Torna al blog
Tutorial del Prodotto•2026-11-16•11 min lettura

ChatGPT può trascrivere l'audio? Piani, limiti e soluzioni

ChatGPT può trascrivere l'audio? Piani, limiti e soluzioni
TL
Team Laxis
Team Laxis @ Laxis

Sì, ChatGPT può trascrivere l'audio: con un piano a pagamento puoi allegare una registrazione a una chat e chiedere la trascrizione, una funzione che OpenAI ha annunciato nelle note di rilascio del 6 ottobre 2026. Con il piano Free non si può, e in una chat normale OpenAI limita la registrazione caricata a 6 minuti quando usi GPT-6 in modalità Instant: è quindi molto più adatto a un memo vocale che a un'intervista di un'ora. Qui sotto trovi cosa funziona al 16 novembre 2026, verificato sul centro assistenza e sulla documentazione per sviluppatori di OpenAI, dove si inceppa e cosa usare al suo posto quando succede.

La risposta breve

  • Solo piani a pagamento. OpenAI dice che il caricamento di audio funziona con i piani e i workspace a pagamento di ChatGPT, Enterprise compreso, e non con Free.
  • I file brevi funzionano meglio. In una chat normale con GPT-6 in modalità Instant, le registrazioni possono durare fino a 6 minuti; oltre, l'elaborazione non è garantita e può andare in timeout. I file possono arrivare a 512 MB.
  • Formati comuni. WAV, MP3, M4A, FLAC, AAC e OGG. I file MP4 e WebM che ChatGPT identifica come video vengono rifiutati.
  • Controlla parlanti e nomi. OpenAI avverte che le trascrizioni possono contenere errori e che l'identificazione dei parlanti può essere poco affidabile.
  • Gli sviluppatori usano invece l'API: gpt-transcribe, 25 MB per file, 0,0045 $ al minuto.

Come trascrivere un file audio in ChatGPT

Il caricamento di audio avviene nelle normali chat. L'articolo di assistenza di OpenAI aggiunge che la disponibilità può variare in base alle impostazioni del workspace, alla regione, alla versione dell'app e al modello scelto: se l'opzione sembra mancare, sono questi i quattro punti da controllare.

  1. Verifica il tuo piano. Va bene qualsiasi piano o workspace a pagamento di ChatGPT; il piano Free no. Su un account di lavoro, la disponibilità dipende anche da come è configurato il workspace.
  2. Controlla il file. Usa WAV, MP3, M4A, FLAC, AAC o OGG, sotto i 512 MB. Per un risultato affidabile resta intorno ai 6 minuti e dividi tutto ciò che è più lungo tra una frase e l'altra.
  3. Allegalo a una chat normale, proprio come allegheresti un documento.
  4. Chiedi una trascrizione, non un riassunto. Prova con: “Trascrivi questa registrazione parola per parola. Inizia un nuovo paragrafo quando cambia chi parla. Scrivi [incomprensibile] dove non riesci a capire una parola.” Essere espliciti conta, perché lo stesso file potrebbe benissimo finire riassunto o commentato.
  5. Confrontala con l'audio. Riascolta le parti che contano: nomi, numeri e chi ha detto cosa. La stessa OpenAI avverte che le trascrizioni possono contenere errori e che l'identificazione dei parlanti può essere poco affidabile.
  6. Se il file si carica ma non viene trascritto, convertilo in WAV e caricalo di nuovo. È la prima soluzione che suggerisce OpenAI.
DomandaCosa dice OpenAI
Quali piani?I piani e i workspace a pagamento di ChatGPT, Enterprise compreso. Non il piano Free.
Quali formati?WAV, MP3/MPEG, M4A, FLAC, AAC e OGG
Cosa viene rifiutato?I file MP4 e WebM identificati come video
Quanto grandi?File audio fino a 512 MB
Quanto lunghi?Fino a 6 minuti in una chat normale con GPT-6 in modalità Instant. Le registrazioni più lunghe possono essere elaborate in sezioni più piccole quando è disponibile Data Analysis (analisi dei dati); senza garanzie, e le registrazioni molto lunghe possono andare in timeout.
Quanto precise?Le trascrizioni possono contenere errori, l'identificazione dei parlanti può essere poco affidabile e la qualità può variare in base alla lingua.
Perché l'opzione non c'è?La disponibilità può variare in base alle impostazioni del workspace, alla regione, alla versione dell'app e al modello scelto.

Dettatura e modalità vocale non sono trascrizione

Visto che ChatGPT ha un pulsante con il microfono, molti danno per scontato che sia così che trascrive l'audio. Non è così, almeno non quando la registrazione esiste già.

