Qué es Descript
Descript es un entorno para grabar, editar y compartir audio y vídeo mediante transcripción, línea de tiempo y herramientas de IA. Su enfoque resulta especialmente útil cuando el contenido principal es una explicación hablada, entrevista, pódcast o demostración.
El texto funciona como una forma de navegar por el material: localizar una frase permite llegar al momento correspondiente. Sin embargo, editar audiovisuales sigue implicando decisiones sobre tiempo, imagen y sonido. Una lectura rápida del guion puede no revelar un gesto importante o un ruido que cambia cómo se entiende la escena. La revisión debe alternar texto y reproducción.
Documentación de referencia: About Descript.
Evolución del producto
Andrew Mason, fundador de Descript y anteriormente de Detour, impulsó una edición de audio basada en texto. La adquisición de Lyrebird en 2019 aportó investigación en síntesis de voz y el concepto Overdub: añadir habla escribiendo, además de eliminarla borrando palabras.
La empresa amplió el trabajo hacia vídeo y anunció una reconstrucción de la aplicación junto a una ronda de 50 millones de dólares liderada por OpenAI Startup Fund. SquadCast se incorporó en 2023 para grabación remota. La documentación actual presenta Rooms integrado en Descript y Underlord como coeditor. Esta evolución explica la coexistencia de nombres antiguos en tutoriales: las funciones, planes y límites deben comprobarse en las guías actuales, sin usar la fecha de actualización de un artículo como fecha del lanzamiento original.
Documentación de referencia: Descript Podcast Studio and Overdub · Descript Research · 2023 year in review · OpenAI Startup Fund announcement.
Guion, escenas y correcciones
El modo de corrección repara la transcripción sin cambiar el audio; editar el guion puede modificar la grabación. Las escenas organizan capas visuales, como títulos, imágenes y planos de apoyo, junto al texto y la línea de tiempo.
Conviene trabajar en dos pasadas. Primero corrige el reconocimiento para que la búsqueda y los subtítulos representen lo dicho. Después decide cortes y orden narrativo. Una frase eliminada puede dejar una imagen sin explicación o romper una referencia como «este elemento». Revisa cada escena con el audio, y comprueba si un rótulo permanece el tiempo necesario para leerlo. Es un método de trabajo propuesto para conservar coherencia, no un resultado automático del editor.
Documentación de referencia: Correct your transcript · Scenes overview.
Idiomas y funciones que no son equivalentes
La transcripción admite catalán, español e inglés, pero solo un idioma por archivo. La detección de muletillas, importación y sustitución de transcripciones y el glosario se documentan como funciones para inglés. Reconocer un idioma no implica disponer de todas las ayudas de edición en él.
En un proyecto trilingüe, prepara archivos separados y revisores que conozcan la terminología. No compares el tiempo de producción usando únicamente una muestra inglesa. Una conversación que alterna idiomas requiere otra preparación o una solución de transcripción que admita ese caso. La prueba relevante incluye nombres propios, siglas y cambios de hablante, además de una locución limpia.
Documentación de referencia: Supported transcription languages.
Rooms y grabación remota
Rooms integra sesiones con invitados y funciones de anfitrión, productor y participante. Graba archivos por persona y los sube progresivamente. La captura WAV sin pérdida requiere activar la opción y un navegador Chromium; la calidad real depende del equipo y las condiciones de grabación.
Para entrevistar a una persona técnica, verifica antes micrófono, iluminación y espacio libre. Graba una prueba donde ambos hablen y espera a que la carga termine. Si se comparte pantalla, prepara una demostración sin datos personales visibles. Los archivos separados facilitan corregir una voz sin alterar toda la conversación, pero no recuperan una explicación que el micrófono nunca captó con claridad.
Documentación de referencia: Rooms overview · Recording quality.
Underlord y automatización editorial
Underlord sigue documentado como Beta y ejecuta instrucciones de edición. Sus skills guardan instrucciones reutilizables y están sustituyendo a las plantillas de prompts. La búsqueda web del asistente no significa que abra y lea exactamente una URL proporcionada.
Formula encargos comprobables: extraer una explicación completa, mantener sus condiciones y proponer títulos. Comprueba el montaje antes de pedir más transformaciones. Para basar una pieza en un documento concreto, aporta el texto autorizado y revisa el resultado frente a él. Una instrucción guardada sirve para repetir un criterio; no asegura que dos grabaciones diferentes produzcan cortes equivalentes ni que un resumen conserve todos los matices.
Documentación de referencia: Underlord Beta · Reusable Underlord skills.
