Volver al blog
Tutorial de producto•2026-11-16•11 min de lectura

¿ChatGPT puede transcribir audio? Planes, límites y soluciones

¿ChatGPT puede transcribir audio? Planes, límites y soluciones
TL
Team Laxis
Equipo Laxis @ Laxis

Sí, ChatGPT puede transcribir audio: con un plan de pago puedes adjuntar una grabación a un chat y pedirle una transcripción, una función que OpenAI anunció en sus notas de versión del 6 de octubre de 2026. En el plan Free no se puede, y en un chat normal OpenAI limita la grabación subida a 6 minutos cuando usas GPT-6 en modo Instant, así que encaja mucho mejor con una nota de voz que con una entrevista de una hora. A continuación verás qué funciona a 16 de noviembre de 2026, contrastado con el centro de ayuda y la documentación para desarrolladores de OpenAI, dónde falla y qué usar en su lugar cuando eso pasa.

La respuesta corta

  • Solo planes de pago. OpenAI dice que la subida de audio funciona en los planes y espacios de trabajo de pago de ChatGPT, incluido Enterprise, y no en Free.
  • Los archivos cortos funcionan mejor. En un chat normal con GPT-6 en modo Instant, las grabaciones pueden durar hasta 6 minutos; lo que pase de ahí se procesa sin garantías y puede agotar el tiempo de espera. Los archivos pueden pesar hasta 512 MB.
  • Formatos habituales. WAV, MP3, M4A, FLAC, AAC y OGG. Los archivos MP4 y WebM que ChatGPT identifica como vídeo se rechazan.
  • Revisa hablantes y nombres. OpenAI advierte que las transcripciones pueden contener errores y que la identificación de hablantes puede no ser fiable.
  • Los desarrolladores usan la API: gpt-transcribe, 25 MB por archivo, 0,0045 $ por minuto.

Cómo transcribir un archivo de audio en ChatGPT

La subida de audio funciona en los chats de siempre. El artículo de ayuda de OpenAI añade que la disponibilidad puede variar según la configuración del espacio de trabajo, la región, la versión de la app y el modelo que elijas, así que si no encuentras la opción, esos son los cuatro sitios donde mirar.

  1. Confirma tu plan. Sirve cualquier plan o espacio de trabajo de pago de ChatGPT; el plan Free, no. En una cuenta de trabajo, la disponibilidad también depende de cómo esté configurado tu espacio de trabajo.
  2. Revisa el archivo. Usa WAV, MP3, M4A, FLAC, AAC u OGG, por debajo de 512 MB. Para un resultado fiable, no pases de unos 6 minutos y divide lo que sea más largo entre frase y frase.
  3. Adjúntalo a un chat normal, igual que adjuntarías un documento.
  4. Pide una transcripción, no un resumen. Prueba con: “Transcribe esto palabra por palabra. Empieza un párrafo nuevo cada vez que cambie quien habla. Escribe [inaudible] cuando no entiendas una palabra”. Conviene ser explícito porque la misma grabación también podría acabar resumida o comentada.
  5. Compárala con el audio. Vuelve a escuchar las partes que importan: nombres, cifras y quién dijo qué. La propia OpenAI advierte que las transcripciones pueden contener errores y que la identificación de hablantes puede no ser fiable.
  6. Si se sube pero no se transcribe, convierte el archivo a WAV y vuelve a subirlo. Es la primera solución que sugiere OpenAI.
PreguntaLo que dice OpenAI
¿Qué planes?Los planes y espacios de trabajo de pago de ChatGPT, incluido Enterprise. No el plan Free.
¿Qué formatos?WAV, MP3/MPEG, M4A, FLAC, AAC y OGG
¿Qué se rechaza?Archivos MP4 y WebM identificados como vídeo
¿Qué tamaño?Archivos de audio de hasta 512 MB
¿Qué duración?Hasta 6 minutos en un chat normal con GPT-6 en modo Instant. Las grabaciones más largas pueden procesarse en secciones más pequeñas cuando Data Analysis (análisis de datos) está disponible; sin garantías, y las grabaciones muy largas pueden agotar el tiempo de espera.
¿Qué precisión?Las transcripciones pueden contener errores, la identificación de hablantes puede no ser fiable y la calidad puede variar según el idioma.
¿Por qué no aparece?La disponibilidad puede variar según la configuración del espacio de trabajo, la región, la versión de la app y el modelo elegido.

El dictado y el modo de voz no son transcripción

Como ChatGPT tiene un botón de micrófono, mucha gente da por hecho que así es como transcribe audio. No es así, al menos no cuando la grabación ya existe.

