Was macht descript?
Der Talk-Content-Bearbeitungs-Skill – den Schnitt im Transkript schreiben, Overdub mit Einwilligung nutzen, den Sound verfeinern, die Visuals gestalten und die Schnitte ausliefern. Der Agent plant (und kann Underlord per API/MCP steuern, wo verbunden); der Mensch prüft nach Gehör und genehmigt; WoopSocial veröffentlicht die Exporte. (Liefert tools/integrations/descript.md.)
Der Standpunkt: Das Transkript ist die Timeline – im Text entscheiden, nach Gehör prüfen
Bei dialoglastigen Inhalten ist das Bearbeiten des Transkripts effizienter als das Durchkämmen einer Timeline: Satz löschen – der Clip verschwindet; Absatz verschieben – das Material folgt. Bewertungen berichten von ~60–70 % Zeitersparnis bei Talk-Inhalten. Aber das Paradigma hat zwei scharfe Kanten, die die Top 1 % respektieren. (1) Die Stimmen-Säule: Overdubs einwilligungsgeprüftes, nur-eigene-Stimme-Design ist das Modell, kein Hindernis – es existiert, damit niemand Wörter in den Mund eines anderen legt; handwerklich glänzt es bei verpatzten Wörtern, nicht bei Absätzen (lange Overdubs klingen synthetisch – die besser neu aufnehmen). (2) Die Bedeutungs-Säule: Textbearbeitung macht es gefährlich einfach, einen Gast so umzuarrangieren, dass er etwas sagt, was er nicht gesagt hat – Kürzung ja, Sinnverdrehung nie, und der Mensch trägt die Verantwortung für den finalen Schnitt fremder Worte. Operativ: Der Genauigkeitsdurchlauf ist Pflicht (Transkriptfehler werden zu falschen Schnitten UND falschen Untertiteln); seit der Überarbeitung im September 2025 muss der Workflow credit-bewusst sein – Medienminuten zählen jeden Import, und vormals unbegrenzte KI-Funktionen sind gedeckelt.
Zuerst lesen
- Der Aufnahme-Inhalts-Skill – podcast-and-audiograms / youtube-long-form / educational-content.
- brand-profile + voice-builder (geschriebene Ausgaben) + design-and-templates (Untertitel/Layout).
Das Framework: WORDS
(Tiefe: references/the-words-framework.md.)
- W – Write the edit: zuerst Genauigkeitsdurchlauf; dann Abschweifungen/schlechte Takes schneiden, Füllwörter+Stille in einem Schritt entfernen (Underlord), durch Verschieben von Absätzen umstrukturieren – im Text entscheiden, nach Gehör prüfen.
- O – Overdub with consent: nur eigene Stimme, einwilligungsgeprüft; einzelne Wörter/kurze Phrasen (Absätze = neu aufnehmen); Wortschatz-/Credit-Limits; synthetische Sprache ggf. offenlegen.
- R – Refine the sound: Studio Sound einmal pro Quelle (Credits; saubereres Audio verbessert auch das Transkript); Sprecher auspegeln; extreme Geräusche bedeuten Neuaufnahme, nicht Rettung.
- D – Dress the visuals: Automatische Multikamera (getrennte Spuren mit Absicht aufnehmen), Untertitel aus dem korrigierten Transkript, vom Mensch genehmigtes B-Roll, Eye Contact ehrlich nutzen; Takt-Synchronisation/Farbkorrektur anderweitig erledigen.
- S – Ship the cuts: ein Transkript → die Episode + Clips (Underlord markiert, der Mensch wählt fair aus) + Shownotes + Kapitel + ein Textbeitrag; weiterleiten und via WoopSocial veröffentlichen.
Die Realität (quartalsweise prüfen)
2026 Descript: Underlord (agentischer Co-Editor – Füllwörter/Stille in einem Schritt, Markierung schlechter Takes, B-Roll-Vorschläge, Clips, Shownotes) jetzt über die 2026 Public API (offene Beta) inkl. MCP-Verbindungen ansteuerbar; Overdub (~24–48 h Training; Quellaudio-Anforderungen können variieren – prüfen); Studio Sound (~10 Credits/Nutzung); Automatische Multikamera; Eye Contact; ~92–95 % Transkriptionsgenauigkeit bei sauberem Audio, ~75–85 % bei Rauschen/Akzenten/Fachjargon; ~23 Sprachen; SOC 2 Typ II; cloudabhängig (kein Offline-Modus). Preise: Die Überarbeitung vom September 2025 wechselte zu Medienminuten + KI-Credit-Deckelung vormals unbegrenzter Funktionen; dokumentierte Kosten-Schocks und fehlende unterjährige Pro-Rata-Berechnung (G2, zugeschrieben); Stufenangaben widersprechen sich zwischen Quellen – in der App prüfen. Vollständige Details: references/descript-2026-reality.md. Der wöchentliche Ablauf, die credit-bewusste Checkliste, die Overdub-Entscheidungstabelle, die Interview-Integritäts-Checkliste und zwei durchgearbeitete Beispiele: references/workflows-and-templates.md.
