Sí, ChatGPT puede escuchar audios, pero solo si pagas una suscripción. Desde el 6 de octubre de 2026 puedes subir a un chat una grabación de hasta 512 MB (MP3, M4A, WAV, OGG, FLAC y algunos formatos más) y pedirle la transcripción, un resumen o lo que se dijo sobre un tema. En el plan Free no se puede subir audio. La función Voz, el dictado y el modo de grabación del Mac funcionan con tu micrófono, no con archivos. Aquí tienes qué hace cada función según el centro de ayuda de OpenAI, qué pasa con los vídeos y los audios de WhatsApp, cómo proteger tus datos, alternativas gratuitas y prompts listos para copiar.
Respuesta rápida: qué usar en cada caso
ChatGPT tiene cuatro funciones de audio distintas y es fácil confundirlas. Esta tabla te dice cuál necesitas, según las páginas de ayuda de OpenAI consultadas el 6 de noviembre de 2026.
| Tu caso | Qué usar | Plan |
|---|---|---|
| Tienes una grabación (MP3, M4A, WAV…) | Súbela al chat con + y Añadir fotos y archivos | Solo planes de pago |
| Tienes un audio de WhatsApp | Expórtalo como archivo y súbelo | Solo planes de pago |
| Usas el plan Free | Gemini, Whisper o Word, y pegas la transcripción en ChatGPT | Rutas gratuitas, más abajo |
| Quieres hablar con ChatGPT en voz alta | Voz (Live, Avanzado o Estándar) | Todos, con límites |
| Quieres dictar un mensaje en vez de escribirlo | Dictado, el icono del micrófono | Todos |
| Quieres grabar una reunión en un Mac | Grabar (ChatGPT Record) | Planes de pago, app de macOS |
| Tienes un vídeo | Extrae antes la pista de audio | Pago, para subir el audio |
| La grabación es confidencial | Un chat temporal, o Whisper en tu ordenador | Cualquiera |
Cómo subir audio a ChatGPT
Subir un archivo es la única forma de que ChatGPT «escuche» una grabación que ya tienes. La página de ayuda de OpenAI en España se llama «Subir archivos y audio a ChatGPT»; la versión para Latinoamérica dice «Cargar archivos y audio en ChatGPT». Es la misma función.
Quién puede usarlo
Según OpenAI, la subida de audio está disponible con las suscripciones y áreas de trabajo de pago de ChatGPT, incluido Enterprise, y «por el momento» no con el plan Free. La disponibilidad también puede variar según la región, la versión de la app y el modelo elegido: si pagas y no ves la opción, actualiza la app o prueba en la web.
Los documentos, las hojas de cálculo y las imágenes sí se pueden subir en el plan Free, con límites más bajos.
Paso a paso
- Abre un chat nuevo en la web o en la app del móvil.
- Toca + en el cuadro de mensaje y elige Añadir fotos y archivos (en Latinoamérica, Agregar fotos y archivos).
- Selecciona el archivo de audio.
- Escribe qué quieres: «Transcribe esta grabación», «Resume esta reunión» o uno de los prompts de más abajo.
- Lee la respuesta y sigue preguntando en el mismo chat.
Después puedes seguir preguntando («¿Qué dijeron sobre el presupuesto?») sin volver a subirla.
Formatos y límites
| Punto | Qué dice OpenAI |
|---|---|
| Formatos admitidos | WAV, MP3/MPEG, OGG/OGA, WebM solo de audio, PCM, FLAC, AAC, M4A, MP4 solo de audio |
| No admitidos | Archivos WebM y MP4 identificados como vídeo |
| Tamaño máximo | 512 MB por archivo de audio |
| Grabaciones largas | Pueden procesarse en fragmentos si la función de análisis de datos está disponible; las muy largas pueden superar el tiempo de espera |
| Requisito técnico | El archivo debe contener un flujo de audio válido que se pueda decodificar |
| Calidad | La transcripción puede tener errores, la identificación de los hablantes puede ser poco fiable y la calidad varía según el idioma |
Si tu archivo termina en .m4a, .mp3, .wav, .ogg o .flac, está en la lista. Si tiene otra extensión o no sabes qué lleva dentro, nuestra guía para transcribir OGG, OPUS, WAV y MP4 explica cómo comprobarlo y convertirlo.

