Voltar ao Blog
Tutorial do Produto•2026-11-16•11 min leitura

O ChatGPT transcreve áudio? Planos, limites e soluções

O ChatGPT transcreve áudio? Planos, limites e soluções
TL
Team Laxis
Equipe Laxis @ Laxis

Sim, o ChatGPT transcreve áudio: em um plano pago, você anexa uma gravação a um chat e pede a transcrição, um recurso que a OpenAI anunciou nas notas de versão de 6 de outubro de 2026. No plano Free não dá, e em um chat comum a OpenAI limita a gravação enviada a 6 minutos quando você usa o GPT-6 no modo Instant, então ele combina muito mais com um recado de voz do que com uma entrevista de uma hora. Abaixo está o que funciona em 16 de novembro de 2026, conferido na central de ajuda e na documentação para desenvolvedores da OpenAI, onde a coisa trava e o que usar no lugar quando isso acontece.

A resposta curta

  • Só nos planos pagos. A OpenAI diz que o envio de áudio funciona nos planos e workspaces pagos do ChatGPT, inclusive o Enterprise, e não no Free.
  • Arquivos curtos funcionam melhor. Em um chat comum com o GPT-6 no modo Instant, as gravações podem ter até 6 minutos; o que passar disso é processado sem garantia e pode esgotar o tempo limite. Os arquivos podem ter até 512 MB.
  • Formatos comuns. WAV, MP3, M4A, FLAC, AAC e OGG. Arquivos MP4 e WebM que o ChatGPT identifica como vídeo são recusados.
  • Confira falantes e nomes. A OpenAI avisa que as transcrições podem conter erros e que a identificação de falantes pode não ser confiável.
  • Desenvolvedores usam a API: gpt-transcribe, 25 MB por arquivo, US$ 0,0045 por minuto.

Como transcrever um arquivo de áudio no ChatGPT

O envio de áudio acontece nos chats comuns. O artigo de ajuda da OpenAI acrescenta que a disponibilidade pode variar conforme as configurações do workspace, a região, a versão do app e o modelo escolhido; então, se a opção parecer sumida, esses são os quatro lugares para olhar.

  1. Confirme seu plano. Qualquer plano ou workspace pago do ChatGPT serve; o plano Free, não. Em uma conta de trabalho, a disponibilidade também depende de como o workspace está configurado.
  2. Confira o arquivo. Use WAV, MP3, M4A, FLAC, AAC ou OGG, com menos de 512 MB. Para um resultado confiável, fique em torno de 6 minutos e divida o que for mais longo entre uma frase e outra.
  3. Anexe a um chat comum, do mesmo jeito que você anexaria um documento.
  4. Peça uma transcrição, não um resumo. Experimente: “Transcreva isto palavra por palavra. Comece um novo parágrafo quando mudar quem está falando. Escreva [inaudível] onde não der para entender uma palavra.” Ser explícito importa porque o mesmo arquivo pode muito bem acabar resumido ou comentado.
  5. Confira com o áudio. Ouça de novo as partes que importam: nomes, números e quem disse o quê. A própria OpenAI avisa que as transcrições podem conter erros e que a identificação de falantes pode não ser confiável.
  6. Se o arquivo sobe mas não é transcrito, converta para WAV e envie de novo. É a primeira solução que a OpenAI sugere.
PerguntaO que a OpenAI diz
Quais planos?Planos e workspaces pagos do ChatGPT, inclusive o Enterprise. Não o plano Free.
Quais formatos?WAV, MP3/MPEG, M4A, FLAC, AAC e OGG
O que é recusado?Arquivos MP4 e WebM identificados como vídeo
Qual tamanho?Arquivos de áudio de até 512 MB
Qual duração?Até 6 minutos em um chat comum com o GPT-6 no modo Instant. Gravações mais longas podem ser processadas em partes menores quando o Data Analysis (análise de dados) está disponível; sem garantia, e gravações muito longas podem esgotar o tempo limite.
Qual a precisão?As transcrições podem conter erros, a identificação de falantes pode não ser confiável e a qualidade pode variar conforme o idioma.
Por que a opção não aparece?A disponibilidade pode variar conforme as configurações do workspace, a região, a versão do app e o modelo escolhido.

Ditado e modo de voz não são transcrição

Como o ChatGPT tem um botão de microfone, muita gente imagina que é assim que ele transcreve áudio. Não é, pelo menos não quando a gravação já existe.

O ditado é o microfone na caixa de mensagem. Você fala, os modelos da OpenAI transformam sua fala em texto, e você pode editar antes de enviar. Ele foi feito para os seus próprios prompts, falados na hora.

