¿ChatGPT puede transcribir audio?

Sí, ChatGPT puede transcribir audio – con un plan de pago y en grabaciones cortas. Adjuntas un archivo a un chat, pides la transcripción y el texto llega en la respuesta. En noviembre de 2026, la propia página de ayuda de OpenAI fija en seis minutos el máximo para una grabación subida en el modelo de chat que transcribe, y dice que la subida de audio no está disponible en el plan gratis.

Así que la respuesta honesta depende de dos cosas: cuánto dura la grabación y si está bien que salga de tu teléfono. Una nota de voz tuya de dos minutos, en un plan que ya pagas, es justo lo que ChatGPT hace bien – y de paso puedes pedirle un resumen. Una clase de una hora, la grabación de la voz de otra persona o un teléfono sin cobertura son los casos en los que una app que transcribe en el dispositivo hace el trabajo.

Qué hace ChatGPT con una grabación

Con un plan de pago adjuntas el audio – MP3, M4A, WAV, OGG, FLAC y algunos formatos más – y pides la transcripción. El archivo se sube a OpenAI y se transcribe allí. Una grabación que pasa del límite puede procesarse en partes más pequeñas cuando las herramientas de análisis de datos de ChatGPT están disponibles, pero OpenAI dice que eso se hace en la medida de lo posible y avisa de que las grabaciones muy largas pueden agotar el tiempo de espera.

OpenAI también habla con franqueza de la calidad: las transcripciones pueden contener errores, distinguir a los hablantes puede no ser fiable y los resultados varían según el idioma. Qué apps de ChatGPT aceptan adjuntos de audio depende de la versión de la app, y la página de ayuda no las enumera.

En una Mac hay un segundo camino. Record es un modo de la app de escritorio de ChatGPT en los planes de pago: graba una reunión, la transcribe y escribe notas. Solo está en la Mac – ni en el iPhone ni en el navegador.

Adónde va el audio

Todo lo anterior ocurre en los servidores de OpenAI. Un archivo subido puede guardarse en tu biblioteca de ChatGPT aparte de la conversación, así que borrar el chat no lo elimina, y que tu contenido se use para mejorar los modelos depende de tu plan y de tus ajustes de datos. Nada de eso es raro en un servicio en la nube, y si la nota es para ti, apenas importa.

Importa cuando la voz no es tuya. Un paciente, una fuente, un entrevistado, un compañero en una reunión – adónde va su grabación para convertirse en texto es una decisión que tomas sobre ellos. Kaseta transcribe en el iPhone, en 99 idiomas, sin cuenta y sin subir nada; una vez descargados sus modelos, funciona en modo avión.

Cuando ChatGPT es mejor herramienta

• Ya lo pagas y la grabación es corta. Adjuntar una nota de dos minutos es más rápido que instalar nada.
• Quieres algo más que una transcripción. Un resumen, una lista de decisiones, un correo redactado a partir de lo que se dijo – ChatGPT lo hace con el mismo archivo subido. Kaseta transcribe; no escribe resúmenes.
• Quieres hacer preguntas sobre la grabación. «¿Qué dijeron del plazo?» es una conversación, y una app de transcripción no conversa.
• Tus reuniones son en la Mac. Record captura la llamada donde ocurre, cosa que no puede hacer un teléfono encima de la mesa.

Cuando una app en el teléfono es mejor herramienta

• La grabación es larga. Una clase, una entrevista o una reunión pasan con creces del límite del chat. Kaseta transcribe la grabación entera en Pro; en el plan gratis recibes el texto de los primeros 5 minutos de cada grabación, y el audio se guarda siempre entero.
• Estás en el plan gratis de ChatGPT. Ahí no se puede subir audio en absoluto.
• El audio no debe salir del teléfono. La voz de otra persona, una reunión confidencial, un lugar de trabajo que no permite herramientas en la nube.
• No hay cobertura. Un avión, un aula en un sótano, un edificio con mala señal.
• Necesitas un archivo, no una respuesta. Kaseta exporta Texto plano, Markdown, SRT, WebVTT y JSON con marcas de tiempo en todos los planes, y etiqueta a los hablantes cuando se lo pides.

Usa los dos

Los dos se complementan más de lo que compiten. Transcribe la grabación en Kaseta, copia el texto y pégalo en ChatGPT con tu petición – «resúmelo», «haz una lista de tareas pendientes», «conviértelo en un correo». Los seis minutos son un límite para el audio, no para el texto, y tú decides qué partes de la transcripción salen del teléfono. La grabación en sí no sale nunca.

Cómo meter una nota en Kaseta está en la guía de notas de voz, por qué el reconocimiento en el dispositivo no necesita conexión está en la página de transcripción sin internet, y las conversaciones largas con varias voces se tratan en transcripción de entrevistas.