Audios de WhatsApp en ChatGPT
Es la pregunta más habitual en español: «¿puedo pasarle un audio de WhatsApp a ChatGPT?». Sí, con un plan de pago, pero antes tienes que tener el audio como archivo. La vía que describe la ayuda de WhatsApp en Android es Exportar chat: abre el chat, toca el menú > Más > Exportar chat > Incluir archivos y elige cómo enviarlo. WhatsApp avisa de que se adjuntan los archivos multimedia más recientes, no necesariamente todos.
Fíjate en la extensión del archivo. OpenAI incluye OGG en su lista, pero no menciona .opus. Si tu audio termina en .opus y ChatGPT no lo acepta, conviértelo a MP3 o WAV. Si solo quieres leer el mensaje, nuestra guía para transcribir audios de WhatsApp explica las opciones en Android y iPhone.
Antes de subir el audio de otra persona, piensa si le parecería bien: un mensaje de voz privado no deja de serlo porque esté en tu móvil.
Qué puede hacer ChatGPT con una grabación
La página de ayuda de OpenAI agrupa los usos del audio en tres tipos de tareas:
- Transcribir. Pedir la transcripción y, después, hacer preguntas sobre ella.
- Resumir y extraer. Resumir una reunión con sus decisiones, sus cuestiones pendientes y los próximos pasos. Sacar de una entrevista o de una clase los requisitos, los ejemplos o las conclusiones. Buscar qué dijo alguien sobre un tema concreto.
- Transformar. Convertir la grabación en notas estructuradas, en un resumen de reunión o en un borrador de correo de seguimiento.
La misma página avisa: la transcripción puede tener errores, así que contrasta nombres, cifras y citas con el original, y la identificación de los hablantes «puede ser poco fiable». Si necesitas saber quién dijo qué, dale a ChatGPT los nombres y el papel de cada persona.
¿Y los vídeos?
Aquí fallan muchas subidas. La función de audio de ChatGPT no admite archivos MP4 ni WebM que identifique como vídeo, aunque MP4 y WebM aparezcan en la lista. La diferencia está en el contenido: un «MP4 solo de audio» lleva sonido, pero no imagen.
Adjuntar un vídeo es otra función: según las preguntas frecuentes de OpenAI sobre imágenes, ChatGPT admite vídeos como adjuntos, también en Free, pero el análisis puede ser incompleto y es posible que no interprete bien el audio.
Si lo que quieres es la transcripción o el resumen de lo que se dice en un vídeo, lo fiable es extraer antes el sonido y subirlo como audio. Con FFmpeg, una herramienta gratuita de línea de comandos, basta una orden (su documentación explica que -vn deja fuera la pista de vídeo):
ffmpeg -i reunion-video.mp4 -vn reunion-audio.m4aVoz: Live, Avanzado y Estándar
Voz es una conversación en directo: hablas, ChatGPT responde en voz alta y la transcripción se añade al chat. No acepta archivos. En Configuración > Voz hay tres opciones, según la ayuda «ChatGPT Voz»:
- Live escucha y habla a la vez, así que puedes interrumpir con naturalidad. Puede usar la búsqueda web y la memoria, y trabajar con texto e imágenes en el mismo chat. No permite compartir vídeo ni la pantalla.
- Avanzado es la experiencia anterior de voz en tiempo real. OpenAI recomienda usarla cuando necesites compartir vídeo o la pantalla en las apps de iOS y Android.
- Estándar funciona por turnos: primero transcribe lo que dices y después responde.
El uso de Live se mide en periodos móviles de 24 horas. OpenAI indica acceso limitado en Free y tres horas por periodo en Go (con GPT-Live-1.1 Quip) y en Plus (con GPT-Live-1.1). Entre las voces adicionales de Live hay dos de español de México, Tinta y Arrullo.
¿Y reproducir una grabación junto al móvil para que Voz la «oiga»? No es un uso previsto: según OpenAI, Live está pensado para conversar con una sola persona, no está optimizado para varios interlocutores y sus transcripciones no son literales. Para un archivo, usa la subida o las alternativas de más abajo.
Si Voz detecta mal el idioma, elige el que más hablas en Configuración > Voz > Idioma.