O modo de voz é uma conversa falada com o ChatGPT. O chat guarda um registro escrito da conversa, mas a central de ajuda da OpenAI descreve essas transcrições de voz como não literais, ou seja, elas podem não corresponder exatamente ao que foi dito. Nenhum dos dois recursos vai pegar uma entrevista de 20 minutos no seu celular e digitá-la; para isso você precisa enviar o arquivo ou usar uma ferramenta feita para arquivos.

Para desenvolvedores: a API de transcrição da OpenAI

Se você programa, não fica preso aos limites do chat. O guia de transcrição de arquivos da OpenAI agora aponta todo mundo para o gpt-transcribe no endpoint /v1/audio/transcriptions:

  • Arquivos de até 25 MB em FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV ou WebM. Para algo maior, a OpenAI recomenda usar um formato compactado ou dividir o arquivo em partes de 25 MB ou menos, evitando cortar no meio de uma frase, o que tira contexto e reduz a precisão.
  • US$ 0,0045 por minuto de áudio, segundo a página do modelo, o que dá cerca de 27 centavos de dólar por uma hora de gravação.
  • Dicas para nomes e jargões. Um prompt descreve a gravação, keywords lista termos que você espera ouvir e languages define os idiomas esperados. A OpenAI chama as keywords de dicas, não de saída obrigatória, e pede que você confira se elas não fazem aparecer termos que ninguém falou.
  • Rótulos de falante e marcações de tempo dependem de modelos descontinuados. A diarização vem do gpt-4o-transcribe-diarize, e as marcações de tempo estruturadas por palavra e por segmento só do whisper-1. Os dois estão na lista de descontinuação da OpenAI, junto com o gpt-4o-transcribe, o gpt-4o-mini-transcribe e o endpoint de traduções, com desligamento marcado para 26 de fevereiro de 2027.
  • Áudio ao vivo fica com a transcrição Realtime, para a qual a OpenAI recomenda o gpt-live-transcribe.

Esse quarto ponto importa se você está construindo algo que precisa saber quem falou e quando: hoje você estaria construindo sobre modelos com data de fim já publicada.

Onde a transcrição do ChatGPT falha

Qualquer coisa com mais de alguns minutos

O número para planejar é 6 minutos. Passando disso, o ChatGPT pode processar o arquivo em partes quando o Data Analysis está disponível, mas a OpenAI não garante isso e diz que gravações muito longas podem esgotar o tempo limite. Dividir o arquivo por conta própria funciona, com a ressalva que a OpenAI faz aos desenvolvedores: corte nas pausas entre as frases, nunca no meio de uma, ou as palavras em cada emenda saem prejudicadas.

Quem disse o quê

Em um recado de voz, os rótulos de falante não fazem diferença. Em uma entrevista ou ligação, eles são o ponto principal, e o artigo de ajuda da OpenAI diz que a identificação de falantes pode não ser confiável. Se uma citação vai parar em uma matéria, um relatório ou um contrato, confirme primeiro no áudio quem falou.

Marcações de tempo

Peça se precisar delas e depois confira algumas com o áudio antes de usá-las para qualquer coisa. Uma marcação de tempo errada leva você ao momento errado, o que é pior do que não ter nenhuma.

Nomes, números e jargões

Sobrenomes, nomes de produtos e siglas são onde qualquer modelo de fala tropeça primeiro, porque são as palavras que ele menos ouviu. Listar no pedido os nomes que você espera não custa nada, mas confira cada um mesmo assim. Números merecem o mesmo cuidado: em uma gravação ruim, é fácil confundir sessenta e setenta.

Outros idiomas

A OpenAI observa que a qualidade pode variar conforme o idioma. Se as pessoas trocam de idioma no meio da conversa, confira esses trechos com cuidado redobrado.

Mais de seis minutos ou mais de uma voz?

O Laxis recebe uma reunião, entrevista ou aula inteira como arquivo enviado no app web (m4a, mp3, wav ou flac, até 200 MB) e devolve uma transcrição com rótulos de falante e marcações de tempo, além de um resumo por IA. Uma conta gratuita do Laxis inclui 300 minutos de transcrição por mês.

Teste de 14 dias do Premium, sem cartão de crédito. Experimente o Laxis grátis

Como resolver um arquivo que o ChatGPT não aceita

Um envio que falha geralmente é problema do arquivo, não da transcrição. Três soluções, todas possíveis com qualquer conversor de áudio ou com o ffmpeg:

  • Um arquivo de vídeo. Extraia a trilha de áudio como MP3 e envie esse MP3.
  • Um M4A que sobe mas não é transcrito. A dica da própria OpenAI é converter para WAV e tentar de novo. Recodificar como MP3 é outra forma de conseguir um arquivo limpo e padrão.
  • Um WAV enorme. Converter para MP3 reduz o arquivo a uma fração do tamanho, o que pesa sobretudo diante do limite de 25 MB da API.

