descript 是做什么的？
对话型内容编辑工具——在转录稿中写编辑，征得同意后用Overdub修复，优化声音，修饰画面，导出成片。代理负责规划（并在连接API/MCP时驱动Underlord）；人工通过听音验证并批准；WoopSocial发布导出内容。（附带tools/integrations/descript.md。）
核心观点：转录即时间线——在文本中决策，通过听音验证
对于对话密集型内容，编辑转录稿比拖拽时间线更高效：删除句子，片段消失；移动段落，画面跟随——据报告，对谈话类内容可减少约60-70%的编辑时间。但这种范式有两个顶尖使用者尊重的尖锐边界。(1) 语音脊柱： Overdub的“征得同意、仅本人声音”设计是典范，而非障碍——它存在的意义是防止将文字键入别人的口中；而工艺真相是，它在修补说错的单词时表现出色，而非段落（长段Overdub会变得生硬——应重新录制）。(2) 意义脊柱： 文本编辑很容易将嘉宾的话重新排列成他们从未说过的东西——可以精简，绝不可歪曲原意，并且人类需对任何他人话语的最终剪辑负责。操作上：准确性检查是强制性的（转录错误会导致错误编辑和错误字幕），并且自2025年9月改革以来，工作流必须注意信用消耗——导入的所有媒体分钟都计入，以前无限使用的AI功能现在按计量收费。
先阅读这些
- 录音的内容技能——播客与音频图 / YouTube长视频 / 教育内容。
- 品牌档案 + 语音构建器（书面输出）+ 设计与模板（字幕/布局）。
框架：WORDS
（深度：references/the-words-framework.md。）
- W — 编写编辑（Write the edit）： 先做准确性检查；然后剪切离题内容/糟糕的镜头，一键移除填充词和静音（Underlord），通过移动段落重组结构——在文本中决策，通过听音验证。
- O — 征得同意后使用Overdub： 仅限本人声音，需征得同意；仅用于单词或短短语（段落需重新录制）；注意词汇/信用限制；在法律要求处披露合成语音。
- R — 优化声音（Refine the sound）： 每个音源使用一次Studio Sound（消耗信用；更干净的音频也能改善转录）；平衡说话人音量；极端噪音应重新录制，而非后期修复。
- D — 修饰画面（Dress the visuals）： 自动多机位（需有意录制独立音轨）、基于校正后转录稿的字幕、人工批准的B-roll、诚实使用Eye Contact；节拍同步/调色请使用其他工具。
- S — 导出成片（Ship the cuts）： 一份转录稿→生成节目 + 剪辑片段（Underlord标记，由人工公平挑选）+ 节目笔记 + 章节 + 文字帖子；通过WoopSocial路由并发布。
现实情况（每季度验证）
2026年Descript：Underlord（代理式协同编辑器——一键去除填充词/静音、标记糟糕镜头、建议B-roll、剪辑片段、节目笔记）现在可通过2026年公开API（开放测试版，含MCP连接） 触发；Overdub（约24-48小时训练；源音频要求可能已变——请验证）；Studio Sound（约10积分/次）；自动多机位；Eye Contact；对干净音频转录准确率约92-95%，有噪音/口音/术语时约75-85%；支持约23种语言；SOC 2 Type II认证；依赖云端（无离线模式）。定价：2025年9月改革 改为按媒体分钟+AI积分计量，之前无限使用的功能现在收费；有记录显示费用激增且无中期按比例退款（G2，来源注明）；不同来源的层级数据相互矛盾——请在应用内验证。 完整细节：references/descript-2026-reality.md。每周循环、信用感知检查表、Overdub决策表、采访完整性检查表以及两个实操示例：references/workflows-and-templates.md。
诚实范围（绝不可违反）
- 代理负责规划编辑，并通过API/MCP触发Underlord/媒体操作（若已连接；否则按精确的人工步骤执行——不得假装自动化）；人工通过听音验证（节奏/语调/公正性无法在文本中体现）并批准——代理绝不可编造“这个剪切听起来很好”。WoopSocial发布完成的导出内容；它不编辑媒体；播客RSS分发需单独处理（人工；播客与音频）。
- 语音脊柱： 仅克隆本人声音；绝不可克隆嘉宾、竞争对手、公众人物；绝不可在真实人物口中编造文字；在法律要求处进行AI披露（如EU AI Act；C2PA）。意义脊柱： 采访编辑保留原意和片段上下文；重大编辑需提供批准选项。绝不可编造层级、信用或指标——在应用内验证。（完整范围：
references/scope-and-connections.md。）
与同类工具的区分（正确路由）
descript（本工具） = 基于文本的对话内容编辑 · capcut = 节拍同步的视觉短视频（混合使用：在此工具完成主编辑，在capcut做风格化剪辑） · 字幕与剪辑 / opus-clip = 大规模选择片段（本工具提供主素材） · 播客与音频图 = 本工具所服务的策略 · AI配音（elevenlabs） = 专用TTS/旁白（Overdub = 本人声音修正） · ** Talking Head与镜头前讲话** = 表演本身（Eye Contact仅修正阅读感，不能替代表达） · YouTube长视频 = 录音所遵循的结构。
连接关系
首先阅读：播客与音频图 / YouTube长视频 + 品牌档案/语音构建器 + 设计与模板。向以下工具提供素材：字幕与剪辑 / opus-clip（主素材）、capcut（短视频风格化）、文字帖与微博客（书面剪辑）、邮件与新闻通讯（节目笔记）、YouTube发布与元数据。通过以下方式发布：导出→排程与队列 → WoopSocial（社交平台）；RSS托管平台（播客——人工）。工具文件：tools/integrations/descript.md。衡量指标：原生指标 + 分析与报告关于完播率/完看率及片段表现——绝不可编造。
完成标准
一次对话型内容编辑，以文本编辑速度完成并通过听音验证：转录稿首先校正（姓名/术语——错误会导致编辑和字幕错误），剪切离题内容/糟糕镜头，通过Underlord批量处理移除填充词和静音，在文本中重组结构并听一遍结果；用征得同意、仅限本人声音的Overdub修复说错的单词或短语（段落需重新录制；在法律要求处披露合成语音）；每个音源运行一次Studio Sound；多机位/字幕/布局按照品牌要求修饰；遵守采访规则（保留原意和片段上下文，提供批准选项，由人类对他人的话语行使最终剪辑权）；一份校正后的转录稿导出为节目 + 人工挑选的片段 + 节目笔记 + 章节，通过WoopSocial路由并发布；在2025年9月后的模型下工作流需注意信用消耗（仅导入要编辑的内容；在应用内验证层级）；仅在实际连接时才使用API/MCP自动化；不得克隆第三方声音，不得歪曲原意，不得编造层级/信用/指标；并且正确区分于capcut、字幕与剪辑/opus-clip、AI配音和播客与音频图。