ChatGPT'ye Ses Kaydı Nasıl Yüklenir, Yazıya Çevrilir mi?

ChatGPT'ye ses kaydı yüklenir ve yazıya çevrilir, ama yalnızca ücretli planlarda. OpenAI'ın kendi yardım sayfasına göre 31 Ekim 2026 itibarıyla ses yükleme ücretli aboneliklerde ve kurumsal çalışma alanlarında açık, ücretsiz planda kapalı. Dosya 512 MB'a kadar olabiliyor. MP3, WAV, M4A, AAC, FLAC ve OGG gibi ses biçimleri kabul ediliyor, video dosyaları edilmiyor. Döküm sohbetin içinde gelir: Zaman damgası yoktur, konuşmacı ayrımı OpenAI'ın kendi ifadesiyle güvenilir olmayabilir ve uzun kayıtların dökümü yarım gelebilir. NotebookLM (yeni adıyla Gemini Notebook) aynı işi ücretsiz hesapta da yapıyor, kendi sınırlarıyla.

ChatGPT ses dosyasını kabul ediyor mu?

Evet, planınız uygunsa. OpenAI'ın Uploading files and audio to ChatGPT sayfası belge, tablo, sunum ve görsel yüklemeyi ücretsiz plana da açıyor, ses yüklemeyi ise ücretli aboneliklerle ve Enterprise dâhil kurumsal çalışma alanlarıyla sınırlıyor, ücretsiz planda şu an için bulunmadığını söylüyor. Aynı sayfa bölgeye, uygulama sürümüne ve seçili modele göre farklılık olabileceğini de ekliyor. Yani ücretli plandayken de düğmeyi görmemeniz mümkün.

Yükleme yolu sohbet kutusundaki artı (+) düğmesi, oradan dosya ekleme seçeneği; İngilizce arayüzde "Add photos & files" yazıyor. Dosya eklendikten sonra ne istediğinizi yazmanız gerekiyor, çünkü ChatGPT kaydı kendiliğinden yazıya çevirmez. OpenAI'ın örnekleri de bu yönde: "bu kaydın dökümünü ver, sonra içeriği hakkında sorular sor", "toplantıyı özetle, kararları ve açık soruları ayır", "kaydı takip e-postasına çevir".

Kabul edilen ses biçimleri sayfada şöyle sıralanıyor: WAV, MP3/MPEG, OGG/OGA, yalnızca ses içeren WebM, PCM, FLAC, AAC, M4A ve yalnızca ses içeren MP4. Video olarak tanınan MP4 ve WebM dosyaları reddediliyor. Yani iPhone'daki Sesli Notlar'ın verdiği M4A ya da bir ses kayıt cihazının MP3'ü doğrudan yüklenir; telefonla çekilmiş bir toplantı videosu ya da ekran kaydı önce sese dönüştürülmelidir. Dosyadaki sesin okunabilir durumda olması da şart. Bozuk ya da yarım kalmış bir kayıt yüklenir ama işlenmez.

Ücretsiz plandaysanız elinizde iki şey kalıyor. Biri dikte: Mikrofon simgesi konuştuğunuzu kaydeder, yazıya çevirir ve göndermeden önce düzeltmenize izin verir. Kısa bir sesli notu telefonun hoparlöründen açıp dikteye dinletmek bazen işe yarar, ama sonuç tek parça metindir, zaman bilgisi taşımaz ve uzun bir kayıt için düşünülmüş bir yol değildir. Diğeri metin: Elinizde zaten bir döküm varsa onu yapıştırmak her planda çalışır, buna aşağıda ayrıca döneceğiz.

Denerken karşılaşılan sınırlar

Sınırların bir kısmı sayfada yazıyor, bir kısmı ancak dosyayı yükleyince ortaya çıkıyor.

Boyut sınırı 512 MB. 128 kbps'lik bir MP3 saatte kabaca 58 MB tuttuğundan bu sınır sekiz saati aşkın kayda denk geliyor, ama boyuttan önce işleme süresine takılırsınız. OpenAI uzun kayıtların "Data Analysis açıksa daha küçük parçalar hâlinde" işlendiğini, işlemin "elden geldiğince" yapıldığını ve çok uzun kayıtların zaman aşımına uğrayabileceğini açıkça yazıyor. Pratikte bir saatlik bir toplantının dökümü bazen tam gelir, bazen sonu eksik gelir, bazen hiç gelmez; hangisi olduğunu dökümün sonunu kayıtla karşılaştırmadan anlayamazsınız.

İkinci sınır dökümün kendisi. OpenAI'ın cümlesiyle "dökümler hata içerebilir ve konuşmacı tanıma güvenilir olmayabilir"; sesi ne kadar doğru anladığı da dile göre değişiyor. Türkçe bir kayıtta özel adlar, rakamlar ve kısaltmalar kontrol gerektiren yerlerdir. Üstüne modelin alışkanlıkları ekleniyor: Açıkça "kelimesi kelimesine, hiçbir şeyi atlamadan, özetlemeden" demezseniz dolgu sözcükleri atar, cümleleri toparlar, yer yer özetlemeye kayar. Uzun bir dökümü de tek yanıtta bitirmez, "devam et" demeniz gerekir ve devam ederken birkaç cümle yinelenebilir ya da kaybolabilir.

