如果你跟我一样，平时需要剪辑播客、录屏教程或者做短视频，肯定对Descript不陌生。这玩意儿本质上是个AI驱动的音视频编辑器，最牛的地方在于它能直接把音频转成文字，然后你像改Word文档一样删字、改字，视频里的对应片段就会自动被剪掉或替换。我用了两年多，从最初的傻瓜式操作到现在摸索出不少隐藏玩法，今天就跟大家聊聊那些官方文档里不太会明说的实用技巧。
别再傻傻手动对齐了：Descript的自动转录其实有坑
刚接触Descript的时候，我特别兴奋地导入了一段40分钟的访谈录音，结果转录出来的文字里，Speaker A和Speaker B的标签全乱了。后来才发现，转录前一定要在项目设置里手动指定"Speaker Detection"的敏感度，默认是中等，但如果录音里两个人音色相近，建议调到"High"。这个选项藏在文件菜单下的Project Settings里，我第一次找了好久。
还有一个容易踩的坑：如果你导入的视频文件本身就带有时间码（比如用OBS录的），Descript会自动识别并保留时间线，但有时候它会自作主张把视频切成好几段。解决办法是在导入时勾选"Preserve original timestamps"旁边的那个小箭头，选"Merge all clips into one track"。这样你的时间线就不会乱成蜘蛛网了。
转录后一定要做的一件事：手动校准标点
AI转录的标点符号经常不准，尤其是长句里的逗号和句号，这直接影响后面用"Fill Words"功能删除语气词的效果。我的习惯是先用快捷键Ctrl+Shift+F（Mac上是Cmd+Shift+F）打开搜索面板，输入"嗯"、"啊"、"然后"这类词，批量选中后一键删除。但注意，如果句子本身没有标点，删除这些词后前后文字会连在一起，读起来很奇怪。所以花10分钟手动加一下标点，能让后续剪辑效率提升至少一倍。
经验之谈：别指望Descript一次就把所有事情干完。它更像一个聪明的助手，能帮你完成80%的粗剪，剩下20%的精细调整还得自己来。但对比传统剪辑软件，这已经省了太多时间了。
最容易被忽略的"Studio Sound"：一键拯救垃圾录音
我录过一期在咖啡厅的播客，背景里全是杯碟碰撞声和音乐声，本来打算重录了。后来在Descript的Effect面板里找到了"Studio Sound"这个功能，点一下之后，背景噪音几乎被消除了80%，人声也变得干净通透。这功能不是简单的降噪，而是用AI模型重新合成了你的人声，听起来就像在录音棚里录的一样。
不过要注意，如果你录音本身有严重的削波（爆音），Studio Sound也救不回来，它会把人声里的爆音部分处理成一种类似电子音的效果，反而更奇怪。所以录音时还是尽量控制好音量，峰值不要超过-3dB。另外这个功能在免费版里只能试用几次，Pro版用户才不限次数，我后来咬牙升了Pro，主要就是为了这个。
| 功能 | 免费版 | Pro版 |
|---|---|---|
| Studio Sound降噪 | 每月3次试用 | 无限次使用 |
| 转录时长限制 | 每月5小时 | 每月20小时 |
| AI语音克隆 | 不支持 | 支持（需额外付费） |
| 填充词批量删除 | 支持 | 支持 |
用"Overdub"功能自己配音：再也不用求人录旁白了
有一次我剪教程视频，发现有一段解说词需要补录，但录音设备不在身边。Descript的Overdub功能这时候就派上用场了——你只需要提前录一段自己的声音作为样本（大概10分钟左右的朗读内容），AI就能学会你的音色，之后你打一段文字进去，它就能用你的声音读出来。我第一次试的时候，成品连我老婆都没听出来是AI生成的。
但这里有个关键步骤很多人不知道：录制样本声音时，一定要在安静环境里，用尽量平缓的语调朗读，不要带太多情绪起伏。如果你样本里有笑声或者叹气，AI学出来会把这些情绪随机插入到生成的语音里，效果特别诡异。另外Overdub生成的语音最长不能超过10分钟，所以长段旁白最好拆成几个小段分别生成。
一个小技巧：用Overdub修正口误
传统剪辑里，如果一个人说错了词，要么剪掉重录，要么用替换片段掩盖。在Descript里，你可以直接把说错的那几个字在文字转录里改成正确的，然后用Overdub生成修正后的发音，覆盖原片段。操作方法是选中那段文字，右键选择"Replace with Overdub"，AI会自动匹配语速和语调。我试过十几次，大部分时候衔接得很自然，只有个别情况需要手动调整一下音量包络线。
当然，这个功能也不是万能的。如果你的原始录音里背景有其他人说话或者音乐，Overdub生成的片段会和背景音格格不入。这种情况我建议还是老老实实重录一段，或者把背景音单独分离出来。
新手最容易卡住的三个问题
我在博客评论区经常收到类似的问题，今天一并回答了吧。
- Q：转录出来的文字跟音频对不上怎么办？ 先用鼠标拖动文字块手动对齐，然后右键选"Align with audio"，Descript会重新计算时间戳。如果还是不对，检查一下原始音频的采样率，Descript不支持低于44.1kHz的音频。
- Q：导出视频后画质变差了？ 默认导出设置是1080p 30fps，码率偏低。在导出对话框里点"Advanced"，把视频码率从默认的10Mbps调到20Mbps以上，画质会好很多。如果原始素材是4K，记得在项目设置里把Canvas分辨率改成3840x2160。
- Q：删掉文字后视频里的画面怎么也跟着没了？ 这是因为Descript默认把文字和画面绑定在一起。如果你只想删声音保留画面，在时间线上选中那段视频，按V键切换成"Video only"模式，再删除文字就不会动画面了。
用了三年AI工具，Descript在我心里的地位一直很稳。它不是那种什么都能干的万能工具，但在音视频剪辑这个垂直领域，它确实把"用文字剪视频"这个思路做到了极致。如果你还没试过，建议先从免费版入手，录一段三五分钟的素材玩玩，感受一下那种删字等于剪片的神奇体验。对了，最近他们更新了AI字幕生成功能，支持直接输出带特效的中文字幕，这个我还没来得及深度测试，有兴趣的可以先去试试。