Как это сделал бы я… Понятно, что смартфоны не распознают всю речь локально, большей частью обработка идёт на внешних серверах. Следовательно, весь голосовой поток скидывать туда без разрешения пользователя несколько сцыкотно - будет слишком заметно по объемам трафика.

Напрашивается формирование внутренней базы из нескольких десятков или сотен ключевых слов и мониторинг силами самого смарта входящего голосового потока постоянно. А вот при распознавании ключевого слова рекламодателям скидывается инфа типа IMEI такой-то упоминал термин 235, вероятно он релевантен вашему продукту. Формально все кошерно, информация пользователя передаётся в зашифрованном виде, причём передаётся только интерес, а не полный голосовой поток.

Но учитывая, что государство может вежливо попросить производителя ОС включить в базу слова имеющие по их мнению отношение к безопасности и при их наличии обязать писать и передавать весь поток, то становится более понятной назойливая забота о присутствии на смартах отечественных одобренных приложений имеющих доступ к микрофону.

Если до этого так легко додуматься, то шансов что это так и реализовано - примерно 100%