Üçüncüsü hız ve depolama kotaları. Ücretli kullanıcı üç saatte 80 dosya yükleyebiliyor, ücretsiz kullanıcı günde 3 dosya (ses hariç); yoğun saatlerde OpenAI bu sayıları düşürebiliyor. Yüklenen dosya sohbetten ayrı olarak Library ya da Space adlı alanda saklanıyor ve sohbeti silmek dosyayı silmiyor, ayrıca silmeniz gerekiyor. Gizli bir kayıt yüklediyseniz bunu bilmeniz önemli.

Karşılığında ChatGPT'nin yaptığı işi küçümsememek lazım. Kayıt kısa ve netse, konuşmacılar ikiyse ve asıl istediğiniz döküm değil de "ne konuşuldu, ne karara bağlandı" ise tek adımda hem yazıya çevirir hem özetler hem de sorularınızı yanıtlar. Yarım saatlik bir görüşmeden takip e-postası çıkarmak için fazlası gerekmiyor.

NotebookLM ve benzer araçlar

Google'ın NotebookLM'i 16 Temmuz 2026'dan beri Gemini Notebook adını taşıyor. Google duyurusunda bunun aynı bağımsız ürün olduğunu söylüyor, duyurudaki bağlantı da hâlâ notebooklm.google adresine gidiyor. Ses kaydını yazıya çevirmede ChatGPT'den farklı çalışıyor.

Google'ın kaynak ekleme sayfasına göre bir ses dosyası "içe aktarıldığı anda yazıya çevrilir ve metni yeni bir kaynak olarak kaydedilir". Kabul edilen türler geniş: mp3, wav, m4a, aac, ogg, opus, amr, wma, aiff ve video uzantılı mp4, avi, 3gp dâhil. Yüklenen dosya başına sınır 200 MB ya da 500.000 kelime, ücretsiz hesapta bir not defterine 50 kaynak giriyor. Türkçe, ses içe aktarma için desteklenen diller listesinde var. İçinde konuşma olmayan ses kabul edilmiyor, düşük kaliteli kayıtlarda içe aktarma başarısız olabiliyor. Mobil uygulama ayrıca bir saate kadar sesli not kaydediyor ve yalnızca dökümü saklıyor, kaydın kendisini değil.

YouTube bağlantısında durum farklı: NotebookLM videoyu dinlemiyor, yalnızca herkese açık ve altyazısı olan videoların altyazı metnini alıyor. Altyazısı olmayan bir video kaynak olarak eklenemiyor. Bu ayrıntı, "YouTube videosunu yazıya çevirme" diye NotebookLM'e gelenlerin sık takıldığı yer.

NotebookLM'in iyi olduğu iş, birkaç kaydı yan yana koyup sorular sormak: beş ders kaydının hepsinde geçen bir kavramı bulmak, iki görüşmedeki çelişkiyi göstermek, yanıtın hangi kaynağa dayandığını görmek. Ücretsiz ve Google hesabı yeterli. Eksikleri de belli: Yardım sayfaları zaman damgasından ya da konuşmacı etiketinden söz etmiyor. NotebookLM altyazı dosyası da vermiyor, dökümü kelime kelime düzeltip dışa aktarmanın da bir yolu yok. Döküm sohbetin arkasındaki kaynak metin olarak duruyor.

Diğer sohbet asistanları da genel olarak aynı yolu izliyor: Dosyayı alıyor, dökümü ya da özeti sohbetin içinde veriyor, her birinin plan ve boyut sınırı farklı. Yüklemeden önce o aracın kendi yardım sayfasına bakmak, forumlardaki yıllanmış cevaplardan daha güvenilir. Bu yazıdaki sınırlar da 31 Ekim 2026'daki belgelere dayanıyor ve değişebilir.

Genel asistan ile transkripsiyon aracı farkı

Bir sohbet asistanı dökümü ara ürün olarak üretir, esas işi döküm hakkındaki soruları yanıtlamaktır; bir transkripsiyon aracının çıktısı dökümün kendisidir ve her satır sesteki yerine bağlıdır. Bu farkın görünür sonuçları:

Konuşmacılar

ChatGPT kimin konuştuğunu sesten değil bağlamdan çıkarır: Birine adıyla hitap edilmişse yakalar, edilmemişse "Konuşmacı 1" ve "Konuşmacı 2" diye yazar ve iki ses benzeşiyorsa konuşmacı değişimini fark etmeyebilir. OpenAI bu yüzden "güvenilir olmayabilir" diyor. Bir transkripsiyon aracı sesleri akustik olarak ayırır. Hear2Text'te her bölümün başında bir konuşmacı etiketi bulunur ve bu etiket her planda vardır, etiketlere ad vermek ve iki etiketi birleştirmek ücretli plandadır. İki yöntem de insanlar üst üste konuştuğunda zorlanır; farkları şu ki, konuşmacılar karıştığında transkripsiyon aracında hangi bölümün yanlış olduğunu görüp düzeltirsiniz, sohbet asistanında metni baştan istersiniz. Ayrıntı için konuşmacı tanıma sayfasına bakabilirsiniz.

