Звук из видео достаёт ваш браузер, и на сервер уходит только он: картинка остаётся на компьютере, а видео на сотни мегабайт превращается в звук примерно на 2 МБ в минуту. Звук удаляется сразу после распознавания, текст хранится сутки.
Ссылки на YouTube и другие сайты сервис не принимает: нужен сам файл. Если браузер не смог достать звук (редкий формат, старая версия), файл до 300 МБ уходит целиком и звук берёт сервер; более тяжёлый такой файл не примется, откройте страницу в Chrome, Edge или Яндекс Браузере.
Сейчас расшифровка работает в тестовом режиме: одна запись за раз, до 20 минут. Длинное видео разделите на части.