OpenAI ha anunciado el 6 de octubre que ChatGPT admite archivos de audio para transcribirlos, resumirlos y responder preguntas sobre su contenido. La función se ofrece en suscripciones y espacios de trabajo de pago. Para agencias, marcas y creadores, abre una vía directa para convertir una grabación existente en material de trabajo, desde las notas de una reunión hasta un primer mapa de temas de una entrevista.
La disponibilidad puede variar por región, configuración del espacio, versión del cliente y modelo seleccionado. La guía oficial incluye Enterprise y excluye Free por ahora. El anuncio no permite dar por hecho que cualquier cuenta española de pago disponga de la misma experiencia. Antes de incorporarla a un proceso de equipo, conviene comprobar el acceso desde la cuenta que realizará el trabajo.
Qué se puede subir y dónde están los límites
La documentación admite formatos como WAV, MP3, FLAC y M4A, y fija un máximo de 512 MB por archivo de audio. Un MP4 o WebM identificado como vídeo no entra en esta función aunque contenga sonido. Los audios muy largos pueden agotarse por tiempo de procesamiento; la guía contempla dividirlos en fragmentos cuando está disponible el análisis de datos. No ofrece una garantía de transcripción completa para cualquier duración.
Estas condiciones describen la subida de una grabación. No acreditan que ChatGPT esté escuchando una reunión en directo ni que envíe por sí solo lo que extrae de ella. Para un equipo, el punto de partida es un archivo ya existente y una tarea delimitada. Pedir un borrador de correo de seguimiento sigue siendo distinto de aprobar sus compromisos y enviarlo a quienes participaron.
El tamaño máximo tampoco mide la utilidad del resultado. Una grabación corta con nombres propios, siglas internas o intervenciones simultáneas puede exigir más comprobación que una exposición larga y ordenada. El equipo debería elegir una muestra representativa de su trabajo antes de comprometer plazos de entrega basados en la automatización.
Una transcripción no valida quién dijo cada frase
OpenAI advierte de que la transcripción puede contener errores, la identificación del hablante puede ser poco fiable y el rendimiento puede cambiar según el idioma. Una frase bien redactada no demuestra una atribución correcta. Ese límite importa especialmente al trabajar con entrevistas, testimonios de clientes o reuniones en las que unas personas proponen y otras aprueban.
La lectura editorial de Contrafeed es mantener el audio original como referencia y separar tres documentos: transcripción de trabajo, selección de fragmentos y texto final. Si una cita va a publicarse, quien la edita debe volver al tramo correspondiente para comprobar palabras, interlocutor y contexto. Un resumen puede ser útil para localizar una idea y, a la vez, resultar inadecuado como cita literal.
En una reunión de campaña, por ejemplo, «podríamos lanzar el viernes» y «lanzamos el viernes» expresan grados de acuerdo distintos. Es un ejemplo hipotético del tipo de distinción que conviene revisar. La tarea de convertir conversación en plan debería conservar qué quedó decidido, qué fue una sugerencia y qué sigue pendiente, sin completar las lagunas con una respuesta probable.
Del archivo a un encargo editorial concreto
La utilidad para contenidos empieza por definir la entrega. Una agencia puede necesitar identificar dudas de un cliente para corregir un briefing; un creador, localizar temas para varios clips; un responsable de marca, separar decisiones de un taller. Cada encargo exige criterios distintos. Solicitar solamente un resumen deja sin resolver qué información debe conservarse para el siguiente paso.
Una propuesta de trabajo sería pedir una primera clasificación por temas, marcar los pasajes que requieren escucha y preparar una selección corta para revisión. El texto final puede después adaptarse al canal, manteniendo aparte las declaraciones originales. Si una frase no se entiende, el estado útil es «pendiente de comprobar», no una reformulación que parezca segura.
También conviene evitar que la facilidad para extraer contenidos convierta todas las grabaciones en material publicable. Antes de subir un archivo o reutilizar una intervención, el equipo debe comprobar las autorizaciones que tiene para esa tarea y las reglas de su organización. Esta noticia describe una función; no determina los permisos aplicables a una grabación concreta ni afirma que hayamos probado su tratamiento.
Medir el trabajo que queda después de generar el texto
El ahorro relevante no es solo el tiempo hasta recibir una respuesta. Para valorar la incorporación al proceso, se puede registrar cuánto tarda el equipo en conseguir una transcripción utilizable y cuánto dedica a corregirla. Separar nombres, cifras, atribuciones y fragmentos omitidos ofrece una lectura más útil que contar palabras producidas. Es una pauta de evaluación propuesta por Contrafeed, no un resultado medido de esta actualización.
Ese registro también permite descubrir dónde no conviene automatizar tanto. Si una grabación tiene varios portavoces con voces parecidas, la selección de citas puede necesitar una escucha más extensa. Si mezcla idiomas, habrá que comprobar esos tramos de forma específica. El estándar de aceptación debe depender del destino: unas notas internas y una declaración publicada no tienen la misma función.
La documentación del proceso importa tanto como la petición a la herramienta. En nuestra conversación con Juan Merodio sobre el criterio de los equipos con IA, el entrevistado propone guardar ejemplos buenos y malos y explicar la diferencia. Aplicado al audio, eso ayudaría a que otra persona sepa qué comprobar antes de dar una transcripción por válida.
La nueva entrada de archivos amplía las opciones de producción, pero debe convivir con decisiones editoriales reconocibles. También puede complementar procesos de dirección de voz y localización, sin confundir una grabación original con una voz generada. Conservar esa procedencia permite saber qué es fuente, qué es borrador y qué versión ha aprobado el equipo.
Fuente y alcance
Investigación documental realizada el 7 de octubre de 2026. No hemos probado estas funciones. Los resultados de producto se atribuyen a sus responsables; los ejemplos y propuestas de evaluación son análisis de Contrafeed.
OpenAI · ChatGPT: audio uploads, 6 de octubre — 2026-10-06. Disponibilidad en suscripciones y espacios de pago; sujeta a región, cliente, modelo y configuración.
OpenAI · Uploading files and audio to ChatGPT — Página vigente al 2026-10-07. Límite 512 MB; Free excluido; formatos y límites de exactitud. No trasladar al audio cuotas de la sección titulada documentos e imágenes.
