El formato de las notas de voz
Cuando grabas una nota de voz en un iPhone, sale un M4A. Cuando grabas con la mayoría de aplicaciones de grabadora de Android, también. Es el envoltorio habitual del audio AAC, que es el códec que usan los móviles porque suena mejor que el MP3 ocupando lo mismo.
Se sube tal cual: no hay que pasarlo a MP3 antes, ni cambiarle la extensión, ni nada. Convertirlo solo le quitaría un poco de calidad por el camino, porque cada compresión trabaja sobre lo que dejó la anterior.