Zaman damgası

ChatGPT'nin verdiği dökümde zaman yoktur. İsterseniz dakika yazar, ama bu değerler sesten ölçülmüş değil tahmin edilmiştir; üçüncü dakika diye gösterdiği cümle kayıtta yedinci dakikada olabilir. Bir alıntıyı doğrulamak, kararın tam olarak ne zaman alındığını bulmak ya da bir öğrencinin dersin ikinci yarısına dönmesi için gerçek zaman damgası gerekir. Transkripsiyon aracında her bölümün zaman damgası sesten gelir, Hear2Text'te bölüme tıkladığınızda ses tam o noktadan çalar. Bir toplantıyı tutanağa çevirirken "15:40'ta bütçe konuşuldu" diyebilmek bu sayede mümkün olur. Tutanak düzeni için toplantı tutanağı örneği yazısına bakın.

Altyazı dosyası

ChatGPT'den SRT biçiminde çıktı isteyebilirsiniz ve biçimsel olarak doğru bir dosya yazar. Sorun içindeki zamanlardır: Elinde zamanlama bilgisi olmadığı için süreleri uydurur ve altyazı birkaç cümle sonra videodan kopar. Gerçek bir SRT satırı şöyle görünür; örnek olarak yazılmıştır:

14
00:03:12,400 --> 00:03:15,900
Bütçeyi şubat sonuna kadar netleştirelim.

Buradaki başlangıç ve bitiş değerleri sesten ölçüldüğünde video oynatıcı altyazıyı doğru anda gösterir. Hear2Text ücretli planda SRT ve VTT verir, ama altyazıyı videoya gömmez, dosyayı oynatıcıya ya da kurgu programına siz eklersiniz. Yol haritası için videoya altyazı ekleme yazısı ve altyazı oluşturucu sayfası var.

Birlikte kullanma: önce metin, sonra asistan

Pek çok kişi için doğru sıra şu: Önce kaydı bir transkripsiyon aracında yazıya çevirip düzeltin, sonra metni ChatGPT'ye verin. Bu yol ücretsiz ChatGPT'de de çalışır, çünkü ses yüklemiyorsunuz, metin yapıştırıyorsunuz. Normal tempoda dakikada 120 ila 150 kelime sayarsak bir saatlik Türkçe toplantı kabaca 7 ila 9 bin kelime eder; bu bir tahmin, ama metnin tek mesaja sığacağını göstermeye yeter.

Adımlar:

1. Kaydı yükleyin; MP3, M4A, WAV ya da video fark etmez, MP3'ten metne sayfası hepsini kabul eder. Dil otomatik tanınır.
2. Dökümü tarayıcıda okuyun, yanlış yazılmış adları ve rakamları düzeltin. Ücretli plandaysanız "Konuşmacı 1" yerine gerçek adları yazın, böylece asistan kimin ne dediğini bilir.
3. TXT olarak indirin (ücretsiz planda tek biçim budur) ya da metni kopyalayın.
4. ChatGPT'ye yapıştırın ve istediğinizi açık yazın.

Yapıştırdıktan sonra işe yarayan bir prompt örneği:

Aşağıdaki metin 28 Ekim tarihli ürün toplantısının dökümüdür.
1) Alınan kararları madde madde yaz, her kararın yanına kimin önerdiğini ekle.
2) Sorumlusu belirlenmemiş işleri ayrı listele.
3) Metinde geçmeyen hiçbir şeyi ekleme; emin olmadığın yerde "dökümde belirsiz" yaz.

Üçüncü madde önemli: Dökümü siz verdiğinizde asistan yalnızca o metinle çalışır ve metinde olmayan şeyi uydurmak yerine metne bağlı kalır. Ses dosyasını doğrudan yüklediğinizde ise döküm ve yorum aynı adımda üretilir ve hangi cümlenin kayıtta olduğunu, hangisinin modelin toparlaması olduğunu ayırt edemezsiniz.

Bu iki adımı tek yerde isteyen için Hear2Text'in ücretli planındaki asistan aynı işi dökümün üzerinde yapar: Kayıt hakkında soru sorarsınız, özet yazar, dökümü sohbete taşımanız gerekmez. AI özet sayfasında neyi yapıp neyi yapmadığı yazıyor. Genel bir asistanın üstünlüğü ise esneklik: Dökümden sunum ya da blog taslağı çıkarmak, dökümü başka bir belgeyle karşılaştırmak istediğinizde ChatGPT daha çok iş görür.

Ses kaydını yazıya çevirmenin genel yolları, mikrofon ve ortam seçimi dâhil, ses kaydını yazıya çevirme yazısında ayrıca anlatılıyor.

Uzun ve gizli kayıtlarda ChatGPT