Die Dauer der Umwandlung ist von der Länge der Audioaufnahme abhängig. Als Faustregel kann die folgende Formel herangezogen werden:
Dauer der Umwandlung in Minuten = Audiolänge in Minuten / 2
Eine geringe Internet-Uploadkapazität verlängert den Upload und somit auch die Dauer, bis der erkannte Text zur Verfügung steht.