你可以把录音文件附加到 ChatGPT 中,请它进行文字转写、摘要,或起草会议纪要。这项功能适用于支持的付费套餐。它与用语音和 ChatGPT 对话的 Voice,以及现场录音的 Record 用法不同。如果想使用已有的 MP3、M4A 等文件,请从附加文件开始。

把录音变成会议纪要的 3 个步骤

01 附加文件

把音频文件交给 ChatGPT
确认支持的格式和容量

02 转成文字

先用原语言做文字转写
听不清的部分保留标记

03 整理成会议纪要

决定事项、负责人、期限
对照录音确认重要部分

上限为512MB。长录音即使在容量范围内,也可能中途停止。

本文规格于 2026 年 10 月 7 日对照 OpenAI 英文版官方帮助页面进行了确认。出处:上传音频文件、支持的格式与限制。

1. 可用套餐,以及四种音频功能的区别

OpenAI 官方帮助称,音频上传可在付费 ChatGPT 套餐和工作区中使用,并包括 Enterprise。Free 不在范围内。文档和图片附件即使可以免费使用,音频附件也适用另外的条件。根据地区、工作区设置、应用或浏览器版本以及所选模型,显示内容可能有所不同。

已保存的录音 → 音频上传

把 MP3、M4A 等文件附加到对话中。用于文字转写以及关于录音内容的提问。本文即针对此功能。

想对话 → Voice

用语音与 ChatGPT 交流的功能。语音对话的记录与录音文件的完整文字转写并不相同。

口述请求 → 语音输入

把对着麦克风说出的请求转成文字,编辑后发送。这与选择录音文件的操作是分开的。

现场录音 → Record

录制并整理会议或语音备忘。官方的 Record 说明适用于 macOS 应用。录音时长限制和保存方式请与文件附加分开确认。

出处:Voice、语音输入、Record。想了解语音对话背后的模型和机制,请参阅GPT-Live 解说。

会议录音可以附加,与让工具自动加入会议,也是两回事。若想对比录音方式和专用服务,请参阅AI 会议纪要工具与自动化方法。

2. 支持的格式、容量与长录音限制

确认项目官方说明的内容
支持的音频WAV、MP3/MPEG、OGG/OGA、PCM、FLAC、AAC、M4A,以及仅含音频的 WebM 或 MP4。
文件容量音频最大 512MB。
包含视频的文件被识别为视频的 WebM 或 MP4,不支持此音频上传。
录音时长在可使用数据分析(Data Analysis)时,长录音可能会被分段处理。非常长的录音可能因超时而停止处理。
准确性准确性因语言而异。转写可能出错,发言人也可能无法被正确区分。

出处:OpenAI 音频上传规格。文件本身必须包含可读取的音频数据。仅修改扩展名不会改变实际格式,也不会改变文件是否含有视频。

文件最大 512MB

附加前,请在文件属性或信息窗口中确认大小。

长录音可能中途停止

即使在容量范围内,长录音的处理也可能超时。官方帮助未说明保证可以处理的录音时长。

如果长文件处理失败,可以在本地把它切成较短的部分,并按顺序附加。记录各部分的顺序(“前半段”“后半段”)、每段在原始录音中的开始位置,以及各段之间的重叠部分。这样之后更容易检查遗漏和重复。如果使用外部服务分割文件,请先确认包含机密信息的录音是否允许发送。

3. 附加音频并进行文字转写的步骤

  1. 确认文件。用本地播放器播放开头、中间和结尾,确认全程都有声音。记下格式、容量和录音时长。
  2. 在支持的付费套餐账户中打开对话。从输入框附近的附加按钮中选择支持的音频文件。按钮名称和位置因应用版本而异,请不要与语音输入的麦克风按钮混淆。
  3. 随附件一起发送请求。先要求“文字转写”。如果一开始只要求简短摘要,可用来与录音对照的信息就会减少。
  4. 检查结果,并在同一对话中追加请求。先改正错误,再把文字转写整理成会议纪要或邮件草稿。同时确认回复是否涵盖到录音末尾。

官方的基本操作流程是:附加文件 → 说明希望进行的处理 → 查看回复并追加请求。以下是按这一流程编写的提示词示例。

请按原语言转写所附音频。
第一次输出时不要做摘要或翻译,保持发言的内容和顺序。
听不清的部分标为[听不清],不要凭猜测补充。
只有在能确定发言人时才添加发言人标签,
无法确定时标为[说话人不明]。
同时说明无法处理的片段,以及无法确认是否处理了全部录音的地方。
录音语言:中文
录音时长:(如果知道,请填写)

