Trascrivere audio con ChatGPT è possibile? E con Gemini?

Sì, si può trascrivere un audio con ChatGPT, ma solo nei piani a pagamento e solo partendo da file audio: il centro assistenza di OpenAI indica che il caricamento di audio non è disponibile nel piano Free, e che file video e link YouTube non sono supportati come fonti audio. Anche Gemini di Google trascrive l'audio caricato, con un limite totale di 10 minuti sugli account gratuiti e fino a 3 ore nei piani Google AI a pagamento. Per registrazioni lunghe, interviste o tutto ciò che ti serve con timestamp ed etichette dei parlanti, uno strumento di trascrizione dedicato resta il primo passo più affidabile, e l'assistente di chat dà il meglio dopo, per i riassunti.

Questa guida spiega cosa può fare davvero ciascun assistente con audio, video e link YouTube a ottobre 2026, dove sono i limiti e un flusso di lavoro che unisce i punti di forza di entrambi. I prodotti AI cambiano in fretta, quindi le pagine dei centri assistenza linkate qui sotto sono il posto giusto per verificare i dettagli attuali.

ChatGPT può trascrivere un audio in testo?

ChatGPT gestisce il parlato in tre modi diversi, che vengono spesso confusi.

1. Caricare un file audio

L'articolo di OpenAI sul caricamento di file e audio in ChatGPT spiega che puoi allegare una registrazione audio a una conversazione e chiedere a ChatGPT di trascriverla, riassumerla o rispondere a domande sul contenuto. I punti chiave di quella pagina, verificati a ottobre 2026:

• Piani: il caricamento di audio è disponibile con gli abbonamenti e gli spazi di lavoro a pagamento di ChatGPT, compreso Enterprise. Non è disponibile nel piano Free.
• Formati: WAV, MP3, OGG, FLAC, AAC, M4A, PCM e WebM o MP4 solo audio. Il file deve contenere un flusso audio valido.
• Dimensioni: i file audio possono arrivare a 512 MB.
• Durata: non c'è un limite fisso di durata, ma OpenAI precisa che le registrazioni lunghe possono essere elaborate a sezioni, che l'elaborazione è "best effort" e che quelle molto lunghe possono andare in timeout.
• Qualità: OpenAI dichiara che le trascrizioni possono contenere errori, che l'identificazione dei parlanti può essere inaffidabile e che le prestazioni variano da lingua a lingua.

2. ChatGPT Record

ChatGPT Record registra dal vivo una riunione, un brainstorming o una nota vocale, la trascrive e genera appunti in un canvas. Secondo la pagina di assistenza di OpenAI è disponibile nei piani Plus, Pro, Business, Enterprise ed Edu, e solo nell'app desktop per macOS. Le sessioni hanno un limite di 4 ore, l'audio viene eliminato dopo la trascrizione e Record funziona meglio in inglese. Può etichettare più parlanti ("Speaker 1") e permette di rinominarli. Record serve a catturare qualcosa che sta succedendo adesso; non trascrive un file che hai già.

3. Dettatura

L'icona del microfono nella casella del messaggio è la dettatura vocale: il tuo parlato viene trascritto in un messaggio che puoi modificare prima di inviarlo. È comoda per parlare invece di scrivere, ma non serve a trascrivere una registrazione esistente, e riprodurci dentro un file non funziona in modo affidabile.

ChatGPT può trasformare un video in testo?

Non direttamente. La guida di OpenAI ai caricamenti non elenca formati video e precisa che i file WebM e MP4 riconosciuti come video non vengono accettati come audio. Se vuoi il testo da un file MP4 o MOV, hai due opzioni:

1. Estrai prima l'audio con un convertitore o un programma di montaggio, salvalo come MP3 o M4A e caricalo in ChatGPT (con un piano a pagamento).
2. Usa uno strumento di trascrizione che accetta i video, come lo strumento di Audiotexta da video a testo, che prende il file video così com'è e restituisce una trascrizione con timestamp.

La seconda strada ti dà anche i file di sottotitoli (SRT, VTT), che ChatGPT non produce come output standard.

ChatGPT può trascrivere un video YouTube?

In generale no, ed è la domanda che riceviamo più spesso. Quando incolli un link YouTube, ChatGPT non può riprodurre il video né scaricarne l'audio. Con la ricerca web attiva può riuscire a leggere il testo della pagina, come titolo o descrizione, e poi riassumere ciò che pensa sia il contenuto del video. Quel riassunto può sembrare sicuro pur basandosi su pochissimo, quindi prendilo con cautela. Al momento della stesura, il centro assistenza di OpenAI non ha alcun articolo che descriva il supporto ai link YouTube.

Ciò che funziona in modo affidabile è procurarsi prima la trascrizione e dare a ChatGPT il testo:

• Copiala dal pannello della trascrizione di YouTube, se il video ha i sottotitoli (vedi come vedere la trascrizione su YouTube).
• Oppure incolla il link in uno strumento che trascrive l'audio, che funziona anche con i video senza sottotitoli. La nostra guida a trasformare un video YouTube in testo confronta le opzioni.

Google (Gemini) può trascrivere un audio in testo?

Sì. La pagina di assistenza di Google sul caricamento e l'analisi di file nelle app Gemini riguarda audio, video e documenti. A ottobre 2026 indica che:

• Devi aver eseguito l'accesso. Puoi aggiungere fino a 10 file a un prompt.
• Audio: durata totale fino a 10 minuti, oppure fino a 3 ore con Google AI Pro o Google AI Ultra.
• Video: ogni video può arrivare a 2 GB, con una durata totale fino a 5 minuti, oppure 1 ora con i piani a pagamento.
• Gli altri file possono arrivare a 100 MB ciascuno.

