El paso de voz a texto ocurre en tu navegador
La transcripción usa la Web Speech API integrada en Chrome y Edge, así que el audio de tu micrófono no sale de tu dispositivo en este paso: solo se envía el texto para generar la nueva voz. Habla en el idioma de la voz que hayas seleccionado; el reconocedor se ajusta a él. Firefox y Safari no exponen esta API de forma fiable; en esos navegadores pega el texto. Revisa la transcripción antes de generar: una palabra mal en el texto es una palabra mal en el audio.