Descript（descript.com）是一款 AI 驱动的音频与视频编辑器，核心机制是"文本式剪辑"：把录音或录像导入（或直接在应用内录制）后，系统自动生成带说话人标注的转录稿，删改稿子里的字句，对应的音视频片段就一并被剪掉或重排；时间轴仍然保留，但大部分粗剪可以完全在文字上完成。它把传统剪辑中"听打、找片段、剪片段"的流程压缩成"读稿子、删文字"，主要服务播客、口播、教学和企业沟通类视频的生产。在这一机制之上，Descript 集成了 Studio Sound 降噪、声音克隆、远程多人录制、翻译配音等 AI 能力，并在 2024 年推出名为 Underlord 的 AI 协同编辑器，还面向开发者提供 API 与 MCP 接口（官网，官方定价页，核查日期 2026-09-16）。

站点速览

  • 网址：https://www.descript.com
  • 类型：AI 音视频编辑 SaaS（桌面应用 + 网页版）
  • 费用：免费档 0 美元；付费档按年付折算 Hobbyist 16 美元/人/月、Creator 24 美元/人/月、Business 50 美元/人/月，Enterprise 定制（官方称年付比月付最多省 35%，截至 2026-09-16，官方定价页）
  • 注册要求：浏览官网无需注册；使用产品必须注册账号，免费档无需信用卡（官网 FAQ）
  • 界面语言：英文；转录支持 25 种语言（不含中文、日语、韩语），字幕翻译 61 种、配音翻译 30 种（后两者含中文，官方定价页功能表）
  • 运行平台：macOS 14（Sonoma）及以上、Windows 11 及以上的桌面应用（至少 8GB 内存），另有网页版 web.descript.com（官方安装文档、系统要求）
  • 上线时间：2017 年（TechCrunch）

站点背景

Descript 2017 年由 Andrew Mason 在旧金山创立。Mason 更广为人知的身份是 Groupon 创始人兼首任 CEO；Descript 的雏形是他此前创业项目 Detour（城市音频导览应用）团队为处理导览音频而自用的内部剪辑工具，随后独立成公司（TechCrunch、Contrary Research 公司研究）。

发展中的关键节点：

  • 2019 年：收购语音合成公司 Lyrebird，在此基础上推出 Overdub 声音克隆功能——输入文字即可生成用户本人声音的语音（Contrary Research）。该能力现归入"AI Speech"产品线。
  • 2020 年：从音频扩展到视频剪辑，同一套文本式操作同时适用于两者（Contrary Research）。
  • 2022 年 11 月：完成由 OpenAI Startup Fund 领投的 5000 万美元 C 轮融资，累计融资达 1 亿美元，其他主要投资方包括 Andreessen Horowitz、Redpoint Ventures 和 Spark Capital；同月发布大改版"The New Descript"（TechCrunch、官方 About、Product Hunt）。
  • 2024 年 6 月：AI 协同编辑器 Underlord 上线，可按自然语言指令自动完成粗剪、加字幕、制作高光切片等多步操作（Product Hunt）。
  • 2025 年 9 月：Mason 卸任 CEO、转任执行董事长，原产品副总裁 Laura Burkhauser 接任 CEO（Podcast News Daily）。

截至 2026-09-16，官方宣称超过 600 万创作者和团队在使用 Descript（官方定价页）；企业合规方面，官网声明其通过 SOC 2 Type II 认证、支持 SAML SSO 与 SCIM、符合 GDPR 要求，G2 评分 4.6/5（837 条评价）（官网首页）。