Studio Sound y fidelidad sonora
Studio Sound reduce ruido y reverberación mediante procesamiento de voz. Se aplica al archivo, afectando sus apariciones en el proyecto. La intensidad es ajustable; ante ruido intenso puede suprimir también habla.
Escucha una comparación con y sin efecto, especialmente al principio y final de las frases. Para una entrevista, la mejora puede facilitar entender palabras. En una demostración donde se analiza un sonido de máquina, limpiar todo el audio puede eliminar información. Separa la pista explicativa de la evidencia sonora cuando sea necesario y conserva la grabación original. No describas el audio tratado como una medición de ruido ni lo utilices para inferir niveles de exposición.
Documentación de referencia: Studio Sound.
Regenerate y voz sintética
Regenerate puede suavizar cortes o cambiar palabras mediante una voz autorizada; actualmente se documenta para inglés. La regeneración de vídeo no admite todos los planos o secuencias. Texto a voz ofrece modelos ElevenLabs v2, v3 y v4, distintos del flujo de reparar una toma.
Crear un clon exige una declaración grabada de consentimiento; no admite personas fallecidas ni fuentes de voz artificial. Si se corrige una cifra pronunciada, deja constancia de la modificación y pide validar la frase nueva. En un vídeo formativo preparado puede resultar útil; en una entrevista que se conserva como testimonio, generar palabras altera el registro y necesita un tratamiento diferente. Nunca confundas fluidez del montaje con fidelidad documental.
Documentación de referencia: Regenerate · Custom AI speaker · Text to speech.
Encuadre, mirada y coherencia visual
Eye Contact modifica la dirección aparente de la mirada y necesita un rostro claro, bien iluminado y próximo al frente. Automatic Multicam selecciona cámaras según hablantes. Brand Studio reúne tipografías, colores, diseños y medios compartidos en Business y Enterprise.
Estas herramientas resuelven problemas distintos: presencia ante cámara, selección de plano y coherencia de marca. En una demostración técnica, el plano útil puede ser el de las manos aunque otra persona esté hablando. Revisa cambios automáticos para que no oculten el objeto explicado. Un diseño uniforme debe reservar espacio para subtítulos y rótulos; no conviene colocar un logotipo sobre el detalle que la audiencia necesita observar.
Documentación de referencia: Eye Contact · Automatic Multicam · Brand Studio.
Subtítulos, traducción y doblaje
Descript distingue traducir subtítulos, doblar la voz y ajustar labios. La traducción crea otra composición: cambios posteriores pueden exigir repetirla. El modo de ajuste temporal puede reformular para encajar la duración; el directo prioriza proximidad al texto original.
Exportar SRT o VTT entrega texto temporizado separado. Los captions incrustados forman parte de la imagen. Elige según el reproductor y la necesidad de cambiar idioma. En una instrucción técnica, compara significado antes de valorar sincronización: una frase más breve no debe perder un requisito. Comprueba también que subtítulos no tapen los elementos señalados y que la traducción conserve números, unidades y nombres internos.
Documentación de referencia: Translate and dub · Export subtitles.
Archivos finales y continuidad de edición
La exportación local ofrece MP4 y GIF, con resolución y marca de agua según plan. Los formatos de línea de tiempo incluyen XML, FCPXML y AAF; existe un formato nativo de Premiere en Beta. No todos los efectos, transformaciones o secuencias se transfieren.
Decide si entregas una pieza terminada o un proyecto para otra persona editora. Un MP4 conserva el aspecto final, pero no todas las decisiones como elementos editables. En un intercambio de proyecto, abre una muestra en el programa de destino y revisa cortes, niveles, títulos y sincronización. Incluye los archivos fuente necesarios y una referencia del resultado esperado para detectar diferencias en el traspaso.
Documentación de referencia: Local video export · Timeline exports.
Colaboración y tratamiento de datos
Los colaboradores de un proyecto tienen permisos distintos de los miembros del Drive. Un editor invitado a un proyecto no obtiene automáticamente todas las funciones de carga o IA. La documentación de datos declara investigación con participación voluntaria y uso compartido desactivado en Enterprise.
Separa revisión de contenido, edición y administración. La persona técnica puede comentar una frase sin necesitar permisos sobre toda la biblioteca. Comprueba también el acceso por enlace: retirar un invitado no restringe necesariamente un enlace abierto. Para entrevistas internas, prepara copias de trabajo con la información estrictamente necesaria y acuerda quién conserva el original y quién puede publicar la versión editada.
