Kann ChatGPT Audio transkribieren?

Katrin, Immobilienmaklerin in Köln, hat ein 40-minütiges Beratungsgespräch mit einem Paar aufgenommen, das seine erste Wohnung kauft (beide waren mit der Aufnahme einverstanden). Zurück im Auto öffnet sie ChatGPT auf ihrem iPhone, tippt auf die Schaltfläche zum Anhängen und wählt die Datei aus. Sie möchte den Text vor der nächsten Besichtigung haben. (Katrin ist ein Beispiel, keine echte Kundin.)

Ob das klappt, hängt von etwas ab, woran sie nicht gedacht hat: ihrem Tarif.

Kann ChatGPT also Audio transkribieren? Ja, in einem bezahlten Tarif. Sie können eine Audiodatei (bis 512 MB) hochladen und um ein Transkript bitten, oder mit „Record" in der ChatGPT-App für den Mac ein Meeting live aufnehmen. Im Free-Tarif können Sie Stand November 2026 überhaupt keine Audiodateien hochladen. Free-Nutzer können nur ihre eigene Stimme als Eingabe diktieren.

Vielleicht haben Sie gelesen, ChatGPT könne „keine Dateien hören". Das stimmte lange, ist aber überholt. Dieser Leitfaden zeigt die sechs Wege, auf denen ChatGPT und OpenAI Sprache in Text verwandeln, welcher davon auf Ihrem iPhone, Android-Smartphone, Mac oder PC funktioniert, wie lang eine Datei bei jedem Limit wirklich sein darf und wann eine Transkriptions-App auf dem Smartphone die einfachere Wahl ist. Jedes Limit stammt aus OpenAIs eigenen Hilfeseiten, geprüft am 8. November 2026.

Wenn Sie Gespräche meist mit dem Smartphone aufnehmen und Transkript und Zusammenfassung ohne Dateien-Hin-und-Her möchten: ParrotNotes erledigt das auf iPhone und Android, mit 100 kostenlosen Minuten pro Monat.

Kann ChatGPT Audio transkribieren? Die kurze Antwort

ChatGPT hat mehr als einen Weg, Sprache in Text zu verwandeln, und jeder erfüllt einen anderen Zweck. Stand November 2026:

Die ersten beiden meinen die meisten, wenn sie „Audio transkribieren" sagen. Diktieren und Voice wandeln Ihre Sprache in Text um, transkribieren aber keine vorhandene Aufnahme.

Welcher ChatGPT-Weg auf Ihrem iPhone, Android-Gerät, Mac oder PC funktioniert

Hier bleiben die meisten Anleitungen vage. OpenAIs Seiten sind konkret, also hier ihr Stand, nach Gerät und Tarif:

Quellen: OpenAIs Hilfeseiten Uploading files and audio to ChatGPT, ChatGPT Record, Meetings-Plugin, ChatGPT Voice und Voice Dictation, alle geprüft am 8. November 2026.

Zwei Dinge fallen auf. Erstens lässt sich in der ChatGPT-App auf dem Smartphone derzeit kein Meeting zur Transkription aufnehmen; auf dem Handy nehmen Sie woanders auf und laden die Datei hoch. Zweitens ist Go mit 8 USD pro Monat der günstigste bezahlte Tarif, dann Plus mit 20 USD und Pro mit 100 USD (ChatGPT-Preise). OpenAI schreibt, dass Audio-Uploads zu „bezahlten ChatGPT-Abos" gehören, nennt sie aber nicht Tarif für Tarif. Prüfen Sie also, ob das Anhängen funktioniert, bevor Sie nur dafür einen Tarif bezahlen.

Audiodateien in ChatGPT transkribieren, Schritt für Schritt

In einem bezahlten Tarif ist der Upload in etwa einer Minute gestartet:

1. Öffnen Sie einen neuen Chat auf chatgpt.com oder in der ChatGPT-App.
2. Wählen Sie + im Nachrichtenfeld, dann Add photos & files (Fotos und Dateien hinzufügen), und wählen Sie Ihre Aufnahme.
3. Prüfen Sie das Format. ChatGPT akzeptiert WAV, MP3, M4A, AAC, FLAC, OGG, PCM sowie WebM oder MP4 nur mit Ton. Die Sprachmemos-App auf dem iPhone speichert M4A, das funktioniert.
4. Sagen Sie genau, was Sie wollen. Auf „Transkribiere das" kann eine ordentliche Zusammenfassung zurückkommen. Bitten Sie stattdessen um den Wortlaut (Prompts unten).
5. Gleichen Sie alles Wichtige mit der Aufnahme ab: Namen, Zahlen, Termine und Zitate.

