Kann ChatGPT ein Transkript aus einem Video generieren?

Es gibt KI-Modelle wie OpenAIs Whisper, die speziell für Spracherkennung und Transkription entwickelt wurden. Die aktuelle Best Practice besteht darin, zuerst Whisper und anschließend ChatGPT für die Analyse zu verwenden.

ChatGPT selbst kann keine Video- oder Audiodateien direkt verarbeiten, da es ausschließlich Texteingaben verarbeitet. Sie können jedoch ein Spracherkennungstool verwenden, um den Ton des Videos in Text umzuwandeln, und diesen Text dann an ChatGPT zur Zusammenfassung oder weiteren Verarbeitung übergeben.

Ich habe versucht, hier ein Video hochzuladen, aber ChatGPT hat es nicht erkannt. Es scheint daher noch nicht möglich zu sein, direkt Transkripte aus Videos zu generieren.