Может ли ChatGPT расшифровать аудио?
Да, ChatGPT может расшифровать аудио – на платном тарифе и для коротких записей. Вы прикрепляете файл к чату, просите расшифровку, и текст приходит в ответе. По собственной справке OpenAI на ноябрь 2026 года, загруженная запись ограничена шестью минутами в той модели чата, которая её расшифровывает, а на бесплатном тарифе загрузка аудио недоступна.
Поэтому честный ответ зависит от двух вещей: насколько длинная запись и можно ли ей покидать ваш телефон. Двухминутная голосовая заметка, ваша собственная, на тарифе, за который вы и так платите, – ровно то, с чем ChatGPT хорошо справляется, и в том же запросе можно попросить резюме. Часовая лекция, запись чужого голоса или телефон без связи – случаи, когда ту же работу делает приложение, которое расшифровывает на устройстве.
Что ChatGPT делает с записью
На платном тарифе вы прикрепляете аудио – MP3, M4A, WAV, OGG, FLAC и ещё несколько форматов – и просите расшифровку. Файл загружается в OpenAI и расшифровывается там. Запись длиннее лимита может обрабатываться частями, если в ChatGPT доступны инструменты анализа данных, но OpenAI называет это работой без гарантий и предупреждает, что очень длинные записи могут прерваться по тайм-ауту.
О качестве OpenAI тоже говорит прямо: в расшифровке возможны ошибки, разделение говорящих может работать ненадёжно, а результат зависит от языка. Какие приложения ChatGPT принимают аудиовложения, зависит от версии приложения, и справка их не перечисляет.
На Mac есть второй путь. Record – режим настольного приложения ChatGPT на платных тарифах: он записывает встречу, расшифровывает её и пишет заметки. Он есть только на Mac – ни на iPhone, ни в браузере его нет.
Куда уходит аудио
Всё описанное выше происходит на серверах OpenAI. Загруженный файл может сохраняться в вашей библиотеке ChatGPT отдельно от разговора, поэтому удаление чата его не убирает, а используется ли ваш контент для улучшения моделей, зависит от тарифа и настроек данных. Для облачного сервиса в этом нет ничего необычного, и для заметки самому себе это почти не важно.
Важно это становится, когда голос не ваш. Пациент, источник, собеседник в интервью, коллега на встрече – то, куда уйдёт их запись, чтобы стать текстом, – решение, которое вы принимаете о них. Kaseta расшифровывает прямо на iPhone, на 99 языках, без аккаунта и без отправки чего-либо наружу; как только модели загружены, она работает в авиарежиме.
Когда ChatGPT подходит лучше
- Вы уже за него платите, а запись короткая. Прикрепить двухминутную заметку быстрее, чем что-то устанавливать.
- Нужна не только расшифровка. Резюме, список решений, письмо по мотивам сказанного – ChatGPT делает это из той же загрузки. Kaseta расшифровывает; резюме она не пишет.
- Хочется задать вопросы о записи. «Что они сказали про сроки?» – это разговор, а приложение для расшифровки разговоров не ведёт.
- Ваши встречи проходят на Mac. Record записывает звонок там, где он идёт, а телефону, лежащему на столе, это не под силу.
Когда приложение на телефоне подходит лучше
- Запись длинная. Лекция, интервью или встреча идут намного дольше лимита чата. На Pro Kaseta расшифровывает запись целиком; на бесплатном тарифе вы получаете текст первых 5 минут каждой записи, а звук всегда сохраняется полностью.
- У вас бесплатный тариф ChatGPT. Загрузки аудио там нет вообще.
- Аудио не должно покидать телефон. Чужой голос, конфиденциальная встреча, работа, где облачные инструменты запрещены.
- Нет связи. Самолёт, аудитория в подвале, здание с плохим приёмом.
- Нужен файл, а не ответ. Kaseta выгружает Plain Text, Markdown, SRT, WebVTT и JSON с таймкодами на любом тарифе и разделяет говорящих, если вы об этом попросите.
Используйте оба
Эти инструменты скорее дополняют друг друга, чем соперничают. Kaseta расшифровывает запись, вы копируете текст и вставляете его в ChatGPT со своей просьбой – «сделай резюме», «выпиши задачи», «преврати это в письмо». Потолок в шесть минут касается аудио, а не текста, и какие части расшифровки покинут телефон, решаете вы. Сама запись не покидает его никогда.
Как Kaseta принимает запись из «Диктофона», рассказано в руководстве «аудио в текст», почему распознаванию на устройстве не нужна связь – на странице о расшифровке без интернета, а длинные разговоры с несколькими голосами разобраны на странице о расшифровке интервью.