用ChatGPT直接上传会议音频做文字转写和纪要

原文要点

ChatGPT于2026年10月6日上线音频文件上传（Audio uploads），官方称限付费套餐与工作区，格式含WAV、MP3、OGG、纯音频WebM、PCM、FLAC、AAC、M4A、纯音频MP4，单文件上限512MB。日本作者次日用ChatGPT Pro实测103.1秒虚构会议MP3：60.5秒完成逐字转写，日期、金额、人名全对，但把“商品E”两处误听为“商品B”、“EC”误为“ブック”，且未标注不确定。附上前一天文字纪要一起提交后，模型主动在差异表首行指出商品名不一致并建议人工确认。原文给出4条指令。

这次做成什么

用ChatGPT的音频上传，把会议录音变成逐字稿、决议与待办表、带时间点引用的定位答案，并借助上次纪要交叉发现听错处。本站给出4条中文指令和一套虚构练习音频脚本。

准备什么

• ChatGPT付费套餐（作者用ChatGPT Pro测试，免费版未验证可用）
• 电脑浏览器登录ChatGPT网页版
• 一段自录或自制的练习音频，MP3等支持格式、小于512MB
• （第4条指令用）上一次的会议纪要文本文件

具体怎么做

1. 附加音频文件

   新建会话，点输入框左侧的［＋］，选择你的MP3文件。文件名左侧出现紫色波形图标即识别为音频（PDF和文本是别的图标）。无需切换任何模式。

2. 指令1：逐字转写

   粘贴指令1发送。关键是“听不清就写[听不清]”和“不要补没说过的话”两条约束，方便日后与原录音对照。作者称103秒音频约60秒返回逐字稿。

3. 指令2：决议与待办表

   在同一会话里直接追加指令2，不用重新附加音频。检查返回的“谁、做什么、什么时候之前”表和下次会议时间是否与录音一致。

4. 指令3：按时间点定位

   追加指令3，让模型回答某话题从几分几秒开始并引用原话。返回的时间点只当回听定位的线索：作者两次测试同一发言分别得到“1分6秒左右”和“约1:09至1:17”，并不一致。

5. 指令4：与上次纪要比对

   新开一个会话，同时附加音频和上次纪要的文本文件，粘贴指令4。作者测试中模型在差异表首行主动标出商品名不一致并建议确认——这正是发现转写错误的最有效用法。

可直接复制的材料

请把附件音频里说的话逐字转写出来。听不清的地方写[听不清]，没有说过的话不要补充。

请把这次会议中决定的事情列成要点清单，然后做一个“谁、做什么、什么时候之前”的表格，最后写出下次会议的日期和时间。

关于拍摄费用的讨论，是从音频的几分几秒左右开始的？请指出时间点，并把当时是谁说的、原话是什么，按音频里的原样引用出来。

附件的文本是前一天（9月10日）会议的记录，音频是第二天（9月11日）的会议。请比较两份材料，把相比上次记录发生了变化的事、新决定的事列成表，并标明每条内容出自哪份材料的哪个位置。如果发现两份材料的说法有矛盾，请在表的最前面单独指出并建议人工确认。

（约90秒，三人：王芳、李强、赵敏）
王芳：今天是9月11日星期四，开始本周的例会。出席的是王芳、李强、赵敏三位。
李强：上周确定的套餐F，原料成本合计控制在115元，10月1日开始销售。
赵敏：宣传页的拍摄定在10月21日星期二，地点是总部3号会议室。费用和去年一样，预算18万元。
王芳：专题页面11月20日上线不变；如果套餐F限定色的照片来不及，11月27日再补。
李强：下次会议是9月18日上午10点开始。

输入与输出示例

本站虚构演示，非实际调用结果；作者实测中日期金额人名全对、产品代号听错两处且无提示，练习时请重点核对你脚本里的“套餐F”

输入

把练习脚本录成约90秒MP3，附加后发送指令1，再在同一会话发送指令2

对应输出

指令1示意返回：按句换行的逐字稿，包含“9月11日星期四”“115元”“18万元”“王芳、李强、赵敏”等；若把“套餐F”误写成“套餐B”之类，通常不会有[听不清]标注。指令2示意返回：决议清单（成本115元、10月1日开售、拍摄10月21日总部3号会议室、专题页11月20日上线）+待办表+下次会议“9月18日10点”

做完检查这些

• 附加后文件名旁出现紫色波形图标，确认被当作音频而非普通文档处理
• 逐字稿中的日期、金额、人名与录音逐项一致
• 指令2的待办表每行都有负责人、事项、期限三要素，且能在逐字稿中找到出处
• 指令3返回的时间点能在录音对应位置附近找到该发言
• 指令4的差异表把矛盾或听写可疑处排在最前面，并标明出自哪份材料

容易卡住的地方

• 该功能官方注明限付费套餐与工作区，且受工作区设置、地区、应用版本、模型影响；免费账号可能根本没有上传入口
• 产品代号、缩写最容易被听错且不会标注不确定（作者实测“商品E”变“商品B”），成文前务必对照原录音核对专有名词
• 时间点回答在不同会话间会漂移，只能当回听定位线索，不要直接抄进正式纪要
• 被判定为视频的WebM和MP4不能作为音频上传；长录音官方称可能被切分处理，1小时以上会议精度原文未验证
• 同一对话里继续追问不用重新上传音频；新开会话则需重新附加文件