ChatGPT、音声ファイルの直接アップロードに対応

OpenAIは2026年10月6日、ChatGPTで音声ファイルを直接アップロードできる機能を発表しました。内容はZenn上の解説記事がOpenAIの公式リリースノートとヘルプを基に整理しています。この解説記事の筆者は、機能の動作テストまでは行っていません。

何ができて、誰が使えるのか

録音の文字起こし、要約、内容への質問に加え、構造化ノートやフォローアップメールの下書きへの変換ができます。会議や面談の録音を渡して、そのまま次の連絡文まで作れる流れです。

対象は有料のChatGPTサブスクリプションと対象ワークスペースで、Enterpriseも含まれます。無料プランでは現時点で利用できません。ただし利用可否はワークスペース設定、地域、クライアントのバージョン、選択モデルで変わるとOpenAIは案内しており、同じ有料プランでも同時に表示されるとは限りません。

対応形式はWAV、MP3／MPEG、OGG／OGA、音声のみのWebM、PCM、FLAC、AAC、M4A、音声のみのMP4で、1ファイルの上限は512MBです。動画として判定されるWebMやMP4は対象外です。長い録音はData Analysisを利用できる場合に小さな区間へ分けて処理されることがありますが、処理はベストエフォートで、非常に長い録音はタイムアウトする可能性があります。

読者の仕事にとっての意味

手元のICレコーダーやスマホの録音を、アプリを増やさずに普段のChatGPTへ渡せるようになります。録音後に文字起こしと要約を作る流れ自体は新しくありませんが、すでに契約しているツールで済む点は使い勝手の面で意味があります。

一方で、OpenAIは文字起こしに誤りが含まれる可能性と、話者識別が不正確になる場合があることを明記しています。言語によって性能も異なり、日本語の長時間録音での精度は、解説記事の筆者も確認できていません。

録音を渡す前に、保存の扱いを決めておく

この機能で最初に決めるべきなのは、録音ファイルがどこにどれだけ残るかの把握です。要約の出来より先に、ここを確認する価値があります。

根拠は公式案内の記述にあります。アップロードしたファイルの保持期間は、保存場所やワークスペースの保持ポリシーで変わります。Libraryに保存されたファイルは、そのファイルを使った会話とは別に保持される場合があります。会話を削除しただけで、Library側の保存ファイルも必ず消えるとは限りません。削除したいときは、会話と保存ファイルをそれぞれ確認する必要があります。

会議や面談の録音には、同席者や取引先の声が入ります。画面上の会話を消して片付けたつもりでも、音声ファイルが別の場所に残る可能性があるわけです。

反論はあり得ます。ChatGPT Enterpriseなどのビジネス向けサービスへ送信された内容は、OpenAIによるモデル改善には使われないと公式案内に記載されています。ただしこれは、ファイルが残るかどうかとは別の話です。個人向けサービスでのデータ利用は、利用中のサービスとデータ設定に依存します。つまり、個人の有料プランで業務の録音を渡す人ほど、設定の確認が必要になります。

それでも、この機能を避けるべきだとは言えません。要約や下書きの手間が減る利点は実在します。必要なのは、渡す前に「会話の削除」と「ファイルの削除」を別の作業として手順に入れ、初回は機密性の低い録音で表示や削除の挙動を確かめることです。

録音を扱うアプリを作る側から見ると、機能の数より、処理が終わった音声をいつ消すかという設計のほうが利用者の安心を左右します。メモリス（AIボイスメモ）は、録音後にAIが処理し、完了後に音声データを即時自動削除する仕様です。汎用のチャットに録音を渡す場合も、専用の道具を使う場合も、選ぶ基準は文字起こしの精度に加えて、音声の置き場所と消え方に置くとよいでしょう。

なお、この音声アップロードはAPIの音声入力仕様とは別で、APIには別のアップロード要件、用途、上限があります。業務システムへの組み込みを考える場合は、チャット画面の仕様をそのまま当てはめないでください。