ChatGPT ने ऑडियो फ़ाइलें अपलोड करने की सुविधा शुरू की; सशुल्क उपयोगकर्ता रिकॉर्डिंग का ट्रांसक्रिप्शन और सारांश बना सकेंगे तथा सवाल पूछ सकेंगे

अमेरिकी कंपनी OpenAI ने 9 अक्टूबर 2026 (जापान समय) तक घोषणा की कि ChatGPT अब ऑडियो फ़ाइलें अपलोड करने की सुविधा देता है। सशुल्क उपयोगकर्ता रिकॉर्डिंग अपलोड करके उसका ट्रांसक्रिप्शन और सारांश बना सकते हैं तथा उसकी सामग्री के बारे में सवाल पूछ सकते हैं। फ़ाइल का अधिकतम आकार 512MB है।

रिकॉर्डिंग को लिखित रूप देने के साथ-साथ उसकी सामग्री के बारे में सवाल भी पूछ सकते हैं

इस नई सुविधा से सहेजी गई ऑडियो फ़ाइल ChatGPT को देकर उसकी सामग्री को टेक्स्ट में बदला जा सकता है या उसके मुख्य बिंदुओं को व्यवस्थित किया जा सकता है। यह सुविधा सशुल्क उपयोगकर्ताओं के लिए है।

ध्यान देने वाली बात यह है कि ट्रांसक्रिप्शन के अलावा रिकॉर्डिंग की सामग्री के बारे में सवाल भी पूछे जा सकते हैं। रिकॉर्डिंग को पूरा टेक्स्ट पढ़ने के साथ-साथ, अपनी ज़रूरत की जानकारी पूछने का विकल्प भी है।

उदाहरण के लिए, मीटिंग की रिकॉर्डिंग से चर्चा के मुख्य बिंदु निकालना या व्याख्यान की सामग्री का संक्षिप्त सार बनाना इसके संभावित उपयोग हैं। रिकॉर्डिंग को सिर्फ़ सहेजकर छोड़ने के बजाय, ज़रूरी जानकारी पाने के लिए इस सुविधा का इस्तेमाल करने पर इसके उपयोग के तरीके स्पष्ट हो जाते हैं।

कई फ़ॉर्मैट का समर्थन, लेकिन लंबी रिकॉर्डिंग पर सीमाएँ

समर्थित फ़ॉर्मैट WAV, MP3／MPEG, OGG／OGA, PCM, FLAC, AAC और M4A हैं। WebM और MP4 में केवल ऑडियो वाली फ़ाइलें समर्थित हैं। MP4 का समर्थन होने का अर्थ यह नहीं है कि इस घोषणा को सभी तरह के वीडियो के समर्थन के रूप में समझा जाए।

अधिकतम आकार 512MB है, लेकिन इस आँकड़े से यह पता नहीं चलता कि कितनी अवधि की रिकॉर्डिंग प्रोसेस की जा सकती है। लंबी रिकॉर्डिंग को हिस्सों में प्रोसेस किया जा सकता है और प्रोसेसिंग के लिए निर्धारित समय समाप्त होने से टाइमआउट भी हो सकता है।

इस्तेमाल करते समय फ़ाइल के फ़ॉर्मैट और आकार के साथ-साथ रिकॉर्डिंग की अवधि पर भी ध्यान देना ज़रूरी है। सीमा के भीतर आने वाली फ़ाइल की लंबी रिकॉर्डिंग भी एक बार में प्रोसेस हो, यह ज़रूरी नहीं है।

सारांश का उपयोग करने से पहले कही गई बातों और वक्ताओं की पुष्टि करें

ट्रांसक्रिप्शन में कही गई बातों को गलत समझने या कौन बोल रहा है, यह पहचानने में त्रुटियाँ हो सकती हैं। यह भी बताया गया है कि ऑडियो को समझने और ट्रांसक्रिप्शन की सटीकता भाषा के अनुसार अलग हो सकती है।

मीटिंग या इंटरव्यू में इसका इस्तेमाल करते समय, सारांश की पठनीयता और रिकॉर्ड की सटीकता को अलग-अलग देखना चाहिए। महत्वपूर्ण बातों या वक्ताओं की पुष्टि के लिए सिर्फ़ तैयार किए गए टेक्स्ट के आधार पर निर्णय लेने के बजाय, उसे मूल ऑडियो से मिलाकर देखना बेहतर है।

इस घोषणा की सामग्री में भाषा के अनुसार सटीकता या गलत पहचान की दर के आँकड़े नहीं दिए गए हैं। जापानी समेत अलग-अलग भाषाओं में सटीकता या अधिकतम कितने घंटे की रिकॉर्डिंग प्रोसेस की जा सकती है, यह भी स्पष्ट नहीं किया गया है।