Descript – AI视频编辑工具翻译站点

先说结论

Descript是一款革命性的AI视频和音频编辑工具——不是传统的剪辑软件，是让你像编辑文档一样编辑视频。它能把你的视频自动转成文字稿，你直接编辑文字就能剪辑视频——删掉一段文字，对应的视频片段就没了。还支持AI去填充词、自动字幕、声音克隆、屏幕录制。免费版每月1小时转录，Pro版$33/月。这篇从导入素材到发布第一条播客，把每一步给你拆开。

Descript到底是什么——别把它当Premiere平替

Descript跟Premiere、Final Cut这类传统剪辑软件最大的区别是：它用文字编辑视频。不是让你在时间轴上拖来拖去——它把你的视频自动转成文字稿，你像编辑Word文档一样编辑文字——删掉一句话，对应的视频片段就没了；复制一段文字，对应的视频片段就复制了。底层用的是Whisper语音识别+大语言模型——识别准确率95%以上。

它的出身也有意思——创始人之前是做播客的，发现剪辑音频太痛苦——要反复听、找位置、剪掉口头禅。所以做了Descript——让音频视频编辑变得像编辑文档一样简单。

🔧 五步上手教程

第一步：下载安装

去 descript.com 下对应版本——Windows和Mac都有。装好之后打开，第一次启动会让你登录——支持Google、Apple ID登录。免费版每月1小时转录时长，够用就先不付费。界面分三块：左边是项目文件列表、中间是文字稿编辑区、右边是预览和参数设置。花三分钟熟悉一下布局——之后每天用得最多的就是中间的文字稿编辑区。

第二步：导入素材

点「New Composition」创建新项目——把视频或音频文件拖进来。Descript会自动开始转录——10分钟的视频大概2-3分钟转完。转录完中间会出现完整的文字稿——每句话都带时间戳，点击文字会自动跳转到对应的视频位置。

第三步：用文字编辑视频

在文字稿里直接编辑——删掉一句话，对应的视频片段就没了；复制一段文字，对应的视频片段就复制了。两个例子对比：

• ❌ 传统方式：在时间轴上找位置、用剃刀工具剪开、删除、预览、再调整
• ✅ Descript方式：选中不想要的句子、按Delete、完成

第一次剪辑建议选简单的——删掉开头结尾的废话、剪掉中间的口头禅和停顿——别一上来就剪一小时的长视频。先建立信任感，看它怎么同步文字和视频。

第四步：AI去填充词 + 自动字幕

文字稿里会有很多「嗯」「啊」「那个」这种填充词——点顶部的「Remove Filler Words」按钮，Descript会自动识别并删除所有填充词。一小时的视频手动删填充词要半小时，它10秒搞定。删完点「Export Captions」导出SRT字幕文件——或者直接用「Burn Captions」把字幕烧进视频里。字幕样式可以自定义——字体、颜色、位置都能调。

第五步：导出 + 发布

编辑完点右上角「Publish」——选择导出格式和分辨率。YouTube、播客平台、社交媒体都有预设——选对应平台一键导出。Descript还支持直接发布到YouTube、Spotify——不用先下载再上传。导出完之后可以点「Share」生成分享链接——别人可以直接在浏览器里看，不需要下载。

四个真实场景——看看它能实际干什么

播客剪辑：录了一小时的播客——里面有20处口头禅、10处跑题、5处技术故障。导入Descript→点「Remove Filler Words」删掉所有口头禅→选中跑题的段落Delete删除→技术故障的片段直接剪掉→导出字幕→发布到Spotify。手动剪要2小时，Descript 20分钟搞定。

会议录像整理：开了一小时的会——录像里有讨论、有决策、有待办事项。导入Descript→自动转录成文字→把文字稿发给AI总结→输出会议纪要（包含决策记录、待办分配、信息缺口）→把纪要里的关键片段标记出来→导出对应片段发给相关人员。手动整理要1小时，Descript 15分钟搞定。

在线课程制作：录了10节课程视频——每节30分钟。导入Descript→批量删除每节课的开头结尾废话→删除所有的「嗯」「啊」→自动生成字幕→统一字幕样式→批量导出。10节课手动剪要2天，Descript 2小时搞定。

声音克隆：你要做一系列视频但没时间每次都录——用Descript的Overdub功能克隆你的声音。录制10分钟清晰语音样本→训练声音模型→之后你只需要输入文字，Descript用你的声音读出来。声音相似度90%以上，听众基本听不出区别。

价格和积分

• Hobby免费版：每月1小时转录时长，720p导出，带水印
• Pro版 $33/月：10小时转录/月，1080p导出，无水印，声音克隆
• Business版 $40/用户/月：无限转录，团队协作，品牌套件

* 价格更新于 2026-07

常见问题

Q: 跟剪映有什么区别？

A: 剪映是传统的时间轴剪辑，Descript是文字编辑视频。剪映适合做短视频特效，Descript适合做长视频剪辑（播客、课程、会议录像）。剪映没有AI转录和声音克隆，Descript有。做短视频选剪映，做长内容选Descript。

Q: 支持中文转录吗？

A: 支持。中文识别准确率90%以上，英文95%以上。字幕导出支持多语言。

Q: 声音克隆需要多少素材？

A: 最少10分钟清晰语音。建议录30分钟以上——声音相似度更高。训练大概需要1小时。

基本信息