Микрофон ближе всего остального
Громкость голоса падает пропорционально квадрату расстояния. Телефон посреди стола на восьмерых даст вчетверо худшую запись, чем он же в полуметре от говорящего.
Если участников много, лучший ход — не дорогой микрофон, а несколько дешёвых: по телефону рядом с каждой группой людей. Расшифровать потом можно каждую запись отдельно.
Эхо хуже шума
Ровный фоновый шум — вентиляция, улица за окном — распознаванию мешает умеренно. А вот эхо в пустой комнате с гладкими стенами размывает согласные, и текст начинает сыпаться.
Помогает что угодно мягкое: шторы, ковёр, люди в комнате. Переговорная со стеклянными стенами и голым столом — худший случай.
Перебивания
Когда двое говорят одновременно, страдает и распознавание, и разделение по говорящим: у алгоритма нет чистого куска голоса, чтобы отличить одного от другого.
На созвонах это решается само — у каждого свой микрофон. В переговорной помогает простая договорённость не перебивать, особенно если запись потом пойдёт в протокол.
Формат почти не важен
Спор о форматах обычно бессмыслен: разница между MP3 в приличном качестве и WAV на распознавание почти не влияет. А вот запись в очень низком битрейте — влияет.
Ставьте среднее или высокое качество в приложении диктофона и не думайте об этом больше.