Dein Audio muss ins Phone und wieder raus bzw aus dem Phone raus in das Gerät und wieder raus, dh - du musst es (so es class compliant ist) diese Wandlung machen und diesen Job erledigen - mit möglichst wenig Latenz - also Versatz zwischen übertragen und tatsächlich ausgeben.
Das ist idR das "Problem" dabei -
Ob das nur mit dem Phone geht weiss ich nicht, aber mit einem Microfon und dem E4 in das Handy per Audio-In (was bei iOS auch ein Audiointerface benötigt, so das E4 nicht über ein USB-C Class Compliant Audio verfügt - das weiss ich nicht sicher) - mit dieser Lösung sparst du eine Richtung und damit Latenz und hast eine passende Qualität.
Wäre jedenfalls, wie ich damit wohl umgehen würde.