米OpenAIはChatGPTに音声ファイルをアップロードし、文字起こしや要約、内容に関する質問ができる機能を追加した。有料プランとワークスペースが対象となる。
音声ファイルから情報抽出や文書作成まで対応
OpenAIが2026年10月6日に公開した情報によると、ChatGPTで音声ファイルを添付して、文字起こしや要約を依頼したり、録音内容について質問したりできるようになった。
会議やインタビュー、講義などの録音を、必要な情報を取り出しやすい形式へ整理できる仕組みとなる。
録音について質問し、たとえば「ローンチ期限についてどう話していたか？」といった特定の発言を確かめることも可能だ。文字起こしを基に、議事録やフォローアップメールの文案を作る使い方も紹介されている。
アップロードできる音声ファイルのサイズは最大512MBだ。
対応形式はWAV、MP3/MPEG、OGG/OGA、音声のみのWebM、PCM、FLAC、AAC、M4A、音声のみのMP4である。
動画として認識されるWebMやMP4は音声アップロードの対象外となり、ファイルには正常にデコードできる音声ストリームが含まれている必要がある。
利用できるのは有料のChatGPTサブスクリプションとワークスペースで、Enterpriseも含まれる。Freeプランでは現時点で利用できず、提供状況はワークスペースの設定、地域、クライアントのバージョン、選択したモデルなどによって異なる。
OpenAIによると、言語によって音声の理解や文字起こしの性能に差が生じるため、重要な情報は元の録音と照合するよう案内している。
また、長時間の録音はデータ分析機能が使える環境なら区間に分けて処理されることがあるが、処理はベストエフォートで、非常に長いとタイムアウトする可能性もあるという。
業務の効率化と精度管理をどう両立するか
音声アップロードの利点は、録音を聞き直して手作業でまとめる手間を減らせることだろう。文字起こしから議事録の作成まで一気に進められれば、会議後の事務作業にかかる時間は短くなり、情報共有も円滑になる可能性がある。
また、録音の内容を追加で質問できるため、長い会話から特定の発言や論点を探す際にも役立つとみられる。目的に合わせて情報を組み替えられる点は、会議やインタビューが多い業務で生きてくるはずだ。
一方、認識ミスや話者の取り違えが残ったまま要約を使うと、決定事項を誤って伝えるおそれがある。追加の質問への回答も常に正確とは限らないため、特に数値、期限、担当者、合意内容は元の録音と照合する手順が欠かせないだろう。
加えて、機密情報を含む音声を扱う場合は、保存やデータ利用の条件を事前に確認しておくことが望ましい。
こうした課題を踏まえると、実務に定着するかどうかは、文字起こしの精度や見直しの手間、情報の取り扱いまで含めた運用全体にかかっているといえる。
便利さだけでなく、正確性と情報管理を両立できるかが、継続的な活用の分かれ目となるだろう。
関連記事：
OpenAI、GPT-Live-1をAPIで提供開始 全二重通信で会話中の割り込みにリアルタイム対応
ChatGPT Space発表 チームとAIの共同作業を一元化
