录了一小时产品演示，真正要用的就那八分钟，可你对着时间轴拖来拖去，光找"哪段讲了价格"就花了二十分钟。用 Descript 换个思路：它先把你的语音转写成文字稿，你直接在稿子上删句子，对应的画面和声音跟着被剪掉——剪视频变成了改文档。
准备清单：一个 Descript 账号（桌面端功能最全，网页版也能用），以及一段带人声的视频或纯音频。口播清晰、少背景音乐，转写准确率最高；方言或嘈杂环境会多些错字，后面校对一下即可。
第一步，新建项目、导入媒体文件，等它自动转写（时长取决于音频长度，几分钟的片段很快）。转写完成后，界面左边是文字稿、右边是波形和画面，二者联动。第二步，像改文章一样 editing：把口头禅"那个、然后、嗯"整段删掉，对应片段自动从时间轴消失；想调顺序，直接把段落拖到别处。常见失败：转写把专业词认错（比如把"向量库"写成"向亮库"），先用查找替换批量改掉再剪，省得逐句对。
第三步，生成字幕。点"字幕"功能，它会按你的文稿自动排版时间轴，导出 .srt 或直接烧进视频。验收标准：播放一遍，删掉的地方画面确实没了、字幕和口型对得上、没有把一句话拦腰斩断。做到这三点，这条视频的粗剪就完成了。
进阶玩法：Descript 的" overdub "能用你的声音合成新台词，补一句漏说的、改个数字，不用重新录；还能一键把长视频压成短视频脚本，自动挑重点段落。对做系列内容的人，这是把"录一次、发多条"变成现实的利器。
提醒两点边界。一是AI 合成的语音别用在需要"真实性"的场合（比如替你向客户道歉、念免责声明），听起来像你但终究不是你原声，用错地方容易惹麻烦。二是转写再准也有漏，涉及人名、数字、专业术语的成片，发布前自己通读一遍字幕——模型把"三百"写成"三十"这种错，观众一眼就能挑出来。把 Descript 当那个帮你把"说的话"变成"能发的片"的剪辑师，但定稿前那遍校对，永远值得你自己来。它省掉的是机械的剪刀活，留给你的是真正要动脑的叙事判断。