Se a gravação está no app Gravador, nosso guia para transcrever áudios do Gravador no iPhone mostra as opções, e se você está partindo de um vídeo, há o nosso passo a passo para transformar vídeo em texto.

Antes de enviar: configurações de privacidade para conferir

O que acontece com uma gravação depois do envio depende do seu plano e das suas configurações. É assim que a OpenAI descreve isso na página sobre o uso de dados para melhorar os modelos, atualizada pela última vez em 13 de março de 2026:

  • Contas pessoais. Em serviços para pessoas físicas, como o ChatGPT, a OpenAI diz que pode usar seu conteúdo para treinar os modelos dela. Você pode recusar nos controles de dados ou pelo portal de privacidade da OpenAI, e a OpenAI diz que, a partir daí, novas conversas não são usadas para treinamento.
  • Temporary Chat (chat temporário). A OpenAI diz que esses chats não aparecem no seu histórico, não usam nem criam memórias e não são usados para treinar os modelos dela.
  • Produtos empresariais. A OpenAI diz que, por padrão, não treina com entradas ou saídas dos produtos empresariais, incluindo o ChatGPT Enterprise e a API.

Vale acrescentar dois detalhes da central de ajuda da OpenAI. Nas contas pessoais Free, Plus e Pro, a configuração “Improve the model for everyone” (Melhorar o modelo para todos) já vem ativada. E a voz tem uma chave própria, “Include your audio recordings” (Incluir suas gravações de áudio), que vale para o ditado e os chats de voz. Isso é o que a OpenAI diz sobre as próprias práticas, não o que nós dizemos, então leia essas páginas você mesmo antes de enviar qualquer coisa confidencial. Para comparar, o compromisso do Laxis está registrado no nosso compromisso de não treinamento: “O Laxis nunca usará os seus dados para treinar modelos de IA sem o seu consentimento.”

Há uma verificação que nenhuma configuração cobre: se outras pessoas estão na gravação, elas deveriam saber que estavam sendo gravadas. Alguns lugares exigem o consentimento de apenas um participante, outros o de todos; nosso guia sobre consentimento cobre as duas situações, estado por estado nos EUA e em outros países. São informações gerais, não aconselhamento jurídico.

Quando o ChatGPT é a ferramenta errada

O ChatGPT faz sentido para um trecho curto que você quer transcrever e depois questionar na mesma janela. Para qualquer coisa longa, com vários falantes ou que você vai querer pesquisar no mês que vem, uma ferramenta feita para arquivos resolve com menos improvisos.

  • Laxis de áudio para texto. Envie uma reunião, entrevista, aula ou recado de voz e receba a transcrição com falantes e marcações de tempo, além de um resumo. Funciona com uma conta gratuita do Laxis, com 300 minutos por mês.
  • O que já está nos seus aparelhos. Nosso levantamento de formas gratuitas de transcrever áudio em texto compara as opções nativas com transcritores web gratuitos e explica o que realmente define a precisão.
  • Reuniões que ainda não aconteceram. Gravar uma reunião e pedir ao ChatGPT que faça a ata é um trabalho diferente de transcrever um arquivo. Nosso guia de anotações de reunião com o ChatGPT cobre os recursos de reunião da OpenAI e os prompts que funcionam de verdade.

Onde o Laxis se encaixa

O Laxis é um assistente de reuniões com IA que também aceita arquivos: envie uma gravação no app web e a transcrição volta com falantes e marcações de tempo, junto com um resumo e os itens de ação. A mesma conta cobre conversas ao vivo. O app para desktop grava chamadas do Zoom, Google Meet, Teams e Webex pelo próprio áudio do seu computador, sem nenhum bot por padrão, e o app de celular cuida de reuniões presenciais e ligações telefônicas. A página do assistente de reuniões do Laxis traz o quadro completo.

Os limites, sem rodeios. Nos apps padrão, seu áudio é processado nos servidores em nuvem do Laxis. O Basic, plano gratuito, permite 300 minutos por mês, e reuniões e ditado contam para esse total; uma única gravação pode ter até 45 minutos, e tudo o que tiver mais de 30 dias vai para um arquivo morto (guardado, não apagado) até você fazer upgrade. A transcrição cobre mais de 60 idiomas. O Laxis não está em conformidade com a HIPAA e não assina BAAs. E, quando você gravar uma chamada sem bot, avise as outras pessoas: o app lembra você antes de gravar, e basta uma frase.