La dettatura è il microfono nella casella del messaggio. Tu parli, i modelli di OpenAI trasformano la tua voce in testo e puoi modificarlo prima di inviarlo. È pensata per i tuoi prompt, detti a voce sul momento.

La modalità vocale è uno scambio a voce con ChatGPT. La chat conserva una traccia scritta della conversazione, ma il centro assistenza di OpenAI descrive queste trascrizioni vocali come non letterali, cioè potrebbero non corrispondere esattamente a ciò che è stato detto. Nessuna delle due funzioni prenderà un'intervista di 20 minuti dal tuo telefono per trascriverla; per quello ti serve un caricamento, oppure uno strumento pensato per i file.

Per sviluppatori: l'API di trascrizione di OpenAI

Se scrivi codice, i limiti della chat non ti riguardano. La guida di OpenAI alla trascrizione dei file ora indirizza tutti verso gpt-transcribe sull'endpoint /v1/audio/transcriptions:

  • File fino a 25 MB in FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV o WebM. Per file più grandi, OpenAI consiglia di usare un formato compresso o di dividere il file in parti da 25 MB o meno, evitando di tagliare a metà frase, perché si perde contesto e cala la precisione.
  • 0,0045 $ al minuto di audio, secondo la pagina del modello, cioè circa 27 centesimi di dollaro per un'ora di registrazione.
  • Suggerimenti per nomi e gergo. Un prompt descrive la registrazione, keywords elenca i termini che ti aspetti di sentire e languages imposta le lingue previste. OpenAI definisce le keywords suggerimenti, non output obbligatorio, e ti chiede di verificare che non facciano comparire termini mai pronunciati.
  • Etichette dei parlanti e timestamp si basano su modelli deprecati. La diarizzazione arriva da gpt-4o-transcribe-diarize, i timestamp strutturati per parola e per segmento solo da whisper-1. Entrambi sono nell'elenco dei modelli deprecati di OpenAI, insieme a gpt-4o-transcribe, gpt-4o-mini-transcribe e all'endpoint delle traduzioni, con dismissione fissata al 26 febbraio 2027.
  • L'audio dal vivo rientra nella trascrizione Realtime, per cui OpenAI consiglia gpt-live-transcribe.

Questo quarto punto conta se stai costruendo qualcosa che deve sapere chi ha parlato e quando: oggi costruiresti su modelli con una data di fine già pubblicata.

Dove la trascrizione di ChatGPT si inceppa

Tutto ciò che supera qualche minuto

Il numero su cui pianificare è 6 minuti. Oltre, ChatGPT può elaborare il file a sezioni quando è disponibile Data Analysis, ma OpenAI non lo garantisce e dice che le registrazioni molto lunghe possono andare in timeout. Dividere il file da solo funziona, con l'avvertenza che OpenAI dà agli sviluppatori: taglia nelle pause tra una frase e l'altra, mai a metà di una, altrimenti le parole a ogni giuntura ne risentono.

Chi ha detto cosa

Per un memo vocale le etichette dei parlanti non contano. Per un'intervista o una call sono il punto centrale, e l'articolo di assistenza di OpenAI dice che l'identificazione dei parlanti può essere poco affidabile. Se una citazione deve finire in un articolo, un report o un contratto, verifica prima sull'audio chi l'ha detta.

Timestamp

Chiedili se ti servono, poi controllane qualcuno sull'audio prima di usarli per qualsiasi cosa. Un timestamp sbagliato ti porta al momento sbagliato, ed è peggio che non averne affatto.

Nomi, numeri e gergo

Cognomi, nomi di prodotti e sigle sono il primo punto in cui inciampa qualsiasi modello vocale, perché sono le parole che ha sentito meno. Elencare nella richiesta i nomi che ti aspetti non costa nulla, ma ricontrollali tutti comunque. I numeri meritano la stessa attenzione: in una registrazione di scarsa qualità è facile confondere sessanta e settanta.

Altre lingue

OpenAI fa notare che la qualità può variare in base alla lingua. Se le persone cambiano lingua a metà conversazione, controlla quei passaggi con particolare attenzione.

Più di sei minuti o più di una voce?

Laxis accetta un'intera riunione, intervista o lezione come file caricato nella sua web app (m4a, mp3, wav o flac, fino a 200 MB) e restituisce una trascrizione con etichette dei parlanti e timestamp, più un riassunto con IA. Un account Laxis gratuito include 300 minuti di trascrizione al mese.

Prova Premium di 14 giorni, senza carta di credito. Prova Laxis gratis

Come sistemare un file che ChatGPT non accetta

Un caricamento non riuscito di solito è un problema del file, non della trascrizione. Tre soluzioni, tutte possibili con un qualsiasi convertitore audio o con ffmpeg:

  • Un file video. Estrai la traccia audio come MP3, poi carica l'MP3.
  • Un M4A che si carica ma non viene trascritto. Il consiglio della stessa OpenAI è convertirlo in WAV e riprovare. Ricodificarlo come MP3 è un altro modo per ottenere un file pulito e standard.
  • Un WAV enorme. Convertirlo in MP3 lo riduce a una frazione delle dimensioni, cosa che conta soprattutto con il limite di 25 MB dell'API.