Quindi Gemini, a differenza di ChatGPT, accetta file video, e accetta l'audio anche con un account gratuito, entro quei 10 minuti totali. La documentazione di Google non promette un formato di trascrizione parola per parola, timestamp o etichette dei parlanti, quindi chiedili esplicitamente nel prompt e controlla il risultato.

Gemini ha anche un vantaggio con YouTube: l'articolo di Google sui contenuti YouTube nelle app Gemini descrive come chiedere a Gemini di trovare un video e riassumerlo usando informazioni pubbliche di YouTube. È utile per un riassunto, ma non equivale a una trascrizione completa e verificabile.

Per chi usa Google Workspace, Gemini in Google Drive può riassumere e rispondere a domande sui video archiviati in Drive con i piani Workspace e Google AI idonei, secondo gli annunci di Google Workspace. Google Documenti, invece, offre la digitazione vocale per la dettatura dal vivo, non la trascrizione di file caricati. Piani e disponibilità variano per edizione e lingua, quindi verifica con il tuo amministratore.

ChatGPT, Gemini o uno strumento di trascrizione dedicato

Limiti verificati sulle pagine di assistenza dei fornitori, ottobre 2026.

Gli assistenti sono chiaramente migliori nella conversazione: fare domande di approfondimento, riscrivere un riepilogo come email, spiegare un passaggio. Gli strumenti dedicati sono migliori nella trascrizione vera e propria.

Limiti pratici da conoscere prima di caricare

Durata e dimensioni

Le registrazioni lunghe sono il punto in cui gli assistenti di chat generici faticano di più. ChatGPT può dividere l'audio lungo in sezioni e andare in timeout; Gemini limita la durata totale per prompt. Una lezione universitaria di un'ora rientra nei piani a pagamento di entrambi, un workshop di un'intera giornata no.

Timestamp e parlanti mancanti

Una trascrizione che vuoi citare, sottotitolare o analizzare ha bisogno di timestamp su cui fare clic ed etichette dei parlanti affidabili. Gli assistenti di chat non sono costruiti attorno a questi elementi. Se chiedi comunque i timestamp, controllane alcuni sulla registrazione prima di farci affidamento.

Lacune e testo inventato

Ogni sistema di riconoscimento vocale può capire male le parole. Un rischio specifico dei modelli AI è il testo plausibile ma mai pronunciato, soprattutto nei tratti di silenzio, con musica o voci sovrapposte; inoltre, quando un modello di chat "sistema" una trascrizione lunga, può accorciarla o parafrasarla invece di riportarla parola per parola. Chiedi una trascrizione letterale e controlla a campione i passaggi importanti. L'audio pulito aiuta qualsiasi sistema: un parlante per microfono, poco rumore di fondo e niente musica sotto la voce.

Privacy e impostazioni di addestramento

Cosa succede alla tua registrazione dipende dal prodotto e dalle impostazioni:

• ChatGPT: nei piani per privati, OpenAI può usare i contenuti per migliorare i propri modelli se è attiva l'opzione "Migliora il modello per tutti"; puoi disattivarla in Controlli dati, e c'è un interruttore separato per le registrazioni audio. OpenAI dichiara di non addestrare per impostazione predefinita sulle offerte business come ChatGPT Enterprise.
• Gemini: con l'impostazione "Keep Activity" (conservazione dell'attività) attiva, il centro privacy di Google indica che alcune conversazioni possono essere esaminate da persone per migliorare i servizi; puoi disattivarla, ma diverse funzioni di Gemini, tra cui l'integrazione con YouTube e il caricamento da Drive, la richiedono.

Per interviste, colloqui con pazienti o chiamate con clienti, controlla prima queste impostazioni, ottieni il consenso di tutte le persone registrate e, dato che lavori nell'UE, leggi la nostra guida su GDPR e trascrizione. In Italia il Garante per la protezione dei dati personali si è già occupato più volte di ChatGPT, quindi per i dati di clienti o pazienti è prudente coinvolgere il DPO prima di caricare qualsiasi registrazione.

Il flusso che funziona: prima trascrivi, poi chiedi all'assistente

Gli assistenti di chat sono eccellenti nel lavorare sul testo e meno affidabili come motori di trascrizione. Dividere il lavoro sfrutta i punti di forza di entrambi:

1. Trascrivi con uno strumento di riconoscimento vocale. Usa Audiotexta nella web app (carica un file, incolla un link o registra dal microfono), oppure esegui Whisper in locale se preferisci tenere tutto sul tuo computer. Il nostro confronto tra Whisper e le API vocali in cloud spiega i compromessi.
2. Rivedi la trascrizione. Correggi nomi e termini tecnici, rinomina i parlanti e controlla sull'audio ogni passaggio che citerai.
3. Esportala come testo. Il TXT, disponibile anche nel piano gratuito senza account, è il formato più facile da incollare in una chat; con Pro c'è anche il Markdown.
4. Incollala in ChatGPT o Gemini e chiedi ciò che ti serve: "Riassumi questa intervista in cinque punti", "Elenca ogni decisione e chi ne è responsabile", "Scrivi la bozza di un'email di follow-up". Dato che l'assistente ora lavora su un testo completo, puoi verificare ogni affermazione della risposta con un timestamp.

Con il piano Pro Audiotexta può svolgere anche il passaggio del riassunto (riassunto, capitoli, punti chiave, decisioni e azioni da svolgere), senza usare i tuoi contenuti per addestrare modelli. Usa la combinazione che preferisci; l'importante è partire da una trascrizione completa e verificabile.