El dictado es el micrófono del cuadro de mensaje. Hablas, los modelos de OpenAI convierten tu voz en texto y puedes editarlo antes de enviarlo. Está pensado para tus propios prompts, dichos en directo.

El modo de voz es una conversación hablada con ChatGPT. El chat guarda un registro escrito de la conversación, pero el centro de ayuda de OpenAI describe esas transcripciones de voz como no literales, es decir, que pueden no coincidir exactamente con lo que se dijo. Ninguna de las dos funciones va a tomar una entrevista de 20 minutos guardada en tu móvil y pasarla a texto; para eso necesitas subir el archivo o usar una herramienta pensada para archivos.

Para desarrolladores: la API de transcripción de OpenAI

Si programas, los límites del chat no te afectan. La guía de transcripción de archivos de OpenAI ahora dirige a todo el mundo a gpt-transcribe en el endpoint /v1/audio/transcriptions:

  • Archivos de hasta 25 MB en FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV o WebM. Para algo más grande, OpenAI recomienda usar un formato comprimido o dividir el archivo en fragmentos de 25 MB o menos, y evitar cortar a mitad de frase, porque eso elimina contexto y reduce la precisión.
  • 0,0045 $ por minuto de audio, según la página del modelo, lo que supone unos 27 centavos por una hora de grabación.
  • Pistas para nombres y jerga. Un prompt describe la grabación, keywords enumera los términos que esperas oír y languages fija los idiomas previstos. OpenAI llama a las keywords pistas, no resultados obligatorios, y te pide comprobar que no hagan aparecer términos que nadie dijo.
  • Las etiquetas de hablante y las marcas de tiempo dependen de modelos obsoletos. La diarización sale de gpt-4o-transcribe-diarize, y las marcas de tiempo estructuradas por palabra y por segmento, solo de whisper-1. Ambos están en la lista de modelos obsoletos de OpenAI, junto con gpt-4o-transcribe, gpt-4o-mini-transcribe y el endpoint de traducciones, con fecha de retirada el 26 de febrero de 2027.
  • El audio en directo corresponde a la transcripción Realtime, donde OpenAI recomienda gpt-live-transcribe.

Ese cuarto punto importa si estás creando algo que necesita saber quién habló y cuándo: hoy estarías construyendo sobre modelos con fecha de fin publicada.

Dónde falla la transcripción de ChatGPT

Cualquier cosa de más de unos minutos

La cifra con la que tienes que planificar es la de 6 minutos. Pasado ese punto, ChatGPT puede procesar el archivo por secciones cuando Data Analysis está disponible, pero OpenAI no lo garantiza y dice que las grabaciones muy largas pueden agotar el tiempo de espera. Dividir el archivo por tu cuenta funciona, con la advertencia que OpenAI da a los desarrolladores: corta en las pausas entre frases, nunca en mitad de una, o las palabras de cada empalme salen perjudicadas.

Quién dijo qué

En una nota de voz, las etiquetas de hablante dan igual. En una entrevista o una llamada son lo esencial, y el artículo de ayuda de OpenAI dice que la identificación de hablantes puede no ser fiable. Si una cita va a acabar en un artículo, un informe o un contrato, confirma primero quién la dijo escuchando el audio.

Marcas de tiempo

Pídelas si las necesitas y luego comprueba unas cuantas con el audio antes de apoyarte en ellas. Una marca de tiempo errónea te lleva al momento equivocado, y eso es peor que no tener ninguna.

Nombres, cifras y jerga

Los apellidos, los nombres de productos y las siglas son donde antes tropieza cualquier modelo de voz, porque son las palabras que menos ha oído. Incluir en tu petición los nombres que esperas no cuesta nada, pero revísalos todos de todos modos. Las cifras merecen el mismo cuidado: en una grabación de mala calidad, es fácil confundir sesenta y setenta.

Otros idiomas

OpenAI señala que la calidad puede variar según el idioma. Si la gente cambia de idioma a mitad de conversación, revisa esos tramos con especial atención.

¿Más de seis minutos o más de una voz?

Laxis acepta una reunión, entrevista o clase completa como archivo subido en su app web (m4a, mp3, wav o flac, hasta 200 MB) y devuelve una transcripción con etiquetas de hablante y marcas de tiempo, además de un resumen con IA. Una cuenta gratuita de Laxis incluye 300 minutos de transcripción al mes.

