O Problema de Transcrição
O aplicativo Notas do iPhone pode gravar áudio e gerar uma transcrição básica, mas a saída falta rótulos de falante, misturando todo o diálogo em um único bloco de texto. Isso torna difícil distinguir entre as perguntas do entrevistador e as respostas do entrevistado, forçando o usuário a relisten e anotar manualmente a gravação.
Usando Google Gemini 3 Pro
Para resolver o problema, o usuário exportou a gravação do Notas como um arquivo M4A e a transferiu para um MacBook Pro via AirDrop. No Google Gemini 3 Pro, o usuário anexou o arquivo de áudio e solicitou ao modelo que "ouvisse isso, transcrevesse e identificasse os diferentes falantes". O Gemini rapidamente produziu uma transcrição completa, rotulando cada falante como "Entrevistador" e fornecendo o nome e título do entrevistado. Além de um pequeno erro de nomeação que o usuário mais tarde corrigiu, a transcrição foi precisa e incluiu distinções claras de falante.
Tentativa com ChatGPT 5.1
O mesmo usuário então tentou replicar o processo com ChatGPT 5.1, usando uma conta Plus. Após anexar o mesmo arquivo M4A e emitir um prompt idêntico, o ChatGPT respondeu que não conseguia acessar ou reproduzir o arquivo diretamente. O modelo sugeriu várias soluções, como converter o arquivo para um arquivo zip, mas nenhuma permitiu que ele processasse o áudio. A interação se transformou em uma troca de idas e vindas sem uma transcrição bem-sucedida.
Implicações
Esta comparação lado a lado demonstra que o Google Gemini 3 Pro pode lidar com entradas de áudio raw e realizar identificação de falante fora da caixa, enquanto o ChatGPT 5.1 atualmente carece da capacidade de ingerir arquivos de áudio diretamente. Para usuários que precisam de transcrição confiável com rótulos de falante, o Gemini oferece uma solução pronta para uso, enquanto as limitações do ChatGPT podem exigir etapas adicionais ou ferramentas externas.
Este artículo fue escrito con la asistencia de IA.
News Factory APP - noticias agénticas para impulsar tu SEO y AEO.