Ein Video funktioniert so nicht. Laut OpenAI werden WebM- und MP4-Dateien, die als Video erkannt werden, beim Audio-Upload nicht unterstützt. Ziehen Sie den Ton zuerst mit einem kostenlosen Video-in-Audio-Konverter heraus und laden Sie dann die Audiodatei hoch. Wenn eine Datei zwar hochgeladen, aber nicht transkribiert wird, empfiehlt OpenAI, sie in WAV umzuwandeln und es erneut zu versuchen.

Prompts, die ein Transkript liefern, keine Zusammenfassung

Kopieren Sie diese und passen Sie die Angaben in Klammern an:

• Wortgetreu: „Transkribiere diese Aufnahme wortgetreu. Fasse nichts zusammen, kürze nichts und korrigiere nichts. Beginne einen neuen Absatz, wenn der Sprecher wechselt."
• Mit Sprechern: „Transkribiere dieses Gespräch zwischen [Katrin] und [zwei Kunden]. Kennzeichne jede Zeile mit der sprechenden Person. Wenn du es nicht erkennen kannst, schreibe Sprecher 1, Sprecher 2."
• Bereinigt: „Entferne jetzt Füllwörter (äh, ähm, sozusagen) und korrigiere die Zeichensetzung. Ändere nichts am Inhalt und füge nichts hinzu."
• Selbstkontrolle: „Liste alle Namen, Zahlen und Termine im Transkript auf, mit ungefährer Stelle, damit ich sie mit der Aufnahme abgleichen kann."

Stellen Sie Ihre Folgefragen dann im selben Chat: „Was haben sie zum Budget gesagt?" oder „Schreibe daraus eine Follow-up-E-Mail."

Wie groß darf eine Datei sein, die ChatGPT transkribiert?

OpenAI nennt das Limit in Megabyte, nicht in Minuten. Uploads in ChatGPT dürfen bis 512 MB groß sein. Die Entwickler-API nimmt bis 25 MB pro Datei. Wie viel Gesprochenes hineinpasst, hängt vom Format ab, hier die Rechnung (1 MB = 1.000.000 Byte):

Das sind aus der Bitrate gerechnete Werte, keine Tests. Die tatsächliche Größe hängt von der App ab, die die Datei erstellt hat, also prüfen Sie die Dateigröße vor dem Hochladen.

Die 512 MB sind eine Größengrenze, kein Versprechen. OpenAI schreibt, lange Aufnahmen würden gegebenenfalls in kleineren Abschnitten verarbeitet, die Verarbeitung erfolge nach bestem Bemühen, und sehr lange Aufnahmen könnten abbrechen. In der Praxis ist eine zweistündige WAV-Datei riskanter als eine zweistündige M4A-Datei, obwohl beide passen. Ist eine Datei zu groß, kann ein kostenloses Tool zum Audio komprimieren sie vorher auf eine niedrigere Bitrate bringen.

Record und Meetings auf dem Mac

Wenn Sie einen Mac nutzen, kann ChatGPT selbst aufnehmen, statt auf eine Datei zu warten.

Record steckt in der ChatGPT-Desktop-App für macOS. Klicken Sie unten in einem Chat auf Record, erlauben Sie den Zugriff auf das Mikrofon (und für Anrufe auf den Systemton) und sprechen Sie. ChatGPT transkribiert laufend, ein Timer zeigt die Aufnahmedauer.

Klicken Sie auf Stop und dann auf Send, und Sie erhalten ein Transkript plus eine Zusammenfassung als Canvas, das Sie in eine E-Mail oder einen Plan umwandeln können. Sitzungen enden automatisch nach 4 Stunden. Laut OpenAI unterscheidet Record Sprecher und verwendet Bezeichnungen wie „Speaker 1", wenn es keinen Namen findet; diese können Sie umbenennen.