Se la registrazione si trova nell'app Memo Vocali, la nostra guida per trascrivere i memo vocali su iPhone illustra le opzioni, e se parti da un video c'è il nostro tutorial per trasformare un video in testo.

Prima di caricare: le impostazioni di privacy da controllare

Cosa succede a una registrazione dopo il caricamento dipende dal tuo piano e dalle tue impostazioni. Ecco come lo descrive OpenAI nella sua pagina sull'uso dei dati per migliorare i modelli, aggiornata l'ultima volta il 13 marzo 2026:

  • Account personali. Per i servizi rivolti ai privati, come ChatGPT, OpenAI dice di poter usare i tuoi contenuti per addestrare i suoi modelli. Puoi rinunciare nei controlli dei dati o tramite il portale privacy di OpenAI, e OpenAI dice che da quel momento le nuove conversazioni non vengono usate per l'addestramento.
  • Temporary Chat (chat temporanea). OpenAI dice che queste chat non compaiono nella cronologia, non usano né creano memorie e non vengono usate per addestrare i suoi modelli.
  • Prodotti business. OpenAI dice che per impostazione predefinita non addestra i modelli su input o output dei suoi prodotti business, tra cui ChatGPT Enterprise e l'API.

Vale la pena aggiungere due dettagli dal centro assistenza di OpenAI. Sugli account personali Free, Plus e Pro, l'impostazione “Improve the model for everyone” (Migliora il modello per tutti) è attiva di partenza. E l'input vocale ha un suo interruttore, “Include your audio recordings” (Includi le tue registrazioni audio), che riguarda la dettatura e le chat vocali. Questo è il resoconto che OpenAI fa delle proprie pratiche, non il nostro, quindi leggi tu stesso quelle pagine prima di caricare qualcosa di riservato. Per confronto, l'impegno di Laxis è messo nero su bianco nel nostro impegno sull'addestramento dell'IA: “Laxis non userà mai i tuoi dati per addestrare modelli di IA senza il tuo consenso.”

C'è un controllo che nessuna impostazione copre: se nella registrazione ci sono altre persone, avrebbero dovuto sapere che la registrazione era in corso. In alcuni posti basta il consenso di un solo partecipante, in altri serve quello di tutti; la nostra guida sul consenso copre entrambi i casi, stato per stato negli USA e all'estero. Sono informazioni generali, non consulenza legale.

Quando ChatGPT è lo strumento sbagliato

ChatGPT ha senso per una clip breve che vuoi trascrivere e poi interrogare nella stessa finestra. Per tutto ciò che è lungo, che ha più parlanti o che vorrai ritrovare il mese prossimo, uno strumento pensato per i file fa il lavoro con meno espedienti.

  • Laxis da audio a testo. Carica una riunione, un'intervista, una lezione o un memo vocale e ricevi la trascrizione con parlanti e timestamp, più un riassunto. Funziona con un account Laxis gratuito con 300 minuti al mese.
  • Quello che hai già sui tuoi dispositivi. La nostra raccolta di modi gratuiti per trascrivere l'audio in testo mette a confronto le opzioni integrate con i trascrittori web gratuiti e spiega cosa determina davvero la precisione.
  • Riunioni che non si sono ancora tenute. Registrare una riunione e farne scrivere il resoconto a ChatGPT è un lavoro diverso dal trascrivere un file. La nostra guida agli appunti delle riunioni con ChatGPT copre le funzioni per le riunioni di OpenAI e i prompt che reggono.

Dove si inserisce Laxis

Laxis è un assistente per le riunioni con IA che accetta anche file: carica una registrazione nella web app e la trascrizione torna con parlanti e timestamp, insieme a un riassunto e alle azioni da intraprendere. Lo stesso account copre anche le conversazioni dal vivo. L'app desktop registra le call Zoom, Google Meet, Teams e Webex attraverso l'audio del tuo computer, senza alcun bot per impostazione predefinita, e l'app per smartphone gestisce le riunioni in presenza e le telefonate. La pagina dell'assistente per le riunioni di Laxis offre il quadro completo.

I limiti, senza giri di parole. Nelle app standard, il tuo audio viene elaborato sui server cloud di Laxis. Basic, il piano gratuito, consente 300 minuti al mese, e sia le riunioni sia la dettatura li consumano; una singola registrazione può durare 45 minuti, e tutto ciò che ha più di 30 giorni passa in un archivio (conservato, non cancellato) finché non fai l'upgrade. La trascrizione copre oltre 60 lingue. Laxis non è conforme a HIPAA e non firma BAA. E quando registri una call senza bot, avvisa gli altri: l'app te lo ricorda prima di registrare, e basta una frase.