Dictado por voz
El dictado es el icono del micrófono en el cuadro de mensaje. Grabas lo que quieres decir, los modelos de OpenAI lo transcriben y el texto aparece en el cuadro para que lo corrijas antes de enviarlo. La regla de OpenAI es sencilla: usa Voz para conversar y el dictado cuando quieras revisar tus palabras como texto.
El 26 de junio de 2026, OpenAI estrenó un nuevo modelo de voz a texto para el dictado en todos los planes. Según sus notas de versión, mejora la precisión en distintos idiomas y acentos, también cuando alguien mezcla idiomas, y con ruido de fondo. Entre los idiomas que cita está el español en textos largos.
El dictado sirve para tu voz en directo; no abre archivos. Si lo que buscas es dictar en el móvil o en el PC en general, tenemos una guía sobre el dictado por voz.
Grabar reuniones en el Mac
El modo de grabación (Record; la ayuda en español lo llama Grabar) está en la aplicación de escritorio de ChatGPT para macOS. Haces clic en Grabar, ChatGPT transcribe en directo y, al pulsar Enviar, sube la transcripción y genera unas notas que puedes editar o convertir en un correo o en un plan de proyecto.
Según la ayuda de OpenAI:
- Está disponible para Plus, Pro, Business, Enterprise y Edu, y solo en la app de macOS.
- Cada sesión dura como máximo 4 horas (240 minutos); al llegar al límite se detiene y genera las notas.
- Distingue varios interlocutores y, si no reconoce un nombre, usa etiquetas como «Interlocutor 1», que puedes cambiar después.
- Por ahora funciona mejor en inglés; en otros idiomas la precisión «puede variar».
- Solo se une automáticamente desde el calendario a reuniones de Google Meet. Con Zoom, Teams o Webex lo inicias tú.
OpenAI pide consultar la legislación local y obtener los consentimientos necesarios antes de grabar a otras personas. No es algo que podamos resolver aquí: lee las condiciones de OpenAI y las normas de cada país implicado. Para pasar las notas a un acta en condiciones, mira nuestra guía con el modelo de acta de reunión.
Privacidad: qué hace OpenAI con tus audios
Lo que pasa con una grabación depende de la función que uses y de un ajuste: Mejorar el modelo para todos.
| Función | Cuánto se guarda el audio | ¿Se usa para entrenar? |
|---|---|---|
| Dictado | Mientras el chat esté en tu historial; se borra en un plazo de 30 días después de eliminar el chat | Solo si compartes el audio (Incluir tus grabaciones de audio) |
| Voz (Live, Avanzado) | Los clips se guardan con la transcripción durante 30 días | Los clips, solo si los compartes; las transcripciones, si Mejorar el modelo para todos está activado |
| Voz (Estándar) | El audio se borra tras la transcripción | El audio no, salvo que lo compartas |
| Grabar (Record) | El audio se borra tras la transcripción | El audio nunca; las transcripciones y notas, si Mejorar el modelo para todos está activado (Free, Plus, Pro) |
| Archivos subidos | Depende de dónde se guarde el archivo y de tu área de trabajo | Depende de tu plan y de tus ajustes de datos |
Lo práctico, según las páginas de controles de datos de OpenAI:
- El ajuste principal. En las cuentas personales Free, Plus y Pro, Mejorar el modelo para todos viene activado. Desactívalo en Configuración > Controles de datos y pulsa Listo. También puedes elegir «No usar mi contenido para el entrenamiento» en el Portal de privacidad de OpenAI; con una de las dos opciones basta.
- El ajuste del audio. En el mismo menú, Incluir tus grabaciones de audio decide si se comparte el audio del dictado y de Voz. Al desactivarlo dejas de compartir ambos.
- Chat temporal. Mientras sigan siendo temporales, estos chats no se usan para mejorar los modelos de OpenAI. Pueden conservarse hasta 30 días por motivos de seguridad.
- Ojo con valorar respuestas. Si pulsas el pulgar arriba o abajo, toda la conversación puede usarse para entrenar, aunque hayas desactivado el ajuste.
- Cuentas de empresa. OpenAI dice que, por defecto, no entrena con el contenido de Business, Enterprise y Edu ni con el de su API.
