#размышления
Среднестатистический человек говорит быстрее, чем пишет. Поэтому общение между двумя людьми происходит быстрее через разговор. Но вот с ростом группы скорость обмена голосовыми сообщениями не растёт. Потому что у нас всегда говорит один человек, остальные вынуждены молчать.
Зато, если общение происходит через переписку, то "говорить" могут все одновременно. А поскольку среднестатистический человек читает быстрее, чем говорит, то и обмен информацией может происходить на максимально возможной скорости.

И получается, что идеальный групповой мессенджер должен работать так: человек наговаривает сообщение, и оно автоматически конвертируется в текст, который читают все остальные.

И меня очень удивляет, что такого функционала до сих пор нигде нет. И ладно бы, это было технически сложно, но ведь алгоритмы транскрибации уже есть, и железо среднестатистического клиента их потянет.

П.С. Ну вообще-то, совсем идеальным был бы способ, когда выкладывается и транскрибированный текст, и оригинальное голосовое сообщение. А каждый получатель выбирает удобный для себя вариант.
Возможно, даже вариант машинного чтения транскрибированного текста, что может быть очень-очень быстрым (если вы слышали радиорекламу. то понимаете, о чём я))).

УПД: А ещё в голосовом чате есть заминки при передачи слова от одного человека к другому, или когда несколько человек начинают говорить одновременно.
И в текстовом виде гораздо удобнее работать с логами.