動画の容量と保存 · 参考資料確認日 2026年9月21日
OpenAIの文字起こしで25 MBを超える音声を扱うには
大きな音声を文字起こしするときは、まず使うAPIの操作を確かめます。汎用Files APIの容量枠を文字起こしのアップロードに当てはめることはできません。
文字起こしへの入力は25 MBが境界
Speech-to-Textの文字起こしへ渡すファイルの上限は25 MBです。mp3、mp4、mpeg、mpga、m4a、wav、webmなどの対応形式でも、この入力条件を超えるファイルをそのまま送ることはできません。汎用Files APIで別の容量が案内されていても、文字起こしの上限にはなりません。
25 MBを超える場合は圧縮するか、各片を上限内に収めて分割します。文の途中で切ると前後の文脈が失われ、結果の精度に影響し得るため、可能なら文の区切りで分けてください。
入力を整えてから必要な出力を選ぶ
文字起こし、話者の区別、タイムスタンプや字幕、翻訳のどれが必要か確認します。通常の文字起こしでは案内されているgpt-transcribeから検討し、特別な出力が必要なら対応するモデル・経路を確認してください。
対象ファイルの形式と実際のバイト数を確認し、25 MB超なら圧縮か分割を行います。分割した各片を送る前に境界が文を切っていないか見直し、結果をつなぐ際にも区切りを確認します。
参考資料
- developers.openai.com
https://developers.openai.com/api/docs/guides/speech-to-text
確認日：2026-09-21