- Borrar. Eliminar un chat no borra la copia de un archivo guardado aparte en tu Biblioteca o en Espacio. Bórrala también.
Para entrevistas con clientes o pacientes, lo más prudente es transcribir en tu ordenador con Whisper.
Sin opción de subir audio: alternativas gratuitas
Si usas el plan Free, o el archivo es demasiado delicado para la nube, tienes tres caminos. En todos acabas con un texto, y con texto trabaja cualquier plan de ChatGPT.
Gemini
La ayuda de las aplicaciones de Gemini dice que admiten «la mayoría de los tipos de archivo», hasta 10 por petición. Cada archivo que no sea vídeo puede pesar hasta 100 MB, y los audios pueden durar en total hasta 10 minutos, o hasta 3 horas con Google AI Pro o Ultra. Tienes que iniciar sesión. Haz clic en Añadir archivos y después en Subir archivos. Diez minutos dan para un audio de WhatsApp largo o una llamada corta, no para una reunión entera.
Whisper en tu ordenador
Whisper es el modelo de reconocimiento de voz de código abierto de OpenAI, con licencia MIT. Funciona en tu ordenador, así que la grabación no sale de él. Necesitas Python y FFmpeg; esta es la orden básica:
whisper entrevista.m4a --model turbo --language SpanishWhisper lee cualquier formato que FFmpeg sepa decodificar y puede guardar texto plano o subtítulos SRT y VTT (--output_format srt). Indicar --language Spanish evita que lo adivine: según el código, si no lo indicas, detecta el idioma con los primeros 30 segundos. Nuestra guía para transcribir un MP3 a texto gratis explica la instalación paso a paso.
«Transcribir» de Word
Con una suscripción a Microsoft 365, Word transcribe audios subidos: Inicio > Dictar > Transcripción > Cargar audio. Microsoft admite .wav, .mp4, .m4a y .mp3, permite 300 minutos de audio subido al mes y etiqueta a los hablantes como «Orador 1», «Orador 2». Funciona en Word para la Web y en Word para Microsoft 365 en Windows (cuentas comerciales).
Pegar la transcripción en ChatGPT
Pega el texto en ChatGPT (o adjúntalo como TXT o DOCX, que sí se puede en Free) y usa los prompts de abajo, cambiando «esta grabación» por «esta transcripción».
Comparativa: audio en ChatGPT, Gemini, Claude, Word y Whisper
Esto dice la ayuda de cada empresa sobre archivos de audio, a 6 de noviembre de 2026. La página de subida de Claude solo enumera documentos e imágenes.
| Herramienta | ¿Sube audio? | Formatos | Límites principales |
|---|---|---|---|
| ChatGPT | Sí, planes de pago | WAV, MP3, OGG, FLAC, AAC, M4A, PCM, MP4 y WebM solo de audio | 512 MB por archivo; los muy largos pueden fallar |
| Gemini | Sí, con sesión iniciada | «La mayoría de los tipos» (sin lista) | 100 MB por archivo; 10 minutos de audio en total, 3 horas con Google AI Pro o Ultra |
| Claude | No enumera ningún audio | Solo documentos e imágenes | Su modo de voz es para conversar, no para archivos |
| «Transcribir» de Word | Sí, con Microsoft 365 | .wav, .mp4, .m4a, .mp3 | 300 minutos de audio subido al mes |
| Whisper | Sí, en tu ordenador | Todo lo que decodifica FFmpeg | Depende de tu equipo; sin subir nada a la nube |
Prompts para tus audios
Todos sirven con una grabación subida o con una transcripción pegada. Cambia lo que va entre corchetes. Siguen el mismo esquema: qué es la grabación, para quién es el resultado y en qué formato lo quieres. Con grabaciones largas, pide primero la transcripción y trabaja a partir de ella: cada paso es más fácil de revisar.
Resumir una reunión
Pide lo que todos buscan después de una reunión y mantiene el resumen corto.
Esta es la grabación de una [reunión de equipo / llamada con un cliente] sobre [tema].
Participan [nombres y cargos].
Escribe un resumen para quien no estuvo:
1. De tres a cinco frases sobre lo que se habló.
2. Las decisiones, en una lista.
3. Las preguntas que quedaron sin respuesta.
Marca como [inaudible] lo que no se entienda bien.La última línea importa: pide a ChatGPT que señale los huecos en lugar de inventar.
