我最近碰到个大麻烦，就是把一段20分钟的音频转录成文字，结果发现谷歌的Gemini直接就搞定了，而ChatGPT却一点办法都没有。他们总说这不是竞争，你可别信那个鬼话，特别是搞AI的这行，那就是赤裸裸的比拼啊。我平时天天都在测这些聊天机器人的本事，结果总是出乎意料。有的确实比别的强不少。 这事儿是从我用iPhone 17 Pro Max上的Notes开始的。以前我一般用安卓手机录音，像Google Pixel 10 Pro Fold那种特别好使的录音应用，能把每句话都分得清清楚楚。这次我手里只有个iPhone，就在想Notes是不是也能录音呢？果然在那个回形针图标下面藏着功能。录完听听效果还不错，录音文件直接保存在Notes里了。 不过看那个生成的文本就头疼了。虽然内容大致都在，就是没标注谁是谁说的，全混在一起了。要是我想找采访对象的话，就得从一大段话里费劲去挑。本来打算再听一遍手动标上标签，后来突然想到了Gemini。我对这家伙最近表现挺满意的，特别是这个最新的3 Pro型号。 为了不让别人听见我在说什么（毕竟是私密对话嘛），也为了不扰民，我没敢直接用扬声器外放让Gemini听。后来我发现Notes里的文件可以下载下来。在播放界面的三个点菜单里有个分享按钮，直接用Airdrop发到了我的14英寸MacBook Pro上。 文件是MPEG-4格式的，拖到Gemini 3 Pro的提示框里输入简单的命令：“听这个音频，帮我转录并标注发言人。”这玩意儿反应挺快的，没过多久就开始输出了。虽然它一开始把受访者的名字写错了（拼错了），不过把我和对方的话分得挺清楚的。我顺手让它修正一下角色标记，这下就完美了。 再来看ChatGPT那边吧，我用的是Plus账户5.1版的。选好文件后我也给了它一样的命令。结果它直接回了我一句：“虽然能转录，但打不开那个.m4a文件。”接下来就是无休止的折腾了，它让我转成zip格式上传好几次都没用。不管怎么搞，它都能在界面里显示文件就是不听声音。 这次小比赛算是Gemini赢了！彻底把我从坑里拉了出来。所以啊那些说苹果Notes录音好用的别信了，越少提它越好。