Genau so hatte ich das auch mal ausprobiert bei mir.
Mit Bosmon per Ereignis die Sprachmeldung aufgenommen (30sek oder so) und im FE in der Pipline mit der Verzögerung von wenigen sek mehr per Mail geschickt. Hat damals alles wunderbar funktioniert in den Tests. Leider habe ich es noch nicht real getestet.