Sacar las tareas pendientes
Úsalo después del resumen, en el mismo chat, o por separado.
Haz una tabla con todas las tareas acordadas en esta grabación,
con estas columnas: tarea, responsable, plazo, cita.
En la columna cita, copia las palabras exactas con las que se acordó.
Si no se dijo responsable o plazo, escribe «sin indicar».
No añadas tareas que no se mencionaron.Traducir un audio
En esta grabación se habla en [inglés].
1. Transcríbela en el idioma original.
2. Tradúcela al [español de España / español de México],
sin cambiar nombres, marcas ni cifras.
3. Añade una lista de expresiones que no se traducen
literalmente, con una breve explicación de cada una.Indicar la variante evita mezclas como «ordenador» y «computadora» o «vosotros» y «ustedes».
Convertir un audio en texto para subtítulos
OpenAI no documenta marcas de tiempo en la subida de audio, así que toma cualquier tiempo que te dé ChatGPT como borrador. Este prompt deja el texto con forma de subtítulo, que es la parte lenta.
Transcribe esta grabación como subtítulos en formato SRT.
Reglas:
- Como máximo dos líneas cortas por subtítulo.
- Corta en las pausas naturales, nunca en mitad de un nombre.
- Quita muletillas como «o sea», «bueno» y «este».
Después revisaré los tiempos en un editor de subtítulos.Si necesitas tiempos exactos, Whisper genera el SRT con sus marcas directamente; lo explicamos en la guía para crear subtítulos SRT gratis.
Analizar una entrevista
Para entrevistas de investigación o de trabajo, pide temas con pruebas, no opiniones.
Esta es una entrevista [de investigación / de trabajo] con [perfil de la persona].
Mi pregunta de investigación: [qué quieres averiguar].
1. Enumera los temas principales, cada uno con dos citas literales breves.
2. Señala dónde la persona se contradice o duda.
3. Propón preguntas para la siguiente entrevista.
Usa solo lo que se dice en la grabación.Más prompts para el día a día
Un audio que te grabaste a ti mismo puede convertirse en una lista de tareas:
Esta es una nota de voz que me grabé. Conviértela en:
- una lista de tareas agrupadas por [trabajo / casa / recados],
- una lista de ideas que merezca la pena guardar,
y descarta lo que sea solo pensar en voz alta.Un audio largo de WhatsApp puede quedarse en lo esencial:
Este es un mensaje de voz de [persona]. Resúmelo en tres frases
y dime si me pide algo concreto, con fecha o plazo si lo menciona.Problemas habituales
Estos son los problemas que describe la ayuda de OpenAI, con qué probar en cada caso.
- No aparece la opción de audio o te la rechaza en Free. La subida de audio necesita un plan de pago. Usa Gemini, Whisper o Word y pega la transcripción.
- «No compatible» con un MP4 o un WebM. ChatGPT lo ha identificado como vídeo. Extrae la pista de audio con FFmpeg u otro conversor y sube el M4A o el MP3.
- El archivo no se procesa. OpenAI exige un flujo de audio válido que se pueda decodificar. Un archivo cortado o con la extensión equivocada puede fallar. Conviértelo a WAV o MP3 y vuelve a intentarlo.
- Una grabación larga se queda a medias. Las muy largas pueden superar el tiempo de espera. Divide el archivo en partes y súbelas una a una en el mismo chat.
- «Límite de subidas alcanzado». OpenAI aconseja comprobar la cuenta y el plan, esperar la hora de reintento del mensaje y mirar la página de estado. Los intentos fallidos también cuentan a veces.
- Hablantes confundidos. Di en el prompt quién participa y qué papel tiene («la entrevistadora hace las preguntas»). Revisa las citas con el audio.
- Mala calidad de audio. El consejo de OpenAI para Grabar vale para todo: usa auriculares con micrófono y reduce el ruido de fondo.
- Peor resultado en español que en inglés. OpenAI reconoce que la calidad varía según el idioma. Indica en el prompt el idioma y la variante («español de Argentina»), y en Voz o dictado fíjalo en Configuración > Voz > Idioma.
