ChatGPT integra ufficialmente il supporto ai file audio all'interno delle conversazioni. Riunioni, interviste o lezioni possono ora essere trascritte, riassunte o convertite in appunti strutturati, e su di esse è possibile porre domande come su qualsiasi documento testuale. La funzione è però riservata agli abbonamenti a pagamento e agli spazi di lavoro, Enterprise incluso: nessuna traccia per l'offerta gratuita. OpenAI avverte inoltre che la disponibilità può variare in base al Paese, al modello utilizzato, alla versione dell'app e alle impostazioni del workspace.
Formati supportati e limiti tecnici
La trascrizione non è una novità assoluta per OpenAI: Whisper e i modelli GPT-4o Transcribe permettevano già agli sviluppatori di svolgere questo lavoro tramite API. Ciò che cambia è l'accesso diretto: basta caricare il proprio file su ChatGPT. Sono accettati i formati MP3, WAV, FLAC, AAC, M4A e OGG, fino a 512 MB per file. Si tratta di circa nove ore in MP3 a 128 kbit/s, contro una cinquantina di minuti per un WAV stereo 16 bit/44,1 kHz non compresso. Attenzione però: 512 MB è un limite di invio, non una garanzia di trascrizione. OpenAI precisa che le registrazioni lunghe possono essere suddivise in più sezioni quando Data Analysis è disponibile, e che i file particolarmente estesi possono scadere prima della fine dell'elaborazione. La qualità può inoltre variare a seconda della lingua.
Prove sul campo: risultati ancora altalenanti
I primi test condotti da chi ha avuto accesso alla funzione suggeriscono che il caricamento di un audio non garantisca una trascrizione immediata. Con un MP3 di circa un'ora e mezza, ChatGPT può riconoscere correttamente il file e indicarne la durata senza poi completare l'elaborazione, arrivando in alcuni casi a suggerire un servizio esterno. Le cose vanno meglio con file più brevi, ma non sempre senza intoppi: con un'intervista di 15 minuti e più interlocutori, l'assistente ha chiesto di dividere la registrazione in due parti e, dopo il nuovo caricamento, ha generato una trascrizione dichiarata completa che conteneva però solo una delle due sezioni.
Per ottenere il risultato corretto è servito segnalare il problema, chiedere a ChatGPT di controllare il materiale elaborato e correggere una prima interpretazione errata. Solo dopo un ulteriore passaggio le due parti sono state riportate nell'ordine giusto, anche se senza indicazioni temporali precise sugli ultimi scambi. Il risultato è quindi utilizzabile, ma il procedimento può richiedere più interventi del previsto. OpenAI riconosce che le trascrizioni possono contenere errori e che l'identificazione degli interlocutori può essere poco affidabile: chi affida a ChatGPT un file audio dovrebbe mettere in conto qualche verifica, soprattutto con registrazioni lunghe o conversazioni a più voci.
Sul fronte della privacy, sugli account personali le nuove conversazioni possono servire a migliorare i modelli se l'opzione "Migliora il modello per tutti" resta attiva; è disattivabile nei controlli dei dati. Per impostazione predefinita, invece, OpenAI non addestra i propri modelli sui contenuti degli spazi Business, Enterprise ed Edu. Poter caricare un MP3 e chiedere subito trascrizione, riassunto o ricerca nel contenuto è una funzione molto pratica, che con ogni probabilità migliorerà nel tempo.
