トーク動画を一本仕上げる作業で一番時間を食うのは、切ることではなく探すことだ。三秒の言い間違いを消すために、波形の上を行ったり来たりしながら何度も聴き直し、どの一文字から崩れたのかを突き止める。ポッドキャストならもっとひどい。四十分の回は、一度耳を通すだけで四十分かかる。

Descript は逆の側から始める。波形の上で探させるのではなく、まず声を文字にし、そのテキストを編集の入口にする。

まず録音を文字起こしにする

動画でも音声でも Descript に放り込むと、まず AI が文字起こしをする。数秒でタイムコード付きのテキストができる。公式の数字は精度が最大 95 パーセント、対応するのは 25 言語。書き起こしができると、画面の主役はタイムラインではなくそのテキストになる。

ここからが Descript の核だ。文字を直すことは、映像を直すことでもある。テキストから一語を消せば、映像のその瞬間も消える。一文を別の位置へ動かせば、映像も一緒に動く。一節を複製すれば、素材も複製される。公式の言い方はそっけない。テキストを編集するように映像を編集する、と。

タイムラインが無くなったわけではない。順位が下がっただけだ。多くの人はタイムラインに一切触れずに一本仕上げられ、細かい調整が要るときだけ戻ってくる。

言い間違いも、無駄口も、要らない尺も一度で

テキストがあると機械的な片付けも自動化できる。話し言葉に必ず混じる「えー」「あの」「その」といったつなぎ言葉は自動で見つけて印が付き、一度の操作で全部消せる。同じ台詞を五回録っていれば、Remove Retakes が最良の一本だけを残す。Edit for Clarity はさらに進み、つなぎ言葉、脱線、明らかに切るべき箇所をまとめて処理する。

音と画の質も同じ流れで扱える。Studio Sound は一度の操作で終わる仕事だ。背景の雑音を落とし声を持ち上げ、普通の部屋で録った素材をブースに近づける。収録中にプロンプターや台本を読んでいたなら、Eye Contact が視線を AI で整え、レンズをまっすぐ見ている画にする。撮り直しが一度減る。グリーンバックの機能を使えば、そもそも背景を組む手間も要らない。

言い間違えたら、一行打ち直す

いちばん意外な機能が Regenerate だ。ある一文を言い間違えた、あるいは人名を読み違えたとき、録り直しは要らない。テキストのその一行を正しい形に直せば、Regenerate が自分の声の複製でその区間を作り直し、映像の口の形まで合わせる。

支えているのは声の複製だ。複製があれば、追加収録はタイピングの仕事になる。以前は言い間違いをそのまま使うか、区間ごと録り直すかしかなかった。いまは一文を直せば済む。こうした能力には危うさも伴うので、Descript は法人向けの版でモデル学習からの離脱と保存期間の指定を用意している。

Underlord、指示が通る編集者

この一年で Descript は AI 助手の Underlord を製品の主線に置いた。単なる対話の窓ではなく、プロジェクトを直接動かす共同編集者だ。「これを一分の短い動画に切って」と伝えれば、あるいは「ここのつなぎはどうすべきか」と尋ねれば、完成した尺か提案が返る。公式の説明では、素材から数分で詰まった仕上がりを作るという。

Underlord は再利用の側も受け持つ。長い動画から広がりのあるシーンを拾い、番組の概要と SNS の文案を書き、YouTube のサムネイルと説明を用意する。長い一本から短い一群が自動で生まれる。

画面収録、遠隔収録、そして多言語

Descript は編集だけの道具ではない。収録の側も製品に入っている。画面収録は画面、カメラ、マイクを同時に取り込め、ピクチャインピクチャ、システム音、マイク音を別々のトラックに分けられる。録った素材はそのまま同じプロジェクトに入るので、製品のデモや教材を作る人には書き出しの一手間が減る。

遠隔のインタビューには Rooms がある。相手は何も入れる必要がなく、録り終わると自動でトラックが分かれ、自動で書き起こされる。通信が切れても七日以内なら続きを送れる。複数人で話すときは Automatic Multicam が画角と配置を選ぶ。

言語の面では、25 言語の書き起こしに加えて、完成した映像を 30 を超える言語へ翻訳して吹き替えられる。字幕も同時に作られる。法人向けの版には「翻訳しない一覧」があり、ブランド名や固有名詞が直訳されるのを防ぐ。

料金と実際の入口

Descript は定額の仕組みで、使える量は二つの枠で決まる。媒体時間は取り込んだり録ったりした素材の長さ、AI クレジットは各種の AI 機能を呼ぶためのものだ。どちらも単体で足せる。

無料の版は月に一時間と 100 クレジットが一度だけ、書き出しは 720p で透かしなし。Hobbyist は年払いで月 16 ドル、月 10 時間と 400 クレジット、1080p。Creator は月 35 ドルで 30 時間と 800 クレジット、4K が開く。Business は月 50 ドルで 40 時間と 1500 クレジット、4K に加えてブランドスタジオが付く。Enterprise は個別の見積もりで、時間とクレジットを調整でき、SSO と監査ログを含む。

先に押さえる点が二つある。商用に耐える枠は Hobbyist からで、無料の一時間は実際には試用に近い。そして Hobbyist と Creator は月払いが年払いより高く、量が安定しているなら年払いが得だ。どの段でも書き出しに透かしは入らない。これは同種の道具では珍しい。

法人の側では、Descript は SOC 2 Type II を取得し、SAML のシングルサインオンと SCIM に対応し、GDPR に沿ったデータ処理を出す。法人向けの版ではモデル学習からの離脱、保存期間の指定、テンプレートと見た目の規範をそろえるブランドスタジオが使える。

誰に向くか

出力が話すことを中心に回っているなら、ポッドキャスト、インタビュー、語り、教材、製品のデモ、Descript はその形に合わせて作り直されているので効果ははっきり出る。G2 には 837 件の評価があり、平均は五点満点で四点六。使っているのは個人の作り手から Amazon、Canva、Salesforce のようなチームまで幅広い。

逆に、複雑な見せ方が要る企画には向かない。複数台のカメラで語る構成、細かい色調整、凝った動きは、従来の編集ソフトに任せるべきだ。Descript の立ち位置は、話す内容の編集費を限界まで下げることにある。後工程の全てを置き換えることではない。

始める前に決めておきたいことも一つある。AI が画と声を書き換える道具は、深く使うほど内部の一線が要る。どこまで変えてよいのかは、その場の判断ではなくチームの決めとして先に置いたほうがよい。

こうした道具を入れる値打ちは、一本を切るのがどれだけ速くなったかでは測れない。触るのが怖い、触るのが面倒、触る余裕がないとされてきた部分が、気軽に何度でも直せるものになったかどうかで測るべきだ。