ChatGPTが音声ファイルに対応、文字起こしも可能に

何があったの？

OpenAIは2026年10月9日、ChatGPTが音声ファイルのアップロードに対応したと発表しました。対象は有料ユーザーで、WAVやMP3、FLACなど主要な音声形式に対応し、ファイル容量は512MBまで扱えます。アップロードした音声は、文字起こしや要約、内容についての質問に使えるようになりました。ただし長時間の録音は分割処理されたり、処理に時間がかかってタイムアウトする場合があるとされています。

初心者にはどういう意味？

これまでChatGPTは文章や画像を読み込むことはできても、音声ファイルそのものを渡すことはできませんでした。今回の対応で、たとえば会議やインタビューを録音したファイルをそのままアップロードすれば、ChatGPTが自動で文字に変換し、内容を要約してくれるようになります。録音データを人に渡して「これ、文字にして」と頼んでいた作業を、ChatGPTが代わりにやってくれるようなイメージです。ただし話者の聞き分けや聞き取りの精度は完璧ではないため、重要な場面では内容の確認が必要です。

私はこう思う

画像から文章を起こしたりは最近できるようにって来ましたが音声ファイルからの文字起こしができるようになるのはかなり便利ですね。

画像や音声のファイルは複雑な仕組みをしてそうなのに技術の発展には驚かされます。

こういったいろんな形式のものをAIに取り込めるようになると最終的には人間のデータを読み込んで医者いらずになったりするのですかね。

今日からできること

• 会議や取材で録音した音声ファイルを、試しにChatGPTにアップロードして文字起こしの精度を確認してみる
• 長い録音は分割処理される可能性があるので、重要な内容は要点を自分でもメモしておく
• 有料プランを使っている場合は、アプリやサイトでこの機能が使えるようになっているか確認する