¿Qué hace descript?
La habilidad de edición de contenido conversacional — escribe la edición en la transcripción, Overdub con consentimiento, refina el sonido, viste los visuales y envía los cortes. El agente planifica (y puede controlar Underlord mediante API/MCP donde esté conectado); el humano verifica con el oído y aprueba; WoopSocial publica las exportaciones. (Se entrega con tools/integrations/descript.md.)
El punto de vista: la transcripción es la línea de tiempo — decide en texto, verifica con el oído
Para contenido con mucho diálogo, editar la transcripción es mejor que recorrer una línea de tiempo: elimina la frase, el clip desaparece; mueve el párrafo, el metraje lo sigue — las revisiones informan reducciones de tiempo de edición de ~60–70% para contenido conversacional. Pero el paradigma tiene dos bordes afilados que respeta el 1% superior. (1) La columna vertebral de la voz: el diseño de Overdub, verificado por consentimiento y solo con la propia voz, es el modelo, no un obstáculo — existe para que nadie escriba palabras en la boca de otro; y la verdad del oficio es que brilla en palabras mal dichas, no en párrafos (Overdub largo tiende a sonar sintético — regrabar esos). (2) La columna vertebral del significado: la edición basada en texto facilita peligrosamente reorganizar a un invitado para que diga algo que no dijo — sí a la concisión, nunca a cambiar el significado, y el humano posee el corte final de las palabras de cualquier otra persona. Operativamente: la pasada de precisión es obligatoria (los errores en la transcripción se convierten en ediciones incorrectas Y subtítulos incorrectos), y desde la revisión de septiembre de 2025, el flujo de trabajo debe ser consciente de créditos — los minutos de medios cuentan todo lo que importas, y las funciones de IA antes ilimitadas ahora son medidas.
Lee esto primero
- La habilidad de contenido de la grabación — podcast-and-audiograms / youtube-long-form / educational-content.
- brand-profile + voice-builder (resultados escritos) + design-and-templates (subtítulos/diseño).
El marco: WORDS
(Profundidad: references/the-words-framework.md.)
- W — Write the edit: pasada de precisión primero; luego corta tangentes/tomas malas, elimina relleno+silencios en un solo paso (Underlord), reestructura moviendo párrafos — decide en texto, verifica con el oído.
- O — Overdub con consentimiento: solo con la propia voz, verificado por consentimiento; palabras sueltas/frases cortas (párrafos = regrabar); límites de vocabulario/créditos; divulga voz sintética donde sea requerido.
- R — Refine the sound: Studio Sound una vez por fuente (créditos; un audio más limpio también mejora la transcripción); nivela a los hablantes; ruido extremo es regrabación, no rescate.
- D — Dress the visuals: Multicámara automática (graba pistas separadas a propósito), subtítulos desde la transcripción corregida, B-roll aprobado por humanos, Eye Contact usado honestamente; la sincronización con el ritmo/color se deriva a otro lugar.
- S — Ship the cuts: una transcripción → el episodio + clips (Underlord marca, el humano elige de manera justa) + notas del programa + capítulos + una publicación de texto; enrutar y publicar mediante WoopSocial.
La realidad (verificar trimestralmente)
Descript 2026: Underlord (coeditor agente — relleno/silencios en un solo paso, marcas de tomas malas, sugerencias de B-roll, clips, notas del programa) ahora se puede activar mediante la API pública 2026 (beta abierta) incluyendo conexiones MCP; Overdub (~24–48h de entrenamiento; los requisitos de audio fuente han variado — verificar); Studio Sound (~10 créditos/uso); Multicámara automática; Eye Contact; ~92–95% de precisión de transcripción en audio limpio, ~75–85% con ruido/acentos/jerga; ~23 idiomas; SOC 2 Tipo II; dependiente de la nube (sin modo offline). Precios: la revisión de septiembre de 2025 pasó a minutos de medios + medición de créditos de IA para funciones antes ilimitadas; se documentaron choques de factura y sin prorrateo a mitad de ciclo (G2, atribuido); las cifras de los niveles varían según las fuentes — verificar en la aplicación. Detalle completo: references/descript-2026-reality.md. El bucle semanal, la lista de verificación consciente de créditos, la tabla de decisión de Overdub, la lista de verificación de integridad de entrevistas y dos ejemplos prácticos: references/workflows-and-templates.md.
