Qué pasa con el audio

Escuchar es una petición a nuestro servidor en la mayoría de los planes. Cada intervención que cierra el detector de voz sube, vuelve convertida en texto, y no queda copia del clip en ninguno de los dos extremos. Un nivel configurado para usar Azure en tiempo real envía en cambio el audio directamente a Azure —nuestro servidor solo le entrega a la app un token de corta duración— y tampoco se queda ahí. En cualquier caso, la sesión guarda el texto.

Ese es el trato, dicho y no enterrado: una llamada necesita conexión, y el audio sube para convertirse en texto.