OpenAI, con sede en Estados Unidos, anunció antes del 9 de octubre de 2026 (hora de Japón) que ChatGPT ya admite la subida de archivos de audio. Los usuarios de pago pueden subir grabaciones para transcribirlas, resumirlas y hacer preguntas sobre su contenido. El tamaño máximo de los archivos es de 512 MB.
Ahora se puede preguntar sobre el contenido, además de transcribir las grabaciones
Con esta novedad, es posible enviar a ChatGPT archivos de audio guardados y convertir su contenido en texto o resumir los puntos principales. La función está disponible para los usuarios de pago.
Lo más destacable es que, además de transcribir las grabaciones, se pueden hacer preguntas sobre su contenido. Se puede optar por leer la transcripción completa o preguntar directamente por la información que se desea conocer.
Por ejemplo, se pueden extraer los puntos clave de una reunión grabada o resumir brevemente el contenido de una clase. Si se concibe esta función como una forma de obtener la información necesaria, en lugar de limitarse a guardar las grabaciones, surgen nuevas posibilidades de uso.
Admite una amplia variedad de formatos, pero existen límites para las grabaciones largas
Los formatos compatibles son WAV, MP3/MPEG, OGG/OGA, PCM, FLAC, AAC y M4A. También se admiten WebM y MP4, siempre que los archivos contengan únicamente audio. La compatibilidad con MP4 no significa que el anuncio se extienda a los vídeos en general.
El tamaño máximo es de 512 MB, pero esta cifra no indica cuánto tiempo de audio se puede procesar. Las grabaciones largas pueden procesarse por partes y también existe la posibilidad de que el proceso agote el tiempo disponible.
Al utilizar la función, es necesario tener en cuenta la duración de la grabación, además del formato y el tamaño del archivo. Aunque no supere el límite, una grabación larga no necesariamente se procesará de una sola vez.
Conviene comprobar lo dicho y quién lo dijo antes de utilizar los resúmenes
Las transcripciones pueden incluir errores al reconocer lo que se ha dicho o al identificar a los hablantes. También se indica que la precisión de la comprensión del audio y de la transcripción puede variar según el idioma.
Si se utiliza en reuniones o entrevistas, conviene distinguir entre la facilidad de lectura del resumen y la exactitud del registro. Para verificar declaraciones importantes o quién las hizo, es preferible contrastar el texto generado con el audio original, en lugar de basarse únicamente en él.
El material publicado no incluye cifras sobre la precisión ni las tasas de error por idioma. Tampoco especifica la precisión en idiomas concretos, incluido el japonés, ni cuántas horas de audio se pueden procesar.
コメント