剪一支口播影片，最花時間的通常不是「剪」，而是「找」。為了刪掉三秒鐘的口誤，你得在波形上來回拖，一遍又一遍地聽，確認這句話到底是從哪個字開始崩的。播客更誇張，一集四十分鐘的節目，光聽完一遍就要四十分鐘。

Descript 換了一個方向：與其讓人在波形上找，不如先把聲音變成文字，讓逐字稿成為剪輯的入口。

先把錄音變成一篇文章

把影片或音訊拖進 Descript，平台會先做 AI 轉錄，幾秒鐘內產出一份帶時間軸的逐字稿。官方給的準確率是最多 95%，涵蓋 25 種語言。轉錄完成後，介面的主體不再是時間軸，而是這份稿子。

接著就是 Descript 最核心的那件事：改文字就是改畫面。刪掉稿子裡的一個詞，影片裡對應的那一瞬間就被刪掉了；把一句話拖到別的位置，畫面跟著移動；複製一段文字，素材也複製了一份。官方的說法很直白——像編輯一份文字檔一樣編輯影片。

時間軸並沒有被取消，只是退到次要位置。多數人可以在完全不碰時間軸的情況下剪完一支片子，需要精細調整時再切回去。

口誤、贅字、廢片，一次處理

逐字稿帶來的第二個好處，是那些機械性的清理工作可以自動化。口播裡最常見的「嗯」「啊」「那個」這類填充詞，Descript 會自動辨識並標示出來，按一次就能全部清掉；同一句話錄了五遍，Remove Retakes 只保留最理想的一條；Edit for Clarity 更進一步，把填充詞、離題和明顯該剪的地方一次處理掉。

音畫品質方面，Studio Sound 是按一次就好的事：去掉背景雜訊、增強人聲，讓在普通房間裡錄的素材聽起來接近錄音室。如果錄影時在看讀稿機或腳本，Eye Contact 會用 AI 微調視線，讓畫面看起來像直視鏡頭，省掉反覆重錄。綠幕功能則可以免掉實際拍攝時的背景佈置。

講錯了？打一行字重講一遍

Descript 裡最讓人意外的一個功能是 Regenerate。如果某句話講錯了、或者名字唸錯了，你不需要補錄，只要在稿子裡把那句話改成正確版本，Regenerate 會用你自己的聲音重新生成這段語音，並且把畫面裡的嘴型一起改掉。

這依賴平台對你聲音的複製：複製之後，補錄變成一件「打字」的事。以前遇到口誤只能勉強用，或者整段重錄，現在改一句就夠了。這類能力當然也自帶風險，所以 Descript 在企業版裡提供退出模型訓練與自訂留存期等控制項。

Underlord：聽得懂人話的剪輯助手

近一年 Descript 把 AI 助手 Underlord 放到主線位置。它不只是一個對話框，而是可以直接操作專案的協同剪輯者：告訴它「把這段剪成一分鐘的短片」，或者問它「這裡該怎麼過場」，它會給出成片或建議。官方的描述是，它能在幾分鐘內把一段原始素材剪成緊湊的成片。

Underlord 也承擔了「重複利用」那一環：從長影片裡挑出適合傳播的片段、寫節目簡介與社群文案、生成 YouTube 縮圖與描述，讓一條長內容自動衍生出一批短內容。

螢幕錄影、遠端錄製與多語言

Descript 不只是編輯器，它也把採集環節做了進去。螢幕錄影支援同時擷取螢幕、攝影機與麥克風，子母畫面、系統聲與麥克風聲都可以分開錄，錄完直接進同一個專案開始剪——對做產品演示和教學的人來說，省掉一道匯出的步驟。

遠端訪談場景有 Rooms：受訪者不用裝任何軟體，錄完自動分軌、自動轉錄，嘉賓網路中斷還能在七天內續傳。多人對談時，Automatic Multicam 會自動挑選機位與版面。

多語言方面，除了 25 種語言的轉錄，成片可以翻譯並配音成 30 多種語言，字幕同步生成。企業版還提供「不翻譯清單」，避免品牌名和專有名詞被直譯。

價格與門檻

Descript 採訂閱制，用量由「媒體小時」和「AI 點數」兩套額度共同決定：前者是匯入或錄製的素材長度，後者用於呼叫各類 AI 功能。兩者都可以單獨加購。

免費版每月一小時、100 點一次性，匯出 720p 不帶浮水印。Hobbyist 年付每月 16 美元，含每月 10 小時與 400 點，匯出 1080p。Creator 每月 35 美元，含 30 小時與 800 點，開放到 4K。Business 每月 50 美元，含 40 小時與 1500 點，同樣 4K，另加品牌工作室。Enterprise 個別報價，時數與點數可調整，含 SSO 與稽核日誌。

有兩件事要先留意。其一，要從 Hobbyist 起才有可商用等級的額度，免費檔每月一小時基本只夠試；其二，Hobbyist 與 Creator 的月付價高於年付價，用量穩定的話年付更划算。所有檔位匯出都不帶浮水印，這點在同類工具裡並不常見。

企業端，Descript 通過 SOC 2 Type II 認證，支援 SAML 單一登入與 SCIM，並提供符合 GDPR 的資料處理；企業版可以退出模型訓練、設定自訂留存期，並提供品牌工作室來統一範本與視覺規範。

它適合誰

如果你的產出以說話為主——播客、訪談、口播、教學、產品演示——Descript 幾乎是照這類內容重新設計的，效率提升非常明顯。G2 上它有 837 則評價、平均四點六分，使用者裡既有個人創作者，也有 Amazon、Canva、Salesforce 這類團隊。

但它不太適合需要複雜視覺表現的專案：多機敘事、精細調色、複雜動效，還是要交給傳統剪輯軟體。Descript 的定位是「把說話類內容的剪輯成本壓到最低」，而不是取代完整的後製流程。

還有一點值得先想清楚：AI 修改畫面與聲音這件事，用得越深，越需要一條內部底線。哪些可以改、改到什麼程度，最好在團隊裡先說清楚，而不是每次臨場決定。

判斷這類工具值不值得用，別只看它剪一支片子快了多少，而要看它有沒有把「不敢改、懶得改、改不起」的那部分內容，變成可以隨手迭代的東西。