E se hai solo un memo vocale di due minuti e un abbonamento a ChatGPT, usa ChatGPT. Scegli lo strumento adatto al file.

In sintesi

ChatGPT finalmente accetta file audio e, per clip brevi con un piano a pagamento, è davvero comodo: trascrivi e poi fai domande su ciò che è stato detto senza uscire dalla chat. I limiti sono il tetto di 6 minuti in modalità Instant, etichette dei parlanti su cui non puoi contare e un piano Free che non lo permette affatto. Per registrazioni lunghe con più voci, parti da uno strumento pensato per la trascrizione e poi porta il testo in ChatGPT se vuoi ancora discuterne.

Trascrivi l'intera registrazione, non solo i primi sei minuti. Laxis trasforma riunioni, interviste e memo vocali in riassunti, azioni da intraprendere e trascrizioni con i parlanti. Prova Premium di 14 giorni, senza carta di credito. Scarica Laxis

Domande frequenti

ChatGPT può trascrivere l'audio gratis?

No, con il piano Free ChatGPT non può trascrivere un file audio caricato. OpenAI dice che il caricamento di audio è disponibile con i piani e i workspace a pagamento di ChatGPT, Enterprise compreso, ma non con Free. Dettatura e modalità vocale trascrivono ciò che dici mentre parli, non una registrazione che hai già, quindi non funzionano come scorciatoia. Per trascrivere file gratis, usa uno strumento di trascrizione dedicato.

Quali formati audio può trascrivere ChatGPT?

ChatGPT può trascrivere i formati audio più comuni, tra cui WAV, MP3, M4A, FLAC, AAC e OGG, secondo il centro assistenza di OpenAI. I file MP4 e WebM identificati come video vengono rifiutati dal caricamento audio, quindi estrai prima la traccia audio. Se un file si carica ma non viene trascritto, OpenAI suggerisce di convertirlo in WAV e caricarlo di nuovo.

Quanto può essere lungo un file audio da trascrivere con ChatGPT?

OpenAI dice che una registrazione caricata in una chat normale può durare fino a 6 minuti quando usi GPT-6 in modalità Instant, e che i file audio possono arrivare a 512 MB. Le registrazioni più lunghe possono essere elaborate a sezioni quando è disponibile Data Analysis, ma OpenAI non lo garantisce e avverte che le registrazioni molto lunghe possono andare in timeout.

ChatGPT riesce a distinguere i diversi parlanti in una registrazione?

ChatGPT non riesce a distinguere in modo affidabile i diversi parlanti in una registrazione. Il centro assistenza di OpenAI avverte che le trascrizioni degli audio caricati possono contenere errori e che l'identificazione dei parlanti può essere poco affidabile, quindi verifica sull'audio chi ha detto cosa. Gli sviluppatori possono ottenere le etichette dei parlanti con il modello API gpt-4o-transcribe-diarize, ma OpenAI lo ha deprecato e prevede di dismetterlo il 26 febbraio 2027.

OpenAI usa l'audio caricato per addestrare i suoi modelli?

Secondo OpenAI, dipende dal tuo piano e dalle tue impostazioni. Per i servizi rivolti ai privati come ChatGPT, OpenAI dice di poter usare i tuoi contenuti per addestrare i suoi modelli, a meno che tu non rinunci nei controlli dei dati o nel suo portale privacy, e le chat in Temporary Chat non vengono usate per l'addestramento. OpenAI dice anche che per impostazione predefinita non addestra i modelli su input o output di prodotti business come ChatGPT Enterprise e l'API.

Quanto costa l'API di trascrizione di OpenAI?

Il modello di trascrizione consigliato da OpenAI, gpt-transcribe, costa 0,0045 $ al minuto di audio, cioè circa 27 centesimi di dollaro l'ora, secondo la pagina del modello. I file inviati all'endpoint delle trascrizioni possono arrivare a 25 MB, in formati come MP3, MP4, M4A, WAV, WebM, FLAC e OGG. Le registrazioni più grandi vanno compresse o divise, idealmente tra una frase e l'altra e non a metà di una.

Prodotto Correlato

Assistente Riunioni Laxis

Automatizza i tuoi appunti oggi.

  • Note senza bot per Zoom, Google Meet, Teams e riunioni di persona
  • Riepiloghi AI, attività e follow-up in oltre 60 lingue
  • Mac, Windows, iPhone e Android, con piano gratuito

Inizia gratis, nessuna carta di credito richiesta.

Scopri di più ▷