Ehrlicher Rahmen (niemals verletzen)
- Der Agent plant den Schnitt und kann Underlord/Medienaktionen per API/MCP auslösen, wo verbunden (sonst exakte menschliche Schritte – keine vorgetäuschte Automatisierung); der Mensch prüft nach Gehör (Tempo/Ton/Fairness leben nicht im Text) und genehmigt – der Agent erfindet nie „der Schnitt klingt großartig“. WoopSocial veröffentlicht die fertigen Exporte; es bearbeitet keine Medien; die Podcast-RSS-Distribution ist getrennt (menschlich; podcast-and-audiograms).
- Stimmen-Säule: nur-eigene-Stimme-Klonen; niemals einen Gast/Wettbewerber/öffentliche Person; niemals erfundene Wörter in einem echten Mund; KI-Offenlegung für synthetische Sprache, wo erforderlich (EU AI Act; C2PA). Bedeutungs-Säule: Interview-Schnitte bewahren Bedeutung + Clip-Kontext; Zustimmung bei wesentlichen Schnitten anbieten. Niemals Stufen, Credits oder Metriken erfinden – in der App prüfen. (Vollständiger Umfang:
references/scope-and-connections.md.)
Abgrenzung zu verwandten Skills (richtig zuordnen)
descript (dieser) = textbasierte Talk-Content-Bearbeitung · capcut = taktsynchrone visuelle Kurzform (Hybrid: hier master, dort stilvolle Schnitte) · captions-and-clipping / opus-clip = Clip-Auswahl in großem Maßstab (dieser liefert den Master) · podcast-and-audiograms = die Strategie, die dieses Tool bedient · ai-voiceover (elevenlabs) = dedizierte TTS/Erzählung (Overdub = Korrekturen der eigenen Stimme) · talking-head-and-piece-to-camera = die Performance (Eye Contact flickt ein Ablesen, ersetzt nicht den Vortrag) · youtube-long-form = die Struktur, der die Aufnahme folgt.
Wo dieser Skill anknüpft
Zuerst lesen: podcast-and-audiograms / youtube-long-form + brand-profile/voice-builder + design-and-templates. Liefert an: captions-and-clipping / opus-clip (den Master), capcut (Kurzform-Stil), text-post-and-microblog (die geschriebene Fassung), email-and-newsletter (Shownotes), youtube-publishing-and-metadata. Veröffentlicht über: Exporte → scheduling-and-queue → WoopSocial (sozial); RSS-Host (Podcast – menschlich). Tool-Datei: tools/integrations/descript.md. Messen mit: nativ + analytics-and-reporting zu Hör-/Sehdauer + Clips – niemals erfunden.
Definition von „fertig“
Ein Talk-Content-Schnitt, der mit Textgeschwindigkeit erstellt und nach Gehör geprüft wurde: Transkript zuerst korrigiert (Namen/Fachjargon – Fehler werden zu falschen Schnitten und Untertiteln), Abschweifungen/schlechte Takes geschnitten und Füllwörter+Stille in gebündelten Underlord-Durchläufen entfernt, Umstrukturierung im Text vorgenommen und das Ergebnis durchgehört; Patzer mit einwilligungsgeprüftem Overdub nur auf Wort-/Phrasenlänge korrigiert (Absätze neu aufgenommen; synthetische Sprache ggf. offengelegt); Studio Sound einmal pro Quelle ausgeführt; Multikamera/Untertitel/Layout markenkonform gestaltet; die Interview-Regel eingehalten (Bedeutung + Clip-Kontext erhalten, Zustimmung angeboten, der Mensch trägt die Verantwortung für den finalen Schnitt fremder Worte); ein korrigiertes Transkript ausgeliefert als Episode + vom Menschen ausgewählte Clips + Shownotes + Kapitel, weitergeleitet und via WoopSocial veröffentlicht; der Workflow credit-bewusst unter dem Modell nach September 2025 (nur importieren, was bearbeitet wird; Stufen in der App prüfen); API/MCP-Automatisierung nur, wo tatsächlich verbunden; keine geklonten Drittstimmen, keine Sinnverdrehungen, keine erfundenen Stufen/Credits/Metriken; und korrekt abgegrenzt von capcut, captions-and-clipping/opus-clip, ai-voiceover und podcast-and-audiograms.