Kann ChatGPT Audio transkribieren? Gemini und Copilot
Was ChatGPT, Gemini und Copilot mit Audiodateien tun, laut offiziellen Hilfeseiten (4. Nov. 2026): Tarife, Grenzen, Daten und wann ein Tool passt.
Sonorarium-Team 5 Min. Lesezeit
Kurz gesagt: manchmal, je nach Tarif. Laut den offiziellen Hilfeseiten nimmt ChatGPT Audio bis 512 MB nur in kostenpflichtigen Tarifen an, Gemini bis zu 10 Minuten (3 Stunden mit Google AI Pro oder Ultra), und Copilot nennt keine Audioformate. Bei kurzem Audio probieren Sie es dort. Für eine lange Datei, SRT oder einen Editor bietet Sonorarium 15 Gratisminuten beim Erstellen Ihres Kontos, ohne Karte. Wir erkennen keine Sprecher, übersetzen nicht und nehmen keine Links an.
Diese Funktionen ändern sich schnell. Das Folgende ist der Stand der Hilfeseiten am 4. November 2026; prüfen Sie vor einem wichtigen Upload die aktuelle Seite.
Was die offizielle Hilfe jedes Assistenten sagt
| Assistent | Audio möglich? | Grenzen laut Hilfe | Ihre Daten |
|---|---|---|---|
| ChatGPT | Ja, in den Bezahltarifen. Im kostenlosen Tarif „derzeit“ nicht | 512 MB pro Datei. Lange Aufnahmen können in Abschnitten verarbeitet werden, sehr lange können in eine Zeitüberschreitung laufen | Bei Free, Plus und Pro können sie zum Training genutzt werden, außer Sie schalten das in den Datenkontrollen ab. Bei Business, Enterprise und Edu standardmäßig nicht |
| Gemini | Ja: Die Hilfe nennt ein Audiolimit | 10 Min. Audio insgesamt (3 Std. mit Google AI Pro oder Ultra). Allgemeine Upload-Grenzen für Dateien: 100 MB pro Datei und 10 Dateien pro Anfrage | Menschen prüfen einen Teil der Unterhaltungen; Google bittet, keine vertraulichen Informationen einzugeben |
| Copilot | Nicht zugesagt: Die Hilfe nennt Dokumente, Bilder und Text | 50 MB pro Datei, 20 Dateien pro Unterhaltung | Höchstens 18 Monate gespeichert, nicht für das Training genutzt |
ChatGPT. Die Hilfe ist die ausdrücklichste: Sie sagt, Sie können ChatGPT bitten, eine Aufnahme zu transkribieren, und danach Fragen zum Inhalt stellen. Unterstützt werden WAV, MP3, OGG, FLAC, AAC, M4A und PCM sowie WebM oder MP4, aber nur als reine Audiodateien (als Video erkannte Dateien gehen nicht). Sie warnt, dass Transkripte Fehler enthalten können, dass die Sprechererkennung unzuverlässig sein kann und dass die Qualität je nach Sprache schwankt.
Gemini. Die Hilfe zum Hochladen nennt Audiolimits, beschreibt die Transkription aber nicht als Funktion und sagt nicht, wie wörtlich das Ergebnis ist. Es ist das einzige der drei Angebote, dessen Audiolimit keinen Bezahltarif verlangt: insgesamt 10 Minuten. Ist Ihre Aufnahme kürzer, ist das ein vernünftiger erster Versuch.
Copilot. Die beiden Microsoft-Seiten, die wir geöffnet haben (Datei-Upload und unterstützte Formate), enthalten kein Audio. Das heißt nicht, dass es nie kommt, aber heute wird es nicht zugesagt. Microsoft beschreibt zwei andere Wege für Audio: die Funktion Transkribieren in Word mit 300 Minuten hochgeladenem Audio pro Monat im Microsoft-365-Abo und Aufnehmen in der Copilot-App für Geschäftskonten mit Microsoft-365-Copilot-Lizenz, bis zu 120 Minuten pro Aufnahme.
Risiken, wenn Sie einen Assistenten um ein wörtliches Transkript bitten
- Es muss nicht wörtlich sein. Ein Assistent ist ein Sprachmodell für Gespräche; bittet man ihn zu „transkribieren“, fasst er unter Umständen zusammen, ordnet um oder glättet Sätze. Das haben wir nicht gemessen und keine Hilfeseite behauptet es; sehen Sie es als Vorsichtsmaßnahme. Bitten Sie ausdrücklich um ein „wörtliches Transkript, ohne Zusammenfassen und Korrigieren“, und vergleichen Sie einen Abschnitt mit dem Audio, bevor Sie sich darauf verlassen.
- Fehler und Sprecher. OpenAI empfiehlt, Wichtiges mit der Aufnahme abzugleichen, und warnt, dass die Zuordnung, wer was gesagt hat, falsch sein kann.
- Lange Dateien. ChatGPT arbeitet in Abschnitten und kann in eine Zeitüberschreitung laufen; bei Gemini zwingt die Grenze von 10 Minuten zum Zerteilen.