14 días de prueba Premium, sin tarjeta de crédito. Prueba Laxis gratis

Cómo arreglar un archivo que ChatGPT no acepta

Una subida fallida suele ser un problema del archivo, no de la transcripción. Tres soluciones, todas posibles con cualquier conversor de audio o con ffmpeg:

  • Un archivo de vídeo. Extrae la pista de audio como MP3 y sube ese MP3.
  • Un M4A que se sube pero no se transcribe. El consejo de la propia OpenAI es convertirlo a WAV y volver a intentarlo. Recodificarlo como MP3 es otra forma de obtener un archivo limpio y estándar.
  • Un WAV enorme. Convertirlo a MP3 lo reduce a una fracción de su tamaño, algo que importa sobre todo ante el límite de 25 MB de la API.

Si la grabación está en la app Notas de voz, nuestra guía para transcribir notas de voz en el iPhone repasa las opciones, y si partes de un vídeo, tienes nuestro tutorial para pasar un vídeo a texto.

Antes de subir nada: ajustes de privacidad que conviene revisar

Lo que pasa con una grabación después de subirla depende de tu plan y de tu configuración. Así lo describe OpenAI en su página sobre el uso de datos para mejorar los modelos, actualizada por última vez el 13 de marzo de 2026:

  • Cuentas personales. En los servicios para particulares, como ChatGPT, OpenAI dice que puede usar tu contenido para entrenar sus modelos. Puedes desactivarlo en los controles de datos o a través del portal de privacidad de OpenAI, y OpenAI dice que a partir de ahí las conversaciones nuevas no se usan para entrenar.
  • Temporary Chat (chat temporal). OpenAI dice que estos chats no aparecen en tu historial, no usan ni crean memorias y no se usan para entrenar sus modelos.
  • Productos para empresas. OpenAI dice que, por defecto, no entrena con las entradas ni las salidas de sus productos para empresas, incluidos ChatGPT Enterprise y la API.

Vale la pena añadir dos detalles del centro de ayuda de OpenAI. En las cuentas personales Free, Plus y Pro, el ajuste “Improve the model for everyone” (Mejorar el modelo para todos) viene activado. Y la voz tiene su propio interruptor, “Include your audio recordings” (Incluir tus grabaciones de audio), que abarca el dictado y los chats de voz. Esto es lo que OpenAI cuenta de sus propias prácticas, no lo que decimos nosotros, así que lee esas páginas tú mismo antes de subir nada confidencial. Para comparar, el compromiso de Laxis está por escrito en nuestro compromiso de no entrenamiento: “Laxis nunca usará tus datos para entrenar modelos de IA sin tu consentimiento”.

Hay una comprobación que ningún ajuste cubre: si en la grabación hay otras personas, deberían haber sabido que se estaba grabando. En algunos lugares basta con el consentimiento de un participante y en otros hace falta el de todos; nuestra guía sobre el consentimiento cubre ambos casos, estado por estado en EE. UU. y en otros países. Es información general, no asesoramiento legal.

Cuándo ChatGPT no es la herramienta adecuada

ChatGPT tiene sentido para un clip corto que quieres transcribir y luego interrogar en la misma ventana. Para cualquier cosa larga, con varios hablantes o que querrás buscar el mes que viene, una herramienta pensada para archivos hace el trabajo con menos rodeos.

  • Laxis, de audio a texto. Sube una reunión, entrevista, clase o nota de voz y recibe la transcripción con hablantes y marcas de tiempo, además de un resumen. Funciona con una cuenta gratuita de Laxis con 300 minutos al mes.
  • Lo que ya tienes en tus dispositivos. Nuestra recopilación de formas gratuitas de pasar audio a texto compara las opciones integradas con los transcriptores web gratuitos y explica qué determina de verdad la precisión.
  • Reuniones que aún no se han celebrado. Grabar una reunión y que ChatGPT redacte el resumen es un trabajo distinto de transcribir un archivo. Nuestra guía de notas de reuniones con ChatGPT cubre las funciones de reuniones de OpenAI y los prompts que funcionan.

Dónde encaja Laxis

Laxis es un asistente de reuniones con IA que también acepta archivos: sube una grabación en la app web y la transcripción vuelve con hablantes y marcas de tiempo, junto con un resumen y las tareas pendientes. La misma cuenta cubre las conversaciones en directo. La app de escritorio graba llamadas de Zoom, Google Meet, Teams y Webex a través del propio audio de tu ordenador, sin ningún bot por defecto, y la app móvil se encarga de las reuniones presenciales y las llamadas de teléfono. La página del asistente de reuniones de Laxis tiene todos los detalles.

Los límites, sin rodeos. En las apps estándar, tu audio se procesa en los servidores en la nube de Laxis. Basic, el plan gratuito, permite 300 minutos al mes, y tanto las reuniones como el dictado cuentan para ese total; una sola grabación puede durar 45 minutos, y todo lo que tenga más de 30 días pasa a un archivo (se conserva, no se borra) hasta que mejores tu plan. La transcripción cubre más de 60 idiomas. Laxis no cumple con HIPAA y no firma BAA. Y cuando grabes una llamada sin bot, avisa a los demás: la app te lo recuerda antes de grabar, y basta con una frase.