Meetings ist das neuere Plugin in der Mac-App, als Beta für die Tarife Pro und Business. Sie installieren es unter Plugins, klicken während eines Online-Calls oder eines Treffens vor Ort auf Take notes, und es schreibt eine Zusammenfassung mit vorgeschlagenen Aufgaben. Kein Bot tritt dem Call bei. Laut OpenAI kommt die Unterstützung für iOS, Android und Windows „in Kürze", und der Einwilligungshinweis erscheint nur auf Ihrem Bildschirm: Er informiert niemanden sonst im Meeting.

Keines von beiden läuft heute auf einem iPhone oder Android-Smartphone.

Voice und Diktieren sind keine Datei-Transkription

Diese beiden probieren viele zuerst aus, und bei einer bereits vorhandenen Aufnahme enttäuschen beide.

Diktieren ist das Mikrofonsymbol im Nachrichtenfeld. Sie sprechen, ChatGPT macht Text daraus, und Sie können ihn vor dem Senden bearbeiten. Praktisch für einen langen Prompt auf dem Handy. Eine Datei nimmt es nicht an, und für ein Meeting mit mehreren Personen im Raum ist es nicht gedacht.

Voice ist ein gesprochenes Hin und Her mit ChatGPT. Ein Transkript des Gesprächs wird danach im Chat gespeichert, aber OpenAI sagt klar, dass Voice-Transkripte keine wortgetreuen Aufzeichnungen sind und vom Gesagten abweichen können. Das Handy an einen Lautsprecher zu halten und Voice zu starten, ist kein verlässlicher Weg, etwas zu transkribieren.

OpenAIs Transkriptions-API nutzen

Entwickler können das Chatfenster überspringen und Audio direkt an OpenAIs Transkriptions-API senden. Hierhin führen meist die Suchen nach „ChatGPT Whisper", und hier hat sich etwas geändert.

OpenAI empfiehlt inzwischen ein Modell namens gpt-transcribe. Die älteren Modelle, darunter whisper-1, gpt-4o-transcribe und das Modell mit Sprecherkennzeichnung gpt-4o-transcribe-diarize, sind veraltet und werden laut OpenAIs Speech-to-Text-Leitfaden am 26. Februar 2027 abgeschaltet. Dateien dürfen bis 25 MB groß sein, in mp3, mp4, mpeg, mpga, m4a, wav oder webm.

Der Preis ist niedrig. OpenAIs API-Preisseite nennt für gpt-transcribe Stand November 2026 0,0045 USD pro Minute.

Ein Rechenbeispiel: Jonas, freiberuflicher Podcast-Editor in Leipzig, will 30 Stunden alter Interviews in Text verwandeln. Das sind 1.800 Minuten × 0,0045 USD = 8,10 USD über die API, gegenüber 20 USD für einen Monat ChatGPT Plus. Der Haken ist das 25-MB-Limit: Bei MP3 mit 128 kbit/s muss jede Datei vorher in Stücke von etwa 26 Minuten geschnitten werden, und jemand muss das Skript schreiben, das sie verschickt. (Jonas ist ein Beispiel, kein echter Kunde.)

Die API passt also zu Leuten, die programmieren können, oder zu Apps, die darauf aufbauen. Wenn das nicht auf Sie zutrifft, ist der Upload im Chat oder eine Transkriptions-App einfacher.

Kann ChatGPT Audio genau transkribieren? Die Grenzen

ChatGPT kann Audio für viele Aufgaben gut genug in Text umwandeln, aber Sie sollten wissen, wo es hakt.

• Genauigkeit ist nicht garantiert. Auf OpenAIs Record-Seite steht, dass ChatGPT Fehler machen kann, auch in Transkriptionen. Prüfen Sie Namen, Zahlen und Zitate mit der Aufnahme, bevor Sie etwas verschicken oder veröffentlichen.
• Es fasst zusammen, wo Sie ein Transkript wollten. Ein Chatmodell räumt gern auf. Nutzen Sie den wortgetreuen Prompt oben und hören Sie stichprobenartig eine Minute nach.
• Sprecherkennzeichnung schwankt. Record kennzeichnet Sprecher. Für eine hochgeladene Datei verspricht OpenAIs Seite keine Sprecherkennzeichnung, also bitten Sie darum und prüfen Sie das Ergebnis.
• Sprachen. Laut OpenAI funktioniert Record derzeit am besten auf Englisch, und die Transkription hochgeladener Dateien kann je nach Sprache unterschiedlich gut sein.
• Lange Dateien. Große Uploads können abbrechen, und Record stoppt nach 4 Stunden.
• Datenschutz. In Free, Plus und Pro können Transkripte und Canvases zum Training von Modellen verwendet werden, wenn Improve the model for everyone (Das Modell für alle verbessern) unter Settings > Data controls aktiviert ist. Laut OpenAI löscht Record die Audiodatei nach der Transkription. Inhalte aus Business, Enterprise und Edu sind standardmäßig vom Training ausgeschlossen.
• Einwilligung. Für das Aufnehmen anderer Menschen gelten Regeln, die je nach Land und Bundesstaat unterschiedlich sind. OpenAIs eigene Record-Seite rät, vorher die nötigen Einwilligungen einzuholen. Unser Leitfaden zu One-Party-Consent-Staaten erklärt die US-Regeln allgemein; er ist keine Rechtsberatung, und Sie sollten nie jemanden heimlich aufnehmen.