Descript 官网首页：主标语「AI-editing for every kind of video」，下方展示 Underlord AI 协同编辑器面板

核心机制：像改文档一样剪音视频

文本式剪辑是 Descript 区别于传统剪辑软件的根本设计，各环节均有官方文档可查证：

  • 自动转录与说话人标注：导入或录制的素材会自动转录成带时间戳的文字，可自动识别并标注 8 个以上说话人；转录目前支持 25 种语言，包括英语、西班牙语、法语、德语、印地语等，但不含中文、日语、韩语（官方定价页功能表）。
  • 删字即删片段：在转录稿中删除词句、调整语序，对应的音视频同步被剪掉或重排；需要精细控制时仍可切换到时间轴。批量清理方面，Remove Filler Words 可一键标出并删除"um""ah"等口头禅，Edit for Clarity 负责删除明显废话，Remove Retakes 只保留最佳一遍，Shorten Word Gaps 压缩过长停顿（官网功能列表）。
  • Studio Sound 一键降噪：AI 去除背景噪声并增强人声，官方定位是让普通录音接近棚录效果（官网）。
  • 画面层编辑：场景、版式、转场、动画、动态字幕等以"幻灯片式"操作叠加，不需要关键帧经验；也提供 Eye Contact（眼神校正）、Green Screen（无绿幕抠像）、Automatic Multicam（自动切换说话人画面）等 AI 画面工具（官网功能列表）。
  • 导出：本地视频导出分辨率免费档 720p、Hobbyist 1080p、Creator 起 4K；音频导出不限时长；还可将时间轴导出到 Adobe Premiere、Final Cut Pro、Pro Tools、Logic、Adobe Audition 等专业软件继续精加工（官方定价页功能表）。

Descript 官网工作流展示区：Edit 标签页演示文本式剪辑——左侧为转录稿编辑说明，右侧产品界面中文字稿与画面、时间轴联动

AI 工具箱：Underlord、声音克隆与生成

除文本式剪辑外，Descript 围绕"AI 代工"堆叠了一组功能（以下均以官网与定价页功能表为准）：

  • Underlord：2024 年上线的 AI 协同编辑器，用自然语言下达指令即可完成粗剪、加字幕、制作短视频切片（Create Clips）、撰写节目说明（Show Notes）等多步任务；免费档即可有限试用（官网）。
  • AI Speech（原 Overdub）：输入文字生成语音，可选库存 AI 声音（Business 档 60 余种）或克隆本人声音；Regenerate 功能用于修补录音中的错字、让补录语音与上下文音色一致（官方定价页）。
  • 翻译与配音：字幕翻译支持 61 种语言、配音（dubbing）翻译支持 30 种语言（均含中文），Business 档提供翻译校对视图；另有 14 种语言的"母语级"AI 声音（含中文）（官方定价页功能表）。
  • 生成式媒体：按提示词生成视频、图片和音乐，用作 B-roll 或补镜头；AI 数字人（Avatars）功能 2025 年 4 月上线，可从照片或文字描述生成出镜形象（官网、Product Hunt）。
  • 免版税素材库：内置视频、图片、GIF、音乐和音效素材，Creator 档起不限搜索结果用量（官方定价页）。

录制、协作与发布

Descript 把"录制"也收进了同一工作流：桌面应用内置屏幕/摄像头录制；Rooms 功能提供远程多人录制，最多 10 人同时参与，每人独立分轨并自动云端备份，录制结束后自动导入工程并完成转录（官网、官方定价页功能表，免费档每 Drive 每月 2 小时录制时长，Business 档 25 小时）。

协作方面支持评论、实时共同编辑，Business 档增加 Brand Studio（团队共享模板与品牌规范）；成品既可直接导出文件，也可以发布为带嵌入播放器的分享网页链接（官方定价页）。

开放能力：API 与 MCP

Descript 提供 HTTPS API（官方标注 early access）：以编程方式创建项目、从 URL 或本地文件导入媒体（自动转录）、运行 Underlord 编辑（加字幕、去口头禅、Studio Sound 等）、发布作品并获取签名下载地址、导出转录稿（text / Markdown / HTML / RTF / DOCX / SRT）。API Token 绑定单个 Drive；调用会消耗账号的媒体小时与 AI 积分，用尽后接口返回 402 错误。官方同时提供 MCP 服务器，可把 Descript 接入 Claude、ChatGPT、Cursor 等 AI 助手，另有 Zapier 集成和命令行工具。已知限制包括：不发布则无法通过 API 下载渲染后的成片、不支持以 YouTube 链接作为导入源、任务记录仅保留 30 天（官方 API 文档、API 产品页）。