E se tudo o que você tem é um recado de voz de dois minutos e uma assinatura do ChatGPT, use o ChatGPT. Escolha a ferramenta que combina com o arquivo.

Resumindo

O ChatGPT finalmente aceita arquivos de áudio e, para trechos curtos em um plano pago, é realmente prático: você transcreve e depois pergunta sobre o que foi dito sem sair do chat. Os poréns são o teto de 6 minutos no modo Instant, rótulos de falante em que não dá para confiar e um plano Free que não faz isso de jeito nenhum. Para gravações longas com várias vozes, comece por uma ferramenta feita para transcrição e depois leve o texto ao ChatGPT se ainda quiser discutir o conteúdo.

Transcreva a gravação inteira, não só os primeiros seis minutos. O Laxis transforma reuniões, entrevistas e recados de voz em resumos, itens de ação e transcrições com falantes identificados. Teste de 14 dias do Premium, sem cartão de crédito. Baixe o Laxis

Perguntas frequentes

O ChatGPT transcreve áudio de graça?

Não, o ChatGPT não transcreve um arquivo de áudio enviado no plano Free. A OpenAI diz que o envio de áudio está disponível nos planos e workspaces pagos do ChatGPT, inclusive o Enterprise, mas não no Free. O ditado e o modo de voz transcrevem a fala enquanto você fala, não uma gravação que você já tem, então não servem como alternativa. Para transcrever arquivos de graça, use uma ferramenta de transcrição dedicada.

Quais formatos de áudio o ChatGPT consegue transcrever?

O ChatGPT consegue transcrever formatos de áudio comuns, incluindo WAV, MP3, M4A, FLAC, AAC e OGG, segundo a central de ajuda da OpenAI. Arquivos MP4 e WebM identificados como vídeo são recusados no envio de áudio, então extraia antes a trilha de áudio. Se um arquivo sobe mas não é transcrito, a OpenAI sugere converter para WAV e enviar de novo.

Qual a duração máxima de um áudio para o ChatGPT transcrever?

A OpenAI diz que uma gravação enviada a um chat comum pode ter até 6 minutos quando você usa o GPT-6 no modo Instant, e que os arquivos de áudio podem ter até 512 MB. Gravações mais longas podem ser processadas em partes quando o Data Analysis está disponível, mas a OpenAI não garante isso e avisa que gravações muito longas podem esgotar o tempo limite.

O ChatGPT consegue identificar os diferentes falantes de uma gravação?

O ChatGPT não consegue identificar com confiabilidade os diferentes falantes de uma gravação. A central de ajuda da OpenAI avisa que as transcrições de áudios enviados podem conter erros e que a identificação de falantes pode não ser confiável, então confira no áudio quem disse o quê. Desenvolvedores podem obter rótulos de falante com o modelo de API gpt-4o-transcribe-diarize, mas a OpenAI o descontinuou e planeja desligá-lo em 26 de fevereiro de 2027.

A OpenAI usa o áudio enviado para treinar os modelos dela?

Segundo a OpenAI, depende do seu plano e das suas configurações. Em serviços para pessoas físicas, como o ChatGPT, a OpenAI diz que pode usar seu conteúdo para treinar os modelos, a menos que você recuse nos controles de dados ou no portal de privacidade dela, e os chats do Temporary Chat não são usados para treinamento. A OpenAI também diz que, por padrão, não treina com entradas ou saídas de produtos empresariais como o ChatGPT Enterprise e a API.

Quanto custa a API de transcrição da OpenAI?

O modelo de transcrição recomendado pela OpenAI, o gpt-transcribe, custa US$ 0,0045 por minuto de áudio, ou cerca de 27 centavos de dólar por hora, segundo a página do modelo. Os arquivos enviados ao endpoint de transcrições podem ter até 25 MB, em formatos como MP3, MP4, M4A, WAV, WebM, FLAC e OGG. Gravações maiores precisam ser compactadas ou divididas, de preferência entre uma frase e outra, e não no meio de uma.

Produto Relacionado

Assistente de Reuniões Laxis

Automatize suas anotações hoje.

  • Notas sem bot para Zoom, Google Meet, Teams e reuniões presenciais
  • Resumos com IA, tarefas e follow-ups em mais de 60 idiomas
  • Mac, Windows, iPhone e Android, com plano gratuito

Comece gratuitamente, sem necessidade de cartão de crédito.

Saiba Mais ▷