ich betreibe meinen upstream (audio und video) immer mit minimalsettings, das sind glaube ich 96 video und 128 audio. ist ja für die aufnahme nicht relevant, und wenn mein nasegesicht beim gegenüber bisschen unscharf ist ist das sowieso auch durchaus eher gewinnbringend 
vom performer lasse ich am anfang kurz den videostream auf schick, um die mikropositionierung anzuschauen, danach stell ich die auch auf minimum. audio lasse ich auf maximum, das sind wenn ich mich recht erinnere (tue ich eher selten) 320 oder 384 oder sowas. was meiner meinung nach angesichts der meist bei blindtests bei höchstens 192 liegenden hörschwelle selbst bei deutlich komplexerem material absolut in ordnung ist - zumindest sind mir noch nie irgendwelche codierungs-artefakte aufgefallen, auch nicht wenn ich die derart aufgenommenen spuren noch durch massivstes popmix-multiband-höhenalarm-an-allen-fronten processing hab laufen lassen, was bei geringeren bitrates sicherlich relativ schnell heftig zutage treten würde.
kurz: aus meiner sicht unterm strich komplett praxistauglich, ohne abstriche. gerade mit dem im moment sehr schönen setup auf der gegenüberliegenden seite (u47 + voxbox ist einfach ne killer combo) ist das aufgenommene material klanglich ausgesprochen lecker und wenn ich selbst im studio unter akustischen top bedingungen da keine codierungsartefakte höre, dann fällt mir auch kein zacken aus der krone. lokal gespeichertes format ist dann decodiert was immer du willst.
dropouts, kommt schon mal vor, je nachdem wie konservativ man den buffer einstellt, geht zwischen 0,1 und 5 sekunden latenz. ersteres ist im moment zumindest mit unseren leitungen noch nicht realistisch. 5 sekunden sind extrem safe, dann aber auch bisschen anstrengend träge. im moment schwanke ich immer so zwischen 1 bis 2 sekunden, je nach laune des internet-traffics. das sind dann verzögerungen, die daws früher schon zum lokalen puffer-füllen gebraucht haben bevor sie losliefen (von noch früheren medien wie tape mal ganz zu schweigen) und mit denen man gut arbeiten kann.
gibt auch noch nen anderen aspekt, der sich im alltag abgezeichnet hat, nämlich dass es auch drauf ankommt, wie man gerade ans vocaltracking rangeht: wenn man mehr auf lange durchgehende takes setzt und der performer sowieso dann immer lange ununterbrochene strecken singt, dann kann man genausogut mit einem klick auf 5 sekunden latenz gehen, ist ja dann wurscht. wenn man hingegen mehr den ansatz verfolgt, alle stellen einzeln schritt für schritt noch- und nochmal zu singen um sich den überirdisch perfekt genagelten take zu compen, dann kann man die latenz eher sehr weit runterstellen damits einen bei den vielen starts und stops nicht bremst - und wenn dann je mal ein dropout in einem der 3689763424 takes drin ist, dann tut das beim compen aus besagten 548976978364 takes auch nicht weiter weh.
unterm strich: praktikabel. sehr, sehr praktikabel.