Wann eine Transkriptions-App auf dem Smartphone besser passt

ChatGPT ist eine gute Wahl, wenn Sie ohnehin dafür zahlen, die Datei auf Ihrem Computer liegt und Sie sofort Fragen dazu stellen wollen. In drei häufigen Fällen passt es weniger gut.

Sie nutzen den Free-Tarif. Free-Nutzer können kein Audio hochladen. Der Vergleich der besten kostenlosen Transkriptions-Apps ordnet kostenlose Optionen nach Aufgabe, und der kostenlose Audio-in-Text-Konverter schafft eine kurze Datei (bis 10 Minuten, mit kostenlosem Konto).

Sie nehmen mit dem Smartphone auf. Auf einem iPhone oder Android-Smartphone kann ChatGPT kein Meeting für Sie aufnehmen. Sie würden in einer anderen App aufnehmen, die Datei suchen und hochladen. Die vorinstallierten Apps können das oft selbst: siehe Sprachmemo transkribieren auf iPhone und Android.

Sie nehmen jede Woche dieselbe Art Gespräch auf. Markus ist im Außendienst und besucht sechs Märkte am Tag. Montags nahm er früher einen Marktbesuch auf, lud ihn bei ChatGPT hoch, kopierte das Transkript in einen Zusammenfassungs-Prompt und übertrug das Ergebnis dann ins CRM, jedes Mal. (Markus ist ein Beispiel, kein echter Kunde.) Eine Aufnahme-App, die selbst transkribiert und zusammenfasst, spart die Zwischenschritte.

Genau dafür ist ParrotNotes gebaut. Die App nimmt Gespräche vor Ort und Meetings auf iPhone und Android auf, läuft bei gesperrtem Bildschirm weiter und liefert nach dem Stoppen ein Transkript und eine KI-Zusammenfassung.

Der Free-Tarif umfasst 100 Minuten Aufnahme pro Monat (bis 30 Minuten pro Aufnahme), eine KI-Zusammenfassung zu jeder Aufnahme und 3 Audio- oder Video-Importe pro Monat. Pro (19,99 USD pro Monat oder 14,99 USD pro Monat bei jährlicher Zahlung) erhöht das auf 3.000 Minuten und bis 3 Stunden pro Aufnahme und bringt Sprechererkennung mit. Pro hat außerdem einen Connector für ChatGPT, sodass Sie ChatGPT weiterhin Fragen zu Ihren Notizen stellen können.

Lieber Word oder Docs? Mit Microsoft 365 können Sie auch Audio in Word transkribieren.

Das Fazit zur Transkription mit ChatGPT

Kann ChatGPT Audio transkribieren? Ja, unter Bedingungen:

1. Bezahlter Tarif: Datei bis 512 MB hochladen und ein wortgetreues Transkript anfordern.
2. Mac: Record (ab Plus) oder das Meetings-Plugin (Pro und Business) nutzen, um live aufzunehmen und zu transkribieren.
3. Free-Tarif: nur Diktieren, keine Audiodateien.
4. Entwickler: gpt-transcribe für 0,0045 USD pro Minute, 25 MB pro Datei; Whisper wird im Februar 2027 abgeschaltet.
5. Immer: Namen und Zahlen mit der Aufnahme abgleichen und vor jeder Aufnahme die Einwilligung einholen.

Wenn Ihre Aufnahmen auf dem Smartphone beginnen, testen Sie den Free-Tarif von ParrotNotes im nächsten Meeting und vergleichen Sie das Transkript mit dem, was ChatGPT liefert.