Descript 帮助中心首页：左侧为文档导航，主体提供 Underlord、MCP、API 三个入口卡片

定价与配额

Descript 采用"媒体小时 + AI 积分"双配额制：媒体小时计量导入或录制的素材时长，AI 积分计量 Underlord、Studio Sound、眼神校正等 AI 功能的调用；两档配额用完后可以加购。以下价格截至 2026-09-16，为官方定价页按年付折算的每人每月价格（官方称年付比月付最多省 35%）：

套餐 价格 媒体小时/月 AI 积分/月 导出 席位 云存储
Free 0 美元 1 小时 100（一次性） 720p（付费档起去水印） 1 5GB
Hobbyist 16 美元 10 小时 400 1080p 无水印 1 100GB
Creator 24 美元 30 小时 800 4K 无水印 最多 3 1TB
Business 50 美元 40 小时 1500 4K 无水印 最多 5 2TB
Enterprise 定制 按团队定制 按团队定制 定制 定制 定制

Business 档另有翻译配音加校对、自定义数字人、Brand Studio、优先支持（SLA）等权益；Enterprise 增加审计日志、AI 训练退出选项、自定义数据保留与采购合同支持（官方定价页）。

Descript 定价页：Hobbyist、Creator、Business、Enterprise 四档方案卡片，默认展示年付价格

语音伦理与数据政策

声音克隆是 Descript 最具争议潜力的能力，官方有公开约束：训练语音模型前必须通过口头同意验证（verbal consent verification），确保只能为获得本人授权的声音建模；Descript 同时是 Content Authenticity Initiative（内容真实性倡议）成员（官方伦理声明）。数据方面，官方在定价页 FAQ 中声明"项目内容即使对 Descript 也保密"，企业版客户可选择退出 AI 训练并自定义数据保留策略（官方定价页）。

适用场景

  • 播客与访谈后期：多轨录制、自动转录、去口头禅、一键降噪，剪辑在稿子上完成。
  • 口播、教学与企业培训视频：眼神校正、提词器、模板化版式降低出镜和制作门槛。
  • 营销与内容团队的批量生产：长视频自动切高光短片、翻译配音、API 接入自动化流水线。
  • 以文字为起点的内容生产：先写稿再用 AI 语音或数字人生成音视频的"无录制"流程。

局限

  • 转录不支持中文、日语、韩语：官方 25 种转录语言清单中没有任何中日韩语言（截至 2026-09-16，官方定价页功能表）。以中文录音为主的用户无法使用其最核心的"转录—文本剪辑"链路；支持中文的是反向的翻译配音与 AI 语音功能，两者不能混淆。
  • 界面仅英文：应用与帮助中心均不提供中文界面。
  • 双配额成本：媒体小时与 AI 积分分开计量，重度使用 AI 功能或处理大量素材时可能需要在套餐外加购。
  • 免费档限制明显：每月 1 媒体小时、100 一次性 AI 积分、720p 导出（无水印导出从付费档开始）、5GB 云存储、单文件上传上限 1GB，仅适合试用流程（官方定价页）。
  • 平台覆盖：桌面端仅支持 macOS 与 Windows，无 Linux 客户端；网页版可应急但完整体验在桌面端（官方安装文档）。
  • 非影视级后期工具：其设计目标是沟通与口播类视频的效率，复杂调色、特效合成仍需导出到 Premiere 等专业软件完成（基于其功能列表与官方定位的合理推断）。

同类参考

  • Adobe Premiere Pro / Final Cut Pro / DaVinci Resolve：传统时间轴剪辑软件，精加工能力完整但学习成本高；Descript 与它们并非纯替代关系——可以把 Descript 工程的时间轴导出到这些软件继续制作。
  • ElevenLabs：语音克隆与 AI 配音领域的专门服务商；Descript 的语音能力内嵌在剪辑工作流中，而非独立 API 优先的产品。

参考资料