¿Es posible acceder a clips de audio de voz a texto para la depuración?

¿Hay alguna manera de acceder al clip de audio que se utiliza para la transcripción de voz a texto de Google?

He estado obteniendo resultados cada vez más imprecisos utilizando la salida de voz a texto de Google. Después de descubrir que mi teléfono Samsung tiene más de un micrófono, me pregunto si tal vez esto podría tener que ver con el micrófono que se está utilizando, y / o si hay algún procesamiento de audio que se aplica que está afectando a la precisión.

Si pudiera depurar yo mismo estas formas de onda/registros, podría al menos ver si la propia entrada es la fuente de la inexactitud, o si es otra cosa.