Ciao! Sì e no.
Nel senso che è necessario che ci siano tipi di audio diversificati, ma se l’audio non è distinguibile è praticamente inutile che venga inserito perché sarebbe irriconoscibile (e quindi rifiutato).
Ho inserito la voce “Non devono esserci rumori di sottofondo”, in maniera così drastica, per evitare che la gente inizi a registrare con rumori di sottofondo molto forti, ed è preferibile che non ce ne siano (o che siano molto bassi).
Come puoi leggere nelle linee guida di convalida (Regole/Linee guida per approvazione registrazioni), infatti, le registrazioni con presenza minima di audio sono da accettare (la regola generale è “L’audio si sente anche senza dover leggere la frase?”).
Quelle FAQ sono, più che altro, valide per l’inglese, per esempio, dove c’è un numero altissimo di parlanti e, di conseguenza di registrazioni molto diversificate tra loro. Quindi possono permettersi di avere delle registrazioni “poco chiare”, poiché ne hanno tante altre chiare. I parlanti della lingua italiana sono nettamente inferiori, quindi il nostro obiettivo è, almeno all’inizio, fare in modo che sia possibile riconoscere la voce almeno in condizioni di suono ottimale.