- Formate. Die Hilfeseiten erwähnen weder Zeitmarken noch SRT. Brauchen Sie sie, fragen Sie danach und prüfen Sie, ob sie zum Audio passen.
- Ihre Daten. Das Audio geht an den Anbieter des Assistenten: Siehe die letzte Spalte der Tabelle. Fügen Sie den Text später in einen Assistenten ein, gelten dieselben Regeln für den Text.
Wann sich ein Transkriptionstool lohnt
Ist Ihre Aufnahme nur wenige Minuten lang, nimmt Ihr Assistent sie an und brauchen Sie kein SRT, bleiben Sie beim Assistenten: Mehr ist nicht nötig. Ein Transkriptionstool lohnt sich, wenn:
- Die Datei lang ist. Bei Sonorarium laden Sie eine Datei mit bis zu 5 Stunden und 2 GB hoch, ohne sie zu zerteilen. Die ersten 15 Minuten sehen Sie gratis, beim Erstellen Ihres Kontos und ohne Karte, den Rest schalten Sie frei und zahlen nur, was fehlt.
- Sie Zeitmarken wollen und neben dem Audio bearbeiten. Jeder Abschnitt trägt seine Minute; ein Klick spielt die Stelle ab, und Sie korrigieren den Text neben dem Audio.
- Sie exportieren müssen. Word, TXT, SRT und VTT.
- Ihnen Ihre Daten wichtig sind. Das Audio wird nach 7 Tagen gelöscht, das Transkript bleibt in Ihrem Konto, bis Sie es löschen, und wird nicht zum Training von Modellen verwendet (Datenschutz).
Ein Beispiel mit Preis: Ein Sprachmemo von wenigen Minuten passt in die 15 Gratisminuten beim Erstellen Ihres Kontos, ohne Karte. Für eine Besprechung von 60 Minuten mit einem neuen Konto fehlen 45 Minuten: Das Paket mit 120 Minuten kostet 6 € (die Pakete beginnen bei 2 € für 30 Minuten; alle auf der Seite Preise).
Der Ablauf, der am besten funktioniert
- Laden Sie das Audio hoch: In wenigen Minuten haben Sie den Text mit Zeitmarken. Zum Einstieg gibt es die Anleitung Audio in Text umwandeln und für lange Aufnahmen langes Audio transkribieren.
- Prüfen Sie das Wichtige (Namen, Zahlen, Daten), indem Sie auf die Zeitmarke des jeweiligen Satzes klicken.
- Wenn Sie eine Zusammenfassung möchten, fordern Sie sie hier an. Das Feld „Zusammenfassung und Gliederung“ liefert eine Kurzfassung und eine Gliederung der Themen mit Zeitmarke. Erstellt wird sie von Claude (Anthropic), nur auf Ihren Wunsch: Das Modell erhält den Text, nie das Audio oder Ihre E-Mail-Adresse. Sie haben 1 Zusammenfassung gratis pro Konto, für ein vollständiges Transkript von 3 Minuten oder mehr; mit jedem Paket ist die Zusammenfassung für alle Ihre Transkripte enthalten. Sie kann Fehler enthalten, prüfen Sie sie also im Text. Mehr in Besprechung mit KI zusammenfassen.
- Oder fügen Sie den Text in Ihren Assistenten ein und bitten Sie um das, was Sie brauchen: eine E-Mail, eine Tabelle, Antworten auf Fragen. So arbeitet er mit einem Text, den Sie schon geprüft haben, nicht mit dem Audio.
Wenn Sie bereits Microsoft 365 bezahlen, zeigen wir den Weg über Word Schritt für Schritt in Audio in Word oder Google Docs transkribieren. Und wenn die Aufnahme Ihren Computer nicht verlassen soll, lesen Sie Whisper kostenlos auf dem eigenen Computer nutzen.
Häufige Fragen
Lässt sich ChatGPT kostenlos zum Transkribieren nutzen? Laut Hilfeseite ist der Audio-Upload im kostenlosen Tarif „derzeit“ nicht verfügbar. Bei Gemini liegt die Grenze bei insgesamt 10 Minuten Audio.
Welcher ist genauer? Das haben wir nicht gemessen, und die Hilfeseiten vergleichen nicht. Probieren Sie zwei Minuten Ihres eigenen Audios aus und vergleichen Sie mit dem, was Sie hören. Wenn Sie ein anderes kostenloses Tool suchen, finden Sie die Grenzen der einzelnen Tools.
Übersetzt Sonorarium oder erkennt es Sprecher? Nein. Es transkribiert in der Sprache des Audios und hat keine Sprechererkennung; wer spricht, ergänzen Sie beim Durchsehen.
Quellen und Datum
Alle am 4. November 2026 abgerufen: OpenAI-Hilfe zum Hochladen von Dateien und Audio und zur Verwendung Ihrer Daten; Gemini-Hilfe zum Hochladen von Dateien und das Datenschutz-Center; Microsoft-Hilfe zum Datei-Upload in Copilot, zu den unterstützten Formaten, zu Aufnehmen in Copilot und zu Transkribieren in Word. Diese Angaben können sich seit diesem Datum geändert haben.