音频后来怎么了

在大多数套餐上，收听都是发往我们服务器的一次请求。语音检测器每闭合一段话，就把它送上去，换回文字，两端都不留这段音频的副本。被设成 Azure 实时模式的那一档不一样：音频会直接发给 Azure —— 我们的服务器只给 App 发一个短期有效的令牌 —— 那边同样不会留底。不管走哪条路，会话里存下来的都是文字。

这就是这笔交换，说清楚而不是埋起来：通话需要网络，音频要上去一趟才变成文字。