O que descript faz?
A skill de edição de conteúdo de fala — escreva a edição na transcrição, Overdub com consentimento, refine o som, vista os visuais e publique os cortes. O agente planeja (e pode conduzir o Underlord via API/MCP quando conectado); o humano verifica de ouvido e aprova; o WoopSocial publica as exportações. (Acompanha tools/integrations/descript.md.)
O POV: a transcrição é a linha do tempo — decida em texto, verifique de ouvido
Para conteúdo focado em diálogo, editar a transcrição é mais eficiente do que percorrer uma linha do tempo: delete a frase, o clipe desaparece; mova o parágrafo, a filmagem segue — avaliações relatam ~60–70% de redução no tempo de edição para conteúdo falado. Mas o paradigma tem duas arestas afiadas que os 1% melhores respeitam. (1) A espinha vocal: o Overdub com consentimento verificado, apenas voz própria é o modelo, não um obstáculo — ele existe para que ninguém digite palavras na boca de outra pessoa; e a verdade prática é que ele brilha em palavras erradas, não parágrafos (Overdub longo deriva para sintético — regrave esses). (2) A espinha de significado: a edição em texto torna perigosamente fácil reorganizar um convidado para dizer algo que não disse — concisão sim, inversão de significado nunca, e o humano possui o corte final das palavras de qualquer outra pessoa. Operacionalmente: a passagem de precisão é obrigatória (erros de transcrição viram edições erradas E legendas erradas), e desde a reforma de setembro de 2025, o fluxo deve ser credit-aware — minutos de mídia contam tudo que você importa, e recursos anteriormente ilimitados são medidos.
Leia estes primeiros
- A skill de conteúdo da gravação — podcast-and-audiograms / youtube-long-form / educational-content.
- brand-profile + voice-builder (saídas escritas) + design-and-templates (legendas/layout).
O framework: WORDS
(Detalhes: references/the-words-framework.md.)
- W — Write the edit: passagem de precisão primeiro; depois corte tangentes/gravações ruins, remoção de preenchimento+silêncio em um passo (Underlord), reestruturação movendo parágrafos — decida em texto, verifique de ouvido.
- O — Overdub with consent: apenas voz própria, consentimento verificado; palavras únicas/frases curtas (parágrafos = regrave); limites de vocabulário/crédito; divulgue fala sintética onde exigido.
- R — Refine the sound: Studio Sound uma vez por fonte (créditos; áudio mais limpo também melhora a transcrição); nivele os falantes; ruído extremo é regravação, não resgate.
- D — Dress the visuals: Multicam Automática (grave faixas separadas de propósito), legendas a partir da transcrição corrigida, B-roll aprovado pelo humano, Eye Contact usado honestamente; sincronia de batida/cor por outra via.
- S — Ship the cuts: uma transcrição → o episódio + clipes (Underlord sinaliza, o humano escolhe de forma justa) + notas de programa + capítulos + uma postagem de texto; encaminhe e publique via WoopSocial.
A realidade (verifique trimestralmente)
Descript 2026: Underlord (co-editor agêntico — preenchimento/silêncio em um passo, sinalização de gravações ruins, sugestões de B-roll, clipes, notas de programa) agora acionável via API pública 2026 (beta aberto) incl. conexões MCP; Overdub (~24–48h de treinamento; requisitos de áudio fonte variaram — verifique); Studio Sound (~10 créditos/uso); Multicam Automática; Eye Contact; ~92–95% de precisão de transcrição em áudio limpo, ~75–85% com ruído/sotaques/jargão; ~23 idiomas; SOC 2 Tipo II; dependente de nuvem (sem offline). Preços: a reforma de setembro de 2025 mudou para minutos de mídia + medição de créditos de IA de recursos anteriormente ilimitados; documentou choque de fatura e sem rateio no meio do ciclo (G2, atribuído); valores de tier conflitam entre fontes — verifique no app. Detalhes completos: references/descript-2026-reality.md. O loop semanal, checklist credit-aware, a tabela de decisão do Overdub, o checklist de integridade de entrevista e dois exemplos práticos: references/workflows-and-templates.md.
Escopo honesto (nunca viole)
- O agente planeja a edição e pode acionar ações do Underlord/mídia via API/MCP quando conectado (passos humanos exatos caso contrário — nenhuma automatização fingida); o humano verifica de ouvido (ritmo/tom/imparcialidade não vivem no texto) e aprova — o agente nunca fabrica "esse corte soa ótimo." O WoopSocial publica as exportações finalizadas; ele não edita mídia; a distribuição RSS de podcast é separada (humano; podcast-and-audiograms).
- Espinha vocal: clonagem apenas de voz própria; nunca um convidado/competidor/figura pública; nunca palavras fabricadas em uma boca real; divulgação de IA para fala sintética onde exigido (EU AI Act; C2PA). Espinha de significado: edições de entrevista preservam significado + contexto do clipe; aprovação oferecida em edições significativas. Nunca fabrique tiers, créditos ou métricas — verifique no app. (Escopo completo:
references/scope-and-connections.md.)
Distinto de suas skills irmãs (roteie corretamente)
descript (esta) = edição de conteúdo de fala baseada em texto · capcut = formato curto visual sincronizado com batida (o híbrido: master aqui, cortes estilizados lá) · captions-and-clipping / opus-clip = seleção de clipes em escala (esta alimenta o master) · podcast-and-audiograms = a estratégia que esta ferramenta serve · ai-voiceover (elevenlabs) = TTS/narração dedicada (Overdub = correções de voz própria) · talking-head-and-piece-to-camera = a performance (Eye Contact corrige uma leitura, não substitui a entrega) · youtube-long-form = a estrutura que a gravação segue.
Onde isso se conecta
Leia primeiro: podcast-and-audiograms / youtube-long-form + brand-profile/voice-builder + design-and-templates. Alimenta: captions-and-clipping / opus-clip (o master), capcut (estilização de formato curto), text-post-and-microblog (o corte escrito), email-and-newsletter (notas de programa), youtube-publishing-and-metadata. Publica via: exportações → scheduling-and-queue → WoopSocial (social); host RSS (podcast — humano). Arquivo de ferramenta: tools/integrations/descript.md. Meça com: nativo + analytics-and-reporting em taxa de escuta/assistência + clipes — nunca fabricado.
Definição de pronto
Uma edição de conteúdo de fala feita na velocidade do texto e verificada de ouvido: transcrição corrigida primeiro (nomes/jargão — erros viram edições e legendas erradas), tangentes/gravações ruins cortadas e preenchimento+silêncios removidos em passes batched do Underlord, reestruturação feita em texto e o resultado ouvido; erros corrigidos com Overdub de voz própria com consentimento verificado apenas em palavras/frases curtas (parágrafos regravados; fala sintética divulgada onde exigido); Studio Sound executado uma vez por fonte; multicam/legendas/layout ajustados com a marca; a regra da entrevista mantida (significado + contexto do clipe preservados, aprovação oferecida, o humano possuindo o corte final das palavras de qualquer outra pessoa); uma transcrição corrigida exportada como o episódio + clipes escolhidos pelo humano + notas de programa + capítulos, encaminhada e publicada via WoopSocial; o fluxo credit-aware sob o modelo pós-setembro de 2025 (importe apenas o que vai editar; verifique tiers no app); automação API/MCP apenas onde realmente conectado; sem vozes de terceiros clonadas, sem inversões de significado, sem tiers/créditos/métricas fabricados; e corretamente distinguida de capcut, captions-and-clipping/opus-clip, ai-voiceover e podcast-and-audiograms.