填写录音时长,有助于确认输出涵盖了录音的哪一部分。如果要添加专业术语的写法,也请注明“仅在实际有人说出时使用”,避免模型用它们补全并不存在的发言。

4. 会议纪要、访谈和讲座的提示词

确认文字转写后,请按用途调整输出。关键在于把录音中能确认的事实,与 AI 提出的建议分开。以下是各用途的提示词示例。

会议:区分决定、提议和未决事项

请根据我们刚才确认的文字转写,制作会议纪要。
输出:会议目的/已确定的决定事项/未决论点/后续工作。
后续工作请以表格列出“内容、负责人、期限、依据的发言”。
不要把提议变成决定事项。
发言中未提及负责人或期限时,请写“待定”。
如果要加入 AI 的建议,请放在与录音事实分开的标题下。

例:“最好周五前能确认一下。”

仅凭这句话无法确定

不要写成“截止日期是周五,负责人是 Alex”。不要补充发言中没有提到的负责人。

保留可确认的信息

记录为:“提议在周五前进行确认。负责人和期限的确定有待核实。”

访谈:区分引语与易读文字

请按话题整理已确认的文字转写。
请清楚区分“引语”和“内容摘要”。
不要为了读起来更顺畅而改写引语的措辞。
只有在录音或我提供的信息能够确定说话人时,才使用其姓名。
另外请列出文章使用前需要再次核对的专有名词、数字和不清楚的部分。

打算作为引语刊登的部分,请回到录音中核对。稍作整理可以让引语更易读,但改动语尾、限定性表述或否定词,会改变原意。“发言人 A”之类的标签本身,并不能说明是谁说的。

讲座:区分复习笔记与补充说明

请根据已确认的文字转写制作复习笔记。
请分为“讲座中讲解的内容”“术语”“检查理解程度的问题”。
如果要加入录音中没有的补充说明,请注明“补充说明”。
公式、人名和专业术语如果在录音中听不清楚,请列为待确认事项,不要断言。
先用原语言制作笔记,暂时不要翻译。

如果要翻译成其他语言,请先改正原始文字转写,再提出翻译请求。若翻译的文字转写仍含有识别错误,就更难发现需要修正的地方。如果目的是字幕或视频剪辑,请参阅字幕与文字转写工具的选择方法。如果请 ChatGPT 生成 SRT 格式,请与视频对照检查时间码。

5. 如何检查发言人、数字和转写遗漏

OpenAI 也将转写错误和发言人识别的不确定性列为注意事项。不要只问一句“有没有错误”就结束核查,请将输出与原始音频逐一对照。即使摘要读起来通顺,也请对照录音确认以下内容。

数字与单位

日期、金额、人数、比例。请对照录音确认发音相近的数字和单位。

否定和附带条件的发言

“不会”“假设”“仍未定”。这些词一旦遗漏,发言的意思就会改变。

负责人与期限

是否把发言人弄混?区分提议与已确认的承诺。

是否包含整段录音

开头、中间和结尾的话题是否都包含在内?确认处理没有中途停止,也没有遗漏的片段。

检查开头、中间和结尾,可以在较短时间内发现大的遗漏。涉及合同、交付日期等重要用途时,请逐一重听相关发言。在将其作为正式记录使用前,也请让相关人员确认内容。

如果在有背景噪音或多人同时说话的片段中,不清楚的地方增多,请先自己听一下该片段。反复要求 AI 改写回复,可能会在保留错误的同时,让文字读起来更顺畅。

6. 费用、用量额度与 API 的区别

在 ChatGPT 对话中附加音频,与调用开发者 API,计费和限制是分开的。附加功能不使用 API 密钥。如果通过 API 把转写功能集成到自己的应用中,那属于 API 用量,与 ChatGPT 订阅是分开的。

比较项目在 ChatGPT 中附加音频转写 API
使用方式在对话中附加文件并提出请求。通过程序发送音频。
套餐与计费需要支持的付费 ChatGPT 套餐或工作区。API 与 ChatGPT 月度订阅分开计费。
容量上限音频最大 512MB。File transcription 指南中列出的是 25MB。
规格确认处ChatGPT 音频上传帮助。API 的 File transcription 指南和价格页面。

出处:ChatGPT 与 API 的分开计费、转写 API 的容量上限。请不要把 API 的 25MB 当作 ChatGPT 的附件上限,也不要认为 Pro 套餐包含 API 费用。

音频附件的费用与用量额度

官方的音频上传帮助中,没有列出面向个人用户的额外每分钟费用,也没有列出各套餐专用于音频的处理时长和次数。如果达到用量上限或出现错误,请查看您自己的套餐和工作区的说明。

