OpenAI hat die integrierte Diktierfunktion in ChatGPT aktualisiert und die bisherige Beschränkung von 10 Minuten pro Aufnahme aufgehoben. Laut den Release-Notes gilt die Änderung für alle Abonnements, einschließlich des kostenlosen Kontos, das bisher ebenfalls dem zeitlichen Limit unterlag. Nutzer können nun Notizen, E-Mails oder ausführliche Anfragen ohne erzwungene Unterbrechung diktieren, wobei der erkannte Text während des Sprechens in Echtzeit auf dem Bildschirm erscheint. Das Update wird weltweit für iOS, Android, die Webversion und die Desktop-App ausgerollt.
Was hat sich bei der Diktier-Mechanik geändert?
Der wichtigste technische Wandel ist der Übergang von einer „Black Box“ zu einem transparenten Prozess. Zuvor sprach der Nutzer in das Mikrofon, die Aufnahme wurde nach 10 Minuten abgebrochen, und der Text erschien erst nach Abschluss des Diktats im Eingabefeld. Jetzt transkribiert der Dienst die Sprache in Echtzeit: Die Wörter erscheinen sofort beim Sprechen auf dem Bildschirm. Ein Tippen auf das Schallwellen-Symbol in der Benutzeroberfläche ermöglicht es, den erkannten Text jederzeit während der Aufnahme ein- oder auszublenden. Nach Abschluss des Diktats landet der transkribierte Text im Nachrichtenfeld, wo er vor dem Absenden bearbeitet, korrigiert oder umformuliert werden kann. Wichtig ist, dass sich dieses Update ausschließlich auf das Mikrofon im Nachrichteneingabefeld bezieht – also auf das Werkzeug, mit dem der Nutzer Anfragen formuliert. Der Voice Mode, in dem ChatGPT dem Nutzer mit einer Stimme antwortet, wurde in diesem Fall nicht verändert.
Der Kontext 2026: Die Stimme als primäre Schnittstelle
Die Aufhebung des Diktierlimits ist kein isoliertes Release. Im Jahr 2026 baut OpenAI den Bereich Voice konsequent aus: Zuvor hatte das Unternehmen GPT-Live und GPT-Realtime vorgestellt – Modelle der nächsten Generation, die Interaktionen mit der KI wie natürliche Dialoge ohne lange Pausen wirken lassen. Parallel dazu erschien ChatGPT Images 2.0 zur Generierung und Bearbeitung von Bildern. Zusammen bilden diese Releases eine einheitliche multimodale Umgebung, in der Text, Sprache, Audio und Bilder in einem Fenster funktionieren. Die Aktualisierung der Diktierfunktion fügt sich logisch in diese Strategie ein: Wenn die Stimme zu einem vollwertigen Eingabekanal neben der Tastatur wird, verlieren technische Zeitbeschränkungen ihre Bedeutung.
Audiospeicherung und Löschrichtlinien
Das diktierte Audio wird zur Transkription an die Server von OpenAI übertragen. Die Datei wird so lange gespeichert, wie der entsprechende Chat im Verlauf des Nutzers verbleibt. Nach dem Löschen des Chats entfernt das Unternehmen die zugehörige Audioaufnahme innerhalb von 30 Tagen. Ausnahmen bilden Aufnahmen, die OpenAI aus Sicherheitsgründen oder aufgrund gesetzlicher Anforderungen aufbewahren muss. Diese Regel gilt auch für Audiofragmente, die der Nutzer zuvor zum Training von Modellen bereitgestellt hat und die bereits vom Konto getrennt wurden. Somit ist der Lebenszyklus des Audios an den Lebenszyklus des Chats gebunden: Chat löschen – nach 30 Tagen verschwindet auch die Sprachaufnahme.
Modelltraining und Datenschutzeinstellungen
OpenAI nutzt Audioaufnahmen von Diktaten nur mit expliziter Zustimmung des Nutzers für das Modelltraining. In persönlichen Konten (Free, Plus, Pro) ist die Option zum Datenaustausch zur Verbesserung der Modelle standardmäßig aktiviert; in Geschäftskonten ist sie standardmäßig deaktiviert. Der transkribierte Diktattext wird wie eine normale Nachricht behandelt, daher gilt auch hier die allgemeine Einstellung „Improve the model for everyone“. Beide wichtigen Schalter – „Include your audio recordings“ und „Improve the model for everyone“ – befinden sich in den ChatGPT-Einstellungen im Bereich Data Controls. Das Deaktivieren des ersten Schalters verhindert die Nutzung von Diktaten und Voice-Chats für das Modelltraining; das Deaktivieren des zweiten verhindert die Nutzung von Chatinhalten zum KI-Training, während der Chatverlauf erhalten bleibt. Nutzer, denen Datenschutz wichtig ist, können beide Optionen deaktivieren und behalten dennoch den vollen Funktionsumfang – der Text wird transkribiert und gesendet, gelangt aber nicht in den Trainingsdatensatz.
Praktische Bedeutung für Nutzer
Für die breite Masse bedeutet die Aufhebung des 10-Minuten-Limits, dass das Diktieren nicht mehr nur für kurze Befehle gedacht ist, sondern zu einer vollwertigen Methode für die Erstellung längerer Texte wird – von Geschäftsbriefen bis hin zu Textentwürfen. Die Echtzeit-Anzeige minimiert das Risiko eines „blinden“ Diktats, bei dem der Nutzer nicht weiß, was der Dienst erkannt hat. Die Bearbeitung vor dem Absenden schließt die letzte Lücke: Manuelle Nachbearbeitungen sind kaum noch nötig. Für kostenlose Nutzer, die einen großen Teil der ChatGPT-Audienz ausmachen, verringert der Zugang zu unbegrenzten Diktaten die funktionale Kluft zu zahlenden Abonnenten und macht die Spracheingabe zu einer wettbewerbsfähigen Alternative zur Tastatureingabe – besonders auf mobilen Geräten.