Alcance honesto (nunca violar)
- El agente planifica la edición y puede activar Underlord/acciones multimedia mediante la API/MCP donde esté conectado (pasos humanos exactos en caso contrario — sin automatización fingida); el humano verifica con el oído (el ritmo/tono/equidad no viven en el texto) y aprueba — el agente nunca fabrica "ese corte suena genial". WoopSocial publica las exportaciones terminadas; no edita medios; la distribución RSS del podcast es separada (humano; podcast-and-audiograms).
- Columna vertebral de la voz: clonación solo con la propia voz; nunca de un invitado/competidor/figura pública; nunca palabras fabricadas en una boca real; divulgación de IA para voz sintética donde sea requerido (Ley de IA de la UE; C2PA). Columna vertebral del significado: las ediciones de entrevistas preservan el significado + contexto del clip; se ofrece aprobación en ediciones significativas. Nunca fabricar niveles, créditos o métricas — verificar en la aplicación. (Alcance completo:
references/scope-and-connections.md.)
Distinto de sus hermanas (enrutar correctamente)
descript (esta) = edición de contenido conversacional basado en texto · capcut = formato corto visual sincronizado con el ritmo (el híbrido: editar aquí, cortes de estilo allá) · captions-and-clipping / opus-clip = selección de clips a escala (esta les proporciona el master) · podcast-and-audiograms = la estrategia a la que sirve esta herramienta · ai-voiceover (elevenlabs) = TTS/narración dedicada (Overdub = correcciones con la propia voz) · talking-head-and-piece-to-camera = la actuación (Eye Contact remedia una lectura, no reemplaza la entrega) · youtube-long-form = la estructura que sigue la grabación.
Dónde se conecta
Lee primero: podcast-and-audiograms / youtube-long-form + brand-profile/voice-builder + design-and-templates. Alimenta: captions-and-clipping / opus-clip (el master), capcut (estilo de formato corto), text-post-and-microblog (el corte escrito), email-and-newsletter (notas del programa), youtube-publishing-and-metadata. Publica mediante: exportaciones → scheduling-and-queue → WoopSocial (redes sociales); host RSS (podcast — humano). Archivo de herramienta: tools/integrations/descript.md. Mide con: nativo + analytics-and-reporting sobre escuchado/visto + clips — nunca fabricado.
Definición de completado
Una edición de contenido conversacional hecha a la velocidad del texto y verificada con el oído: transcripción corregida primero (nombres/jerga — los errores se convierten en ediciones y subtítulos incorrectos), tangentes/tomas malas cortadas y relleno+silencios eliminados en pasadas de Underlord por lotes, reestructuración hecha en texto y el resultado escuchado; fallos corregidos con Overdub de la propia voz verificado por consentimiento solo a nivel de palabra/frase (párrafos regrabados; voz sintética divulgada donde sea requerido); Studio Sound ejecutado una vez por fuente; multicámara/subtítulos/diseño vestidos con la marca; la regla de la entrevista mantenida (significado + contexto del clip preservados, aprobación ofrecida, el humano posee el corte final de las palabras de cualquier otra persona); una transcripción corregida exportada como el episodio + clips elegidos por humanos + notas del programa + capítulos, enrutada y publicada mediante WoopSocial; el flujo de trabajo consciente de créditos bajo el modelo posterior a septiembre de 2025 (importa solo lo que editarás; verifica niveles en la aplicación); automatización API/MCP solo donde realmente conectado; sin voces clonadas de terceros, sin cambios de significado, sin niveles/créditos/métricas fabricados; y correctamente diferenciado de capcut, captions-and-clipping/opus-clip, ai-voiceover y podcast-and-audiograms.