Реализуем аналог Apple iCloud Voicemail c использованием свободных грамматик от Яндекса

В том, что делается людей, важен результат, а не последовательность действий, которую разработчик должен совершить. В данном изложении нет оценки качества распознавания, нет ссылок на софт, нет рассказа о проблемах при эксплуатации.

«И никто не помнит как туда дозваниваться.»
Насколько я знаю, голосовая почта по умолчанию всегда была забита на единичку.

Вы относительно плохо проанализировали результаты работ. Как некую формальность. Заметьте, какие большие проблемы с предлогами в вашем примере. Заметьте, что отсутствует выборка на разных системах и соответственно микрофонах. Судить об эффективности можно только в отношении какого-то конкретного применения. Так и тут, задайтесь вы целью к примеру протоколировать заседания в суде, то будут делемы типа, "казнить нельзя помиловать". Такие системы распознавания, где даже нет коррекции согласования родов, падежей, а также явные проблемы с предлогами годятся больше для одиночных команд. Как мне показалось, нигде не было сказано о том, что протестированные вами системы распознавания обучены на поисковые запросы и в целом их лингвистическая база не может быть переобучена, скорректирована и вообще предстать в каком-то виде для анализа.
В таком виде, чтобы использовать данные технологии требуется семантический движок, который в обзоре не представлен. При этом его значимость на мой взгляд будет выше значимости самой системы распознавания. В противном случае кейс применения так и останется в контексте строки поиска в Интернет и микрофона рядом с ним. До сих пор не могу понять, почему Яндекс не сделает хотя бы это у себя это на главной.