7. 无法上传或无法读取时

“无法选择文件”“附加后却无法解析”“结果中途停止”,各自需要检查的地方不同。在更改套餐之前,请先按症状区分原因。以下是基于官方要求的检查顺序。

症状先确认下一步
无法附加音频是否为支持音频上传的付费套餐,格式和容量是否受支持。同时检查地区、模型、应用版本和组织设置。能附加文档,不代表能附加音频。
附加后提示无法读取能否在本地播放该音频。是否是被识别为视频的 MP4 或 WebM。用一个较短的、正确导出的音频文件来缩小范围。不要只改扩展名来尝试更改音频格式。
长录音停止或内容缺失回复涵盖到哪里,是否包含录音末尾的内容。考虑把原始录音切成较短的部分,记录顺序和开始位置后重新处理。
上传上限错误你的账户、套餐和存储空间,以及 OpenAI 的故障信息。不要在短时间内反复重试。OpenAI 说明,失败的上传也可能计入上限。

出处:OpenAI 官方上传故障排除。若问题仍未解决,请记录日期和时间(含时区)、设备和浏览器、所选模型、格式、容量和录音时长、错误画面,以及若能获取则记下请求 ID,以便向支持人员咨询时提供。截图中请避免包含超出必要的录音内容或个人信息。

如果要做简短测试,最好使用自己准备的、不含机密信息的音频。请分清是所有文件都失败,还是只有特定格式或时长才会失败。在提升套餐之前,先怀疑环境或文件本身的问题。

8. 如何看待录音的训练使用、保存和删除

上传录音前,请确认参与者需要的说明和同意,以及所在单位的信息处理规定。音频中可能包含您在请求中没有写到的姓名、地址、客户信息和背景对话。请先判断:去除不必要片段后的素材能否使用,以及是否允许发送到云端。

训练使用

对于个人服务,根据设置,内容可能会被用于训练。即使是 Pro,其训练使用的条款也与企业合同不同。

保存与删除

删除对话,不一定会删除保存在 Library 中的录音文件。请逐一确认各个保存位置。

根据 OpenAI 的一般政策,面向个人的 ChatGPT 服务可能会将内容用于训练。关闭“Improve the model for everyone”后,新的对话将不在训练范围内,但您主动发送的反馈属于例外。Business、Enterprise、Edu 以及 API,默认不将输入和输出用于训练。出处:各服务的数据训练使用政策。

不过,音频上传的帮助中没有说明:附加的音频本身的训练使用,与 Voice 中“包含音频录音”设置之间如何对应。不要把 Voice 片段或 Record 录音的说明直接套用到您附加的 MP3 或 M4A 上。关于如何读懂设置以及整理已输入的信息,请参阅ChatGPT 与 Codex 的训练使用和机密信息。

如果文件已保存在 Library 中,仅删除对话并不会删除 Library 中的副本。文字转写和摘要可能仍保留在对话中,因此请分别确认各个保存位置。归档不等于删除。出处:ChatGPT 中对话与文件的保存和删除。另外也请注意,关闭训练并不等于录音不会被发送到设备之外。

总结:附加录音,核对文字转写后再使用

要在 ChatGPT 中使用已保存的录音,请把音频文件附加到对话中,并先请它做文字转写。比较实用的顺序是:对照录音确认决定事项和引语,然后再把素材整理成会议纪要、文章或复习笔记。

  • 使用条件:音频上传面向付费套餐,Free 不支持。
  • 素材:确认支持的音频格式和 512MB 上限。区分包含视频的 MP4 和 WebM。
  • 质量:对照录音确认发言人、数字和否定表达。同时确认文字转写是否涵盖整段录音。
  • 费用与数据:API 与 ChatGPT 分开计费。音频附件专用的费用和用量额度尚有未公布之处,对话与文件也可能分别保存。

本文基于 OpenAI 官方帮助中的规格,解说操作步骤。我们没有用实际录音测量文字转写的准确率或处理时间。

FAQ

ChatGPT 免费版可以转写 MP3 吗?
根据官方帮助,音频文件上传面向付费套餐和工作区,Free 不在范围内。能使用免费的语音对话,是另外一回事。

M4A 和 MP4 也能附加吗?
M4A 属于支持的格式。MP4 和 WebM 仅在为纯音频文件时受支持;被识别为视频的文件不支持此音频上传。文件内部必须包含可读取的音频数据。

几小时的录音只要不超过 512MB 就没问题吗?
仅凭容量无法判断。官方说明,长录音可能会被分段处理,非常长的录音可能超时。容量上限、可处理的时长以及全文的准确性,是三个不同的问题。

如果使用 ChatGPT Pro,文字转写 API 的费用是否包含在内?
不包含。API 的使用与 ChatGPT 订阅分开计费。请把在对话中附加音频的操作,与从自己的程序调用 API 的操作区分开来。