ChatGPT unterstützt jetzt den Upload von Audiodateien: Zahlende Nutzer können Aufnahmen transkribieren und zusammenfassen lassen sowie Fragen dazu stellen

Das US-Unternehmen OpenAI gab bis zum 9. Oktober 2026 (japanischer Zeit) bekannt, dass ChatGPT nun den Upload von Audiodateien unterstützt. Zahlende Nutzer können Aufnahmen hochladen, transkribieren und zusammenfassen lassen sowie Fragen zu deren Inhalt stellen. Die maximale Dateigröße beträgt 512 MB.

Nicht nur transkribieren, sondern auch Fragen zum Inhalt stellen

Dank der Neuerung können Nutzer gespeicherte Audiodateien an ChatGPT übermitteln und deren Inhalt in Text umwandeln oder die wichtigsten Punkte zusammenfassen lassen. Die Funktion steht zahlenden Nutzern zur Verfügung.

Bemerkenswert ist, dass sich neben der Transkription auch Fragen zum Inhalt der Aufnahme stellen lassen. Nutzer können sich den gesamten Inhalt als Text anzeigen lassen oder gezielt nach den Informationen fragen, die sie interessieren.

So lassen sich beispielsweise die wichtigsten Diskussionspunkte einer aufgezeichneten Besprechung zusammenfassen oder die Inhalte einer Vorlesung kurz wiedergeben. Betrachtet man die Funktion als Möglichkeit, gezielt benötigte Informationen aus Aufnahmen herauszufiltern, statt diese einfach nur zu speichern, wird ihr praktischer Nutzen deutlich.

Viele Formate, aber Einschränkungen bei langen Aufnahmen

Unterstützt werden die Formate WAV, MP3/MPEG, OGG/OGA, PCM, FLAC, AAC und M4A. Auch WebM und MP4 werden unterstützt, sofern es sich ausschließlich um Audiodateien handelt. Die Unterstützung von MP4 bedeutet nicht, dass die Ankündigung nun eine allgemeine Unterstützung von Videos umfasst.

Die maximale Dateigröße beträgt 512 MB. Dieser Wert gibt jedoch nicht an, wie lange eine Aufnahme sein darf. Längere Aufnahmen werden möglicherweise in Abschnitten verarbeitet; außerdem kann es zu einem Timeout kommen.

Bei der Nutzung sollte man neben Dateiformat und -größe auch auf die Länge der Aufnahme achten. Auch Dateien innerhalb des Größenlimits lassen sich nicht unbedingt in einem Durchgang verarbeiten, wenn die Aufnahme lang ist.

Vor der Nutzung von Zusammenfassungen Aussagen und Sprecher überprüfen

Transkriptionen können Fehler enthalten, etwa falsch wiedergegebene Aussagen oder eine fehlerhafte Zuordnung der Sprecher. Zudem kann die Genauigkeit beim Verstehen und Transkribieren von Audiodateien je nach Sprache variieren.

Bei Besprechungen oder Interviews empfiehlt es sich, die Lesbarkeit einer Zusammenfassung von der Genauigkeit des Protokolls zu unterscheiden. Wenn wichtige Aussagen oder die jeweiligen Sprecher überprüft werden müssen, sollte man sich nicht allein auf den generierten Text verlassen, sondern ihn mit der Originalaufnahme abgleichen.

Die vorliegenden Unterlagen enthalten keine Angaben zu Genauigkeit oder Fehlerraten für einzelne Sprachen. Auch zur Genauigkeit in bestimmten Sprachen wie Japanisch oder dazu, wie viele Stunden einer Aufnahme konkret verarbeitet werden können, werden keine Angaben gemacht.