Documentación de referencia: Project access · Data privacy.
Plataformas, planes e integración
Descript dispone de aplicaciones para Mac y Windows y editor web. La edición móvil y en tabletas no tiene soporte oficial, aunque Rooms admite participación desde teléfonos. Los planes son Free, Hobbyist, Creator, Business y Enterprise. API y MCP permiten iniciar trabajos, importar medios y utilizar Underlord.
Los minutos de medios y créditos de IA miden consumos diferentes. Para una serie, calcula también regeneraciones, traducciones y revisión, y comprueba el ordenador que hará la exportación. Automatizar importaciones puede ayudar en un flujo repetido; conserva una etapa de aprobación antes de distribuir. Un trabajo aceptado por una API no demuestra que el vídeo final haya terminado ni que sea correcto.
Documentación de referencia: System requirements · Plans · Descript API.
Aplicaciones concretas en SST
En seguridad y salud en el trabajo puede ayudar a editar explicaciones, entrevistas formativas y demostraciones previamente grabadas. La transcripción facilita localizar fragmentos y comprobar el guion, mientras que los subtítulos pueden apoyar el acceso al contenido en situaciones donde escuchar el audio no resulta posible.
Dos aplicaciones propuestas son convertir una entrevista técnica extensa en cápsulas temáticas y preparar un repaso de una demostración grabada. En ambos casos interesa conservar la explicación causal: por qué se actúa así y en qué condiciones. La búsqueda por texto ayuda a localizar pasajes, pero el editor necesita escuchar los fragmentos anteriores y posteriores antes de decidir un corte.
Caso práctico y comprobación del resultado
Ejemplo: convertir una grabación aprobada de una charla sobre orden y limpieza en una pieza breve para repaso. El editor elimina repeticiones, conserva las condiciones que acompañan a cada recomendación y revisa los subtítulos con el técnico que impartió la sesión.
En el caso de orden y limpieza, conserva una copia íntegra de la sesión y selecciona un único objetivo, por ejemplo comunicar un obstáculo en una zona de paso. Corrige primero las palabras mal transcritas usando el modo adecuado. Después prepara los cortes, manteniendo la identificación del lugar y la condición que explica cuándo avisar.
Marca las frases que parecen repetidas y consulta al ponente si aportan una excepción. Reproduce cada unión de clips: una pausa eliminada puede hacer parecer que una respuesta corresponde a otra pregunta. Exporta el vídeo y los subtítulos previstos para el canal de destino. Una revisión final contrasta ambos con el original y comprueba que ninguna supresión transforma una explicación prudente en una instrucción categórica.
Límites y condiciones de uso
Editar palabras también cambia el sentido de una declaración. No elimines negaciones, excepciones o contexto para acortar una explicación. Conserva el original, revisa la pieza completa y evita tratar una transcripción automática o una entrevista editada como registro íntegro de una investigación.
Corregir el texto no corrige una afirmación equivocada que sigue audible. Si el ponente dijo una cifra incorrecta, hace falta resolver el contenido de la grabación, no solo maquillar el subtítulo. Los subtítulos externos necesitan un reproductor que los admita; los incrustados permanecen visibles y requieren otra exportación para cambiarlos. El archivo editado debe identificarse como versión de divulgación si el original se conserva como registro.
Documentación de referencia: Correct your transcript · Export subtitles.
Cuándo elegirla y con qué complementarla
Descript encaja cuando el punto de partida es lenguaje hablado y se necesita localizar, recortar y revisar su contenido. ElevenLabs permite valorar la producción de una narración nueva desde un guion, mientras VEED ofrece otro flujo de subtitulado y localización.
Antes de elegir, prueba una conversación con cambios de hablante y vocabulario propio del centro. Compara el tiempo de revisión, la facilidad para preservar el contexto y el comportamiento del subtítulo en el reproductor final.
Preguntas frecuentes
¿Borrar una palabra siempre significa corregir la transcripción?
No. La edición del guion puede modificar el contenido audiovisual. Usa el modo de corrección cuando solo quieras reparar lo que el reconocimiento escribió mal y comprueba el resultado escuchándolo.
¿SRT y VTT son vídeos?
No. Son archivos de texto temporizado que acompañan al vídeo. Hay que entregar el archivo adecuado y verificar que la plataforma lo carga en el idioma correcto.
¿Puede utilizarse la versión corta como acta íntegra?
Una selección editorial no conserva toda la conversación. Identifica su finalidad, conserva el original cuando corresponda y no atribuyas al montaje la integridad que ya no tiene.
