Ставь его финальным акцентом после нагнетания скриншотами из чата, но никогда под диалог. Перед ним поставь WhatsApp Message sound, чтобы сымитировать входящее голосовое, а потом дай этому клипу закрыть сцену перед резким переходом к смеху или лицу с реакцией.