descript

descript

访谈内容编辑工具技能——在转录稿中编辑，通过授权使用 Overdub，优化音质，为画面增色，然后交付剪辑。Agent 负责规划（在已连接的情况下，也可通过 API/MCP 操作 Underlord）；人工通过听辨核实并批准；WoopSocial 发布导出文件。（随附 tools/integrations/descript.md。）

核心理念：转录稿就是时间线——用文字决定，用听辨核实

对于对话为主的内容，编辑转录稿比在时间线上来回拖动更高效：删掉句子，片段就会消失；移动段落，画面就会跟着移动——评测报告称，访谈内容的编辑时间可减少约 60–70%。但这种模式也有两个明显的风险，顶尖的 1% 会格外留意。（1）声音底线： Overdub 采用经过授权核实、仅限本人声音的设计，这是正确做法，而非障碍——这样做是为了避免任何人把台词塞进他人口中；从制作角度看，它适合修正说错的词语，而非整段话（长段 Overdub 会听起来像合成语音——应重新录制）。（2）含义底线： 编辑文字很容易导致嘉宾被剪辑成说出他们从未说过的话——可以精简，绝不扭曲原意，任何人的发言最终都由人工负责剪辑。实际操作中，准确性检查必不可少（转录错误会造成错误剪辑和错误字幕）；自 2025 年 9 月全面改版后，工作流还必须留意额度——导入的所有媒体都会计入媒体分钟数，以前不限量的 AI 功能现在也按量计费。

请先阅读

1. 录制内容对应的技能——podcast-and-audiograms / youtube-long-form / educational-content。
2. brand-profile + voice-builder（书面输出）+ design-and-templates（字幕/布局）。

WORDS 框架

（详见：references/the-words-framework.md。）

• W — 编写剪辑： 先检查准确性；然后删掉离题内容和错误片段，一键去除填充词和静音（Underlord），通过移动段落重组内容——用文字决定，用听辨核实。
• O — 经授权使用 Overdub： 仅限本人声音，并核实授权；仅用于单个词语或短语（整段话应重新录制）；留意词汇和额度限制；在需要时披露合成语音。
• R — 优化音质： 每个来源音频使用一次 Studio Sound（会消耗额度；更干净的音频也有助于提升转录质量）；调平各位发言者的音量；噪声极大的音频应重新录制，而非尝试修复。
• D — 为画面增色： 使用 Automatic Multicam（务必有意录制分开的音轨），根据修正后的转录稿生成字幕，B-roll 须经人工批准，诚实使用 Eye Contact；节拍同步/调色请转用其他工具。
• S — 交付剪辑： 一份转录稿生成单集、剪辑片段（Underlord 标记候选内容，由人工公平挑选）、节目说明、章节和文字帖；再转交后续流程，并通过 WoopSocial 发布。

实际情况（每季度核实）

2026 年的 Descript：Underlord（具备 Agent 功能的协同编辑工具——一步去除填充词/静音、标记错误片段、建议 B-roll、生成剪辑片段和节目说明）现在可通过2026 年公开 API（开放测试版），包括 MCP 连接触发；Overdub（训练约需 24–48 小时；源音频要求曾有变化——请核实）；Studio Sound（每次约消耗 10 个额度）；Automatic Multicam；Eye Contact；干净音频的转录准确率约为 92–95%，有噪声/口音/专业术语时约为 75–85%；约支持 23 种语言；SOC 2 Type II；依赖云端（无法离线使用）。定价：2025 年 9 月全面改版后，原本不限量的功能改为按媒体分钟数和 AI 额度计费；有记录在案的账单激增案例，且周期中途不按比例调整费用（据 G2，归因于其报告）；**不同来源的套餐价格数据互相矛盾——请在应用内核实。**完整详情见：references/descript-2026-reality.md。每周工作流、额度核对清单、Overdub 决策表、访谈诚信检查清单和两个示例见：references/workflows-and-templates.md。

诚实的适用范围（绝不逾越）

• Agent 负责规划编辑，并可在已连接的情况下通过 API/MCP 触发 Underlord/媒体操作 （否则须明确说明人工操作步骤，不得假装实现了自动化）；人工通过听觉核验（节奏、语气和公平性无法仅凭文字判断），并予以批准——Agent 绝不捏造“这段剪辑听起来很棒”。WoopSocial 负责发布 最终导出文件；它不负责编辑媒体；播客 RSS 分发另行处理（人工操作； podcast-and-audiograms）。
• 声音原则：只克隆本人声音；绝不克隆嘉宾、竞争对手或公众人物的声音；绝不让真实人物说出捏造的话；在有要求的情况下，须对合成语音进行AI 披露（EU AI Act；C2PA）。含义原则： 访谈剪辑须保留原意和片段语境；重大编辑应提供审批机会。绝不捏造套餐、额度或指标——须在应用内核实。（完整范围：references/scope-and-connections.md。）

与同类工具的区别（正确分流）

descript（本工具） = 基于文本编辑谈话内容 · capcut = 与节拍同步的视觉短视频（混合工作流： 在这里制作母版，在那里制作风格化剪辑） · captions-and-clipping / opus-clip = 大规模挑选片段（本工具向其提供 母版） · podcast-and-audiograms = 本工具服务的策略 · ai-voiceover (elevenlabs) = 专用 TTS/旁白（Overdub = 使用本人声音进行修正） · talking-head-and-piece-to-camera = 表演本身（Eye Contact 可修补朗读画面，但不能替代表达） · youtube-long-form = 录制内容遵循的结构。

连接方式

首先读取：podcast-and-audiograms / youtube-long-form + brand-profile/voice-builder + design-and-templates. 输出至：captions-and-clipping / opus-clip（母版）、capcut（短视频 风格化处理）、text-post-and-microblog（文字剪辑稿）、email-and-newsletter（节目说明）， youtube-publishing-and-metadata. 发布流程：导出文件 → scheduling-and-queue → WoopSocial（社交平台）； RSS 托管方（播客——人工操作）。工具文件：tools/integrations/descript.md. 使用原生数据 + analytics-and-reporting 衡量听完率/观看完成率和片段表现——绝不捏造数据。

完成标准

以文字编辑谈话内容，并通过听觉核验：先修正文字稿（人名/术语——错误会导致剪辑和字幕出错），再通过 Underlord 分批处理，剪掉离题内容/糟糕的录制片段并移除填充语和静音；在文字稿中重组内容，并完整听一遍结果；只在经本人同意的情况下，用其本人声音通过 Overdub 修正单词或短语（不得用于整段文字；整段须重新录制；在有要求的情况下披露合成语音）；每个源素材只运行一次 Studio Sound；以符合品牌风格的方式处理多机位、字幕和版式；遵守访谈规则（保留原意和片段语境、提供审批机会，并由人工决定涉及他人发言的最终剪辑）；交付一份修正后的文字稿，用作节目内容，并附上人工挑选的片段、节目说明和章节标记，再转交后续流程并通过 WoopSocial 发布；在 2025 年 9 月之后的额度模式下留意额度（只导入确实要编辑的内容；在应用内核实套餐）；仅在实际连接的情况下通过 API/MCP 自动化；不克隆第三方声音，不歪曲原意，不捏造套餐/额度/指标；并与 capcut、captions-and-clipping/opus-clip、ai-voiceover 和 podcast-and-audiograms 正确区分。