In questo articolo Indice dei contenuti 2 sezioni
ChatGPT accetta ora in modo ufficiale i file audio all’interno delle conversazioni, e questo apre la strada a usi molto concreti. Riunioni, interviste o lezioni registrate possono essere trascritte, riassunte oppure trasformate in appunti ordinati. Sul contenuto si possono poi porre domande, proprio come accade con un normale documento di testo. Per ora la novità è riservata agli abbonamenti a pagamento e agli spazi di lavoro, compresa la versione Enterprise, mentre chi usa il piano gratuito resta a mani vuote. OpenAI precisa inoltre che la disponibilità può cambiare a seconda del Paese, del modello scelto, della versione dell’applicazione e delle impostazioni del workspace.
Va detto che la trascrizione non rappresenta una vera prima volta per l’azienda. Whisper e poi i successivi modelli dedicati permettevano già agli sviluppatori di svolgere questo lavoro attraverso le API. A cambiare è soprattutto la semplicità d’uso, perché adesso basta caricare la registrazione direttamente nella chat.
Formati supportati e limiti dei file audio su ChatGPT
Sul fronte tecnico il chatbot supporta i formati MP3, WAV, FLAC, AAC, M4A e OGG con un tetto di 512 MB per singolo file. Tradotto in durata significa circa nove ore di MP3 a 128 kbit/s, ma appena una cinquantina di minuti se si parla di un WAV stereo non compresso a 16 bit e 44,1 kHz. Quel limite però riguarda solo il caricamento e non garantisce affatto che l’elaborazione vada a buon fine. OpenAI spiega che le registrazioni più lunghe possono essere spezzate in più sezioni quando è disponibile Data Analysis, e avverte che i file particolarmente estesi rischiano di scadere prima che il lavoro sia terminato. Anche la qualità del risultato può oscillare in base alla lingua parlata.
I primi test effettuati da chi ha già accesso alla funzione mostrano che caricare un audio non equivale per forza a ottenere subito il testo. Con un MP3 di circa un’ora e mezza, per esempio, l’assistente può riconoscere correttamente il file e indicarne la durata senza poi riuscire a portare a termine l’operazione. In certi casi arriva perfino a suggerire un servizio esterno. Con registrazioni più brevi le cose migliorano, anche se non sempre filano lisce.
Un’intervista di 15 minuti e metà del contenuto persa per strada
Emblematico il caso di un’intervista di 15 minuti con diversi interlocutori. ChatGPT ha prima chiesto di dividere la registrazione in due file e, dopo il nuovo caricamento, ha prodotto una trascrizione presentata come completa che in realtà conteneva soltanto una delle due parti. Per arrivare al testo corretto è stato necessario segnalare l’errore, chiedere all’assistente di ricontrollare il materiale e correggere una prima interpretazione sbagliata. Solo con un ulteriore passaggio i due spezzoni sono stati rimessi nell’ordine giusto, sebbene mancassero indicazioni temporali precise sugli ultimi scambi.
Il risultato finale è dunque utilizzabile, ma il percorso può richiedere più interventi del previsto. Chi sceglie di affidare al chatbot una registrazione farebbe bene a mettere in conto qualche verifica, specie con file lunghi o dialoghi a più voci. La stessa OpenAI ammette che i testi generati possono contenere errori e che il riconoscimento di chi sta parlando può rivelarsi poco affidabile. A questo si aggiunge la necessità di accertarsi che l’intero audio sia stato davvero elaborato. Resta comunque il fatto che poter caricare un MP3 e chiedere all’istante una trascrizione, un riassunto o una ricerca nel contenuto è una funzione molto pratica, destinata a migliorare col tempo.
Un capitolo a parte riguarda la privacy dei contenuti sensibili. Sugli account personali le nuove conversazioni possono essere sfruttate per migliorare i modelli se l’opzione “Migliora il modello per tutti” rimane attiva, ma è possibile disattivarla dai controlli dei dati. Per impostazione predefinita, invece, OpenAI non addestra i propri modelli sui contenuti degli spazi Business, Enterprise ed Edu.
Fonte: TecnoAndroid
