita conexión, y el audio sube para volverse texto.