ChatGPT支持音频文件｜可实现语音转文字与内容摘要
機械翻訳 / Machine-translated
A
AI Friends
4時間前・7分で読める
機械翻訳 / Machine-translated
@aifriends
AI Friends（https://aifriends.jp）のクロスポスト公式アカウント。AIツールの紹介・使い方・できることを、中学生でもわかるやさしい日本語で届けます。
您是否曾花好几个小时反复听会议录音、整理成会议记录？现在只需将音频文件上传给ChatGPT，即可完成语音转文字和内容摘要。本文将依次介绍这项新功能的具体内容、适用场景以及注意事项。
美国OpenAI在2026年10月6日的发布说明中宣布了音频文件上传功能。ITmedia AI＋也于10月9日对此进行了报道。
该功能主要有三大用途：对录音进行语音转文字（将说话内容转换为文字）、对内容进行摘要，以及就内容进行提问。
此前，ChatGPT直接读取音频的功能十分有限，需要先用外部转文字工具将音频转为文本再粘贴进去，操作较为繁琐。此次功能上线后，这一额外步骤将不再必要。
另外，此功能与已有的"Record（录音）"功能是两回事。Record是Mac应用中用于实时录制当前音频的功能，而此次新功能则是上传已有文件的功能。
该功能仅面向付费套餐用户。据解说文章介绍，官方帮助文档中注明"可在付费ChatGPT订阅及工作区中使用"。免费套餐目前暂不支持。
此外，文档中也说明，实际可用性可能因地区、应用版本及所选模型而有所不同。
支持的格式包括WAV、MP3、OGG、PCM、FLAC、AAC、M4A，以及纯音频的WebM和MP4。
单文件上限为512MB。目前未明确注明播放时长上限。但较长的录音可能会被分段处理，或出现超时（处理因时间过长而中止）的情况。
被判定为视频的WebM和MP4格式不受支持。如需对视频文件进行语音转文字，需先提取其中的音频部分。
另外，部分报道中关于支持格式及文件删除处理方式的说明与本文有所出入。请以OpenAI帮助文档中的最新信息为准。
操作步骤十分简单：打开新对话，附上音频文件，然后具体描述所需的输出内容并发送。
仅输入"帮我摘要"往往只能得到笼统的结果。以下是一些更有效的提示方式：
据解说文章介绍，还建议附上一句"请勿对不确定内容进行推测填充"，以避免让AI对听不清的部分进行猜测补全。
在同一对话中，也可以继续追问。例如："请根据刚才确认的事项，起草一封确认邮件。"即可直接生成邮件正文。
以某中小企业的销售人员为例：每周有3场商务洽谈，每次都用手机录音。每天下班后听录音整理笔记至少需要1小时。
有了这项功能，只需上传录音，输入"请列出客户需求和下一步行动"即可。虽然仍需核对确认，但反复听录音的工作量可以大幅减少。
对大学生来说，也同样适用。录下90分钟的课程，考试前想快速复习要点时，只需上传录音，输入"请列出10个重要术语并附上说明"，便可生成复习笔记。
对于自由撰稿人或YouTuber而言，可用于整理采访录音。大致掌握每个人说了什么，能节省在文章中查找相关发言的时间。不过，引用的发言务必与原始录音核对确认。
能处理音频文件的AI工具不止ChatGPT一家。据2025年9月的报道，Google的Gemini支持MP3、M4A、WAV格式的音频文件，每次最多可上传10个文件，总时长上限为10分钟。除语音转文字、摘要、行动项目提取外，据称还支持说话人识别。
上述限制为当时的规格，此后可能已有调整。使用前请以Gemini官方帮助文档的最新说明为准。
ChatGPT的优势在于单文件最大支持512MB，较长的会议录音有望一次性上传处理。
另一方面，Notta、Otter等专用语音转文字应用专为会议录音而设计，通常具备说话人区分、带时间戳的转写等会议专属功能。在需要逐字记录（一字不差的完整记录）的场合，专用应用更为可靠。
实际使用中，可以这样区分：若只需大致了解内容以便开展下一步工作，选ChatGPT；若需保留精准记录，则选专用应用。
对日本读者而言，最关心的可能是日语识别的精度。ITmedia AI＋的文章中并未具体提及该功能在日本的推出情况及日语精度。
OpenAI说明，音频理解和语音转文字的精度可能因语言而异，说话人识别也可能出现错误。
其他报道则指出，该功能目前在英语环境下使用体验最佳，噪音、口音、多人同时说话等情况会导致精度下降。日语会议中较易出现语速过快、专业术语多、多人同时发言等情况，因此务必亲耳核对确认。
同时也需注意隐私问题。据解说文章介绍，目前未见有关上传音频在处理后会被删除的说明。保存期限取决于文件的存储位置及工作区的数据保留规则。
关于训练数据使用：个人套餐取决于数据设置；企业套餐则不将客户数据用于训练。
在上传客户商务洽谈或公司内部机密会议录音前，请务必先确认公司相关规定，并提前告知参与者录音及AI使用情况，取得同意。
目前不支持。该功能仅适用于付费套餐及其工作区。
目前未明确注明播放时长上限。单文件大小上限为512MB。非常长的录音可能会被分段处理或出现超时情况。
被判定为视频的文件不受支持。请先提取音频部分，转换为MP3等格式后再上传。
不建议这样做。结果中可能包含错误或说话人混淆的情况。数字、日期、专有名词请务必与原始录音核对。
建议提前告知参与者将进行录音及AI整理记录，并取得同意。不同国家和公司的规定有所不同，请事先确认。
不妨先上传一段手边的短录音，试试摘要效果如何。
本文为 AI Friends 的转载文章。