Y si lo único que tienes es una nota de voz de dos minutos y una suscripción a ChatGPT, usa ChatGPT. Elige la herramienta que encaje con el archivo.

En resumen

ChatGPT por fin acepta archivos de audio, y para clips cortos en un plan de pago es realmente cómodo: transcribes y luego preguntas sobre lo que se dijo sin salir del chat. Las pegas son el tope de 6 minutos en el modo Instant, unas etiquetas de hablante poco fiables y un plan Free que no puede hacerlo en absoluto. Para grabaciones largas con varias voces, empieza con una herramienta creada para transcribir y luego lleva el texto a ChatGPT si aún quieres comentarlo.

Transcribe la grabación completa, no los primeros seis minutos. Laxis convierte reuniones, entrevistas y notas de voz en resúmenes, tareas pendientes y transcripciones con hablantes. 14 días de prueba Premium, sin tarjeta de crédito. Descarga Laxis

Preguntas frecuentes

¿ChatGPT puede transcribir audio gratis?

No, ChatGPT no puede transcribir un archivo de audio subido en el plan Free. OpenAI dice que la subida de audio está disponible en los planes y espacios de trabajo de pago de ChatGPT, incluido Enterprise, pero no en Free. El dictado y el modo de voz transcriben lo que dices mientras hablas, no una grabación que ya tienes, así que no sirven como alternativa. Para transcribir archivos gratis, usa una herramienta de transcripción específica.

¿Qué formatos de audio puede transcribir ChatGPT?

ChatGPT puede transcribir formatos de audio habituales, como WAV, MP3, M4A, FLAC, AAC y OGG, según el centro de ayuda de OpenAI. Los archivos MP4 y WebM identificados como vídeo se rechazan en la subida de audio, así que extrae antes la pista de audio. Si un archivo se sube pero no se transcribe, OpenAI sugiere convertirlo a WAV y volver a subirlo.

¿Cuánto puede durar un archivo de audio para que ChatGPT lo transcriba?

OpenAI dice que una grabación subida a un chat normal puede durar hasta 6 minutos si usas GPT-6 en modo Instant, y que los archivos de audio pueden pesar hasta 512 MB. Las grabaciones más largas pueden procesarse por secciones cuando Data Analysis está disponible, pero OpenAI no lo garantiza y advierte que las grabaciones muy largas pueden agotar el tiempo de espera.

¿ChatGPT puede identificar a los distintos hablantes de una grabación?

ChatGPT no puede identificar de forma fiable a los distintos hablantes de una grabación. El centro de ayuda de OpenAI advierte que las transcripciones de audios subidos pueden contener errores y que la identificación de hablantes puede no ser fiable, así que comprueba quién dijo qué con el audio. Los desarrolladores pueden obtener etiquetas de hablante con el modelo de API gpt-4o-transcribe-diarize, pero OpenAI lo ha marcado como obsoleto y prevé retirarlo el 26 de febrero de 2027.

¿OpenAI usa el audio subido para entrenar sus modelos?

Según OpenAI, depende de tu plan y de tu configuración. En los servicios para particulares como ChatGPT, OpenAI dice que puede usar tu contenido para entrenar sus modelos salvo que lo desactives en los controles de datos o en su portal de privacidad, y los chats de Temporary Chat no se usan para entrenar. OpenAI también dice que, por defecto, no entrena con las entradas ni las salidas de productos para empresas como ChatGPT Enterprise y la API.

¿Cuánto cuesta la API de transcripción de OpenAI?

El modelo de transcripción que recomienda OpenAI, gpt-transcribe, cuesta 0,0045 $ por minuto de audio, unos 27 centavos por hora, según su página del modelo. Los archivos que se envían al endpoint de transcripciones pueden pesar hasta 25 MB, en formatos como MP3, MP4, M4A, WAV, WebM, FLAC y OGG. Las grabaciones más grandes hay que comprimirlas o dividirlas, idealmente entre frases y no en mitad de una.

Producto relacionado

Asistente de reuniones de Laxis

Automatiza tus notas hoy mismo.

  • Notas sin bot para Zoom, Google Meet, Teams y reuniones presenciales
  • Resúmenes con IA, tareas y seguimientos en más de 60 idiomas
  • Mac, Windows, iPhone y Android, con plan gratuito

Empieza gratis, sin tarjeta de crédito.

Más información ▷