OpenAI hat den Sprachmodus von ChatGPT um zwei Funktionen erweitert: Wer per Zuruf mit der KI spricht, kann jetzt eine Datei hochladen und Fragen dazu stellen, außerdem lässt sich Sprache erstmals auch in Projekten nutzen. Neu ist die komplette Funktion auch für Business-, Enterprise- und Bildungskonten, die bislang keinen Sprachzugriff hatten.
ChatGPT hört jetzt auch hochgeladene Dokumente
Bisher funktionierte der Sprachmodus von ChatGPT wie ein Telefonat: Man sprach, die KI antwortete, Dokumente blieben außen vor. Laut den Versionshinweisen von OpenAI lässt sich mitten im Gespräch jetzt eine Datei hochladen – ein PDF, ein Word-Dokument oder das Foto eines Ausdrucks –, und die KI liest den Inhalt aus und beantwortet Fragen dazu.
Neu ist außerdem, dass sich der Sprachmodus in „Projekten” nutzen lässt – den Themenordnern, in denen ChatGPT mehrere Chats, Dateien und feste Anweisungen zu einem Vorgang bündelt. Wer etwa einen Projektordner für die Monatsabrechnung angelegt hat, kann per Sprache auf die dort hinterlegten Unterlagen zugreifen, statt jedes Mal neu zu erklären, worum es geht.
Angetrieben wird die Sprachausgabe vom Modell GPT-Live-1, das gleichzeitig zuhören und sprechen kann. Dadurch wirken Unterbrechungen und Zwischenfragen natürlicher als bei der bisherigen Sprachfunktion.
Unterwegs erledigt der Sprachmodus die Dokumentenprüfung
Eine Sachbearbeiterin aus der Buchhaltung erhält auf dem Weg zu einem Termin eine PDF-Rechnung per E-Mail. Statt anzuhalten und zu tippen, öffnet sie ChatGPT, aktiviert den Sprachmodus, lädt die Rechnung hoch und fragt: „Wie hoch ist der Betrag inklusive Mehrwertsteuer, und stimmt die IBAN mit der vom letzten Mal überein?” Die KI liest das Dokument aus und antwortet direkt per Sprache – die Prüfung ist erledigt, bevor die Bahn abfährt.
So lässt sich die Funktion starten:
- ChatGPT-App auf dem Smartphone, im Browser oder auf dem Desktop öffnen.
- Sprachmodus über das Mikrofon-Symbol aktivieren.
- Während des Gesprächs das Upload-Symbol antippen und die gewünschte Datei auswählen.
- Frage zur Datei laut stellen, etwa nach Summen, Fristen oder Widersprüchen.
- Bei Bedarf im zugehörigen Projektordner weiterarbeiten.
Ähnlich hilfreich ist das bei Besprechungsprotokollen, Verträgen oder Angebotsschreiben: Wer unterwegs ist oder beide Hände braucht, bekommt den Inhalt vorgelesen und kann direkt nachfragen.
Firmenkonten erhalten die Funktion jetzt ebenfalls
Bislang war der Sprachmodus vor allem privaten Konten vorbehalten – Business-, Enterprise- und Bildungskonten (Edu) blieben beim Start im Juli außen vor. Das hat sich geändert: Laut OpenAI läuft die Funktion inklusive Datei-Upload und Projekt-Zugriff inzwischen weltweit auch für Firmen- und Bildungskonten.
Kostenlose Konten, für die OpenAI seit 10. August auch das Nachrichtenlimit aufgehoben hat, nutzen dabei das einfachere Modell GPT-Live-1 mini, zahlende Konten – Plus, Pro, Business und Enterprise – die ausführlichere Version GPT-Live-1. Ein Aufpreis für die neue Funktion selbst fällt nicht an. Firmenkonten müssen die Freischaltung in der Regel über die eigene IT-Abteilung einrichten lassen, ähnlich wie es bereits bei den neuen ChatGPT-Folien für PowerPoint mit Business-Guthaben gehandhabt wird.
Verfügbar ist der Sprachmodus in der ChatGPT-App für Mac, Windows, iOS und Android sowie im Browser auf chatgpt.com. Die erweiterte Sprachfunktion ließ sich in Europa zeitweise nur über Umwege nutzen – dieses Hindernis ist inzwischen beseitigt.
Entscheidend wird, wie zuverlässig die KI bei längeren oder unübersichtlichen Dokumenten bleibt – frühere Sprachversionen taten sich mit komplexen Tabellen und kleingedrucktem Text schwer. Wer Kunden- oder Vertragsunterlagen per Sprache auswerten lässt, sollte vorher mit der eigenen IT oder Compliance-Abteilung klären, ob interne Datenschutzregeln das erlauben. Zur ursprünglichen Einführung von GPT-Live gab es bereits Diskussionen über die psychologischen Risiken vermenschlichter KI-Stimmen – die bleiben auch mit den neuen Funktionen bestehen. Offen bleibt zudem, wann OpenAI ein festes Startdatum für Deutschland nennt – bislang ist nur von einem weltweiten Rollout die